AI推翻数学界80年猜想！埃尔德什单位距离问题迎重大突破

AI推翻数学界80年猜想！埃尔德什单位距离问题迎重大突破

近日，OpenAI的内部AI模型在执行其他任务时，意外找到了突破“单位距离猜想”的关键线索，并在数学家的共同验证下，最终否定了该猜想。这一成果标志着人工智能在数学研究领域迈出了具有里程碑意义的一步。

保罗·埃尔德什（Paul Erdős）于1946年在《美国数学月刊》（The American Mathematical Monthly）上发表的两个经典问题——“最多‘撞车’的距离”与“最少种类的距离”——长期以来困扰着数学界。它们看似简单，实则蕴含深刻的理论结构，成为组合几何学中最著名的未解难题之一。

第一个问题聚焦于“单位距离问题”（unit distance problem）：如何在平面上排列n个点，使得单位距离的点对数量达到最大。最初的猜想是，点对数最多为n的1加非常小的项（即渐近于n）。然而，经过长期研究，人类数学家获得的上界仅为O(n^{4/3})。

埃尔德什通过构造网格模型，提出了一个基于数论的下界。该下界后来被称为“埃尔德什网格构造法”，被广泛认为是平面几何约束下的极限解法。

难道这已是最优解？AI给出了否定的答案。

2025年5月，OpenAI发布论文，指出其内部模型通过非传统构造方法，成功提高单位距离点对数量的下界，表明这个增长速度可以达到n^{1+δ}（δ=0.014）。这是对埃尔德什猜想的直接挑战，不仅在数学理论上具有重大意义，也引发对AI在科学研究中的潜力的广泛讨论。

其路径与埃尔德什的思路高度一致，但AI借助更高阶的代数数论工具，实现了一个更宏大的构造设想。通过代数数域的无限扩张与严格的几何投影，AI成功构造了一个几乎线性增长的单位距离点集，从而打破了数学界长期认同的边界。

这一突破并非源于单纯算法暴力求解，而是在代数构造与几何投影间达到微妙平衡。AI进行了庞大的数学探索，包括数域扩张、理想因子分析，以及类域论与戈洛德-沙法列维奇定理的应用。

而在这一研究背后的主导者，是来自加拿大的青年学者陈立杰（Lijie Chen），这位曾获国际信息学竞赛金牌的清华博士，现为加州大学伯克利分校助理教授，并于今年年初加入OpenAI研究团队。他指出，AI所构建的数学反例，并非仅仅依赖训练数据的平均能力，而是基于对问题的深层次理解和构造能力。

尽管AI并未完全解答单位距离问题本身，但它显著改变了这一研究领域的目光。数学家蒂莫西·高尔斯（Timothy Gowers）表示，这份论文“如果是由人类撰写并提交给《数学年刊》（Annals of Mathematics）”，他将毫不犹豫推荐接受。

《数学年刊》是数学界最顶级的期刊之一，此前怀尔斯（Andrew Wiles）与合作者证明的费马大定理论文即发表于此。AI的参与，使得这一学科的重大突破不再局限于人类个体的智慧。

AI的研究路径也引发广泛讨论：它是否真正具备数学直觉？它是否能够提出新的研究方向？数学家们认为，AI目前虽无法替代人类对数学本质的探索， но已在某些高度抽象的构造中展现出超越人类的能力。

如今，AI已经踏入数学研究的前沿领域。更多数学家开始关注AI能否在更广泛的问题上发挥作用，例如数论、拓扑学、几何学等经典领域。

陈立杰说：“我今年一月初开始在OpenAI从事推理相关工作，正因我相信人工智能将对数学和一般科学产生巨大影响。但我没想到，一个数学领域重大开放问题的解决方案竟然在五月就出现了。”

这一事件也使得AI在数学界的定位从辅助工具，逐渐转变为一个独立的数学研究力量。

数学家Steve Newman则提出了一个更具冲击性的观点：“也许，人类并不擅长数学。” 对于高等数学，他指出，就像长臂猿不擅长攀岩一样，我们的大脑可能并非最佳的数学探索平台。

AI的出现，或许正在重新定义数学研究的边界。它的优势在于强大的计算能力与无限的试错成本，这使得它能够探索人类难以想象的数学构造。