一把長度為 1 的尺子，把 AI 送到了數學研究最前線。
想像一下，在一張無限大的平面上放下 n 個點，任意兩點之間如果剛好相距 1，就算一組「單位距離點對」。最多能有多少組？
1946 年，數學家 Paul Erdős 提出了這個問題。近 80 年來，數學界一直認為，最接近答案的構造大概會像平方網格，也就是把點像棋盤一樣鋪開。
Today, we share a breakthrough on the planar unit distance problem, a famous open question first posed by Paul Erdős in 1946. For nearly 80 years, mathematicians believed the best possible solutions looked roughly like square grids. An OpenAI model has now disproved that belief, discovering an entirely new family of constructions that performs better. This marks the first time AI has autonomously solved a prominent open problem central to a field of mathematics.
截至發稿前，該推文已引來 320 萬網友的圍觀
OpenAI 現在給出了截然不同的結果。
根據 OpenAI 官方部落格，其內部一款通用推理模型找到了一族新的構造方法，可以讓 n 個點產生比平方網格預期更多的單位距離點對。這個結果否定了 Erdős 關於單位距離數至多為 n^(1+o(1)) 的長期上界猜想。
目前這一證明已經由外部數學家檢查，並有配套論文解釋背景和意義。
引人注意的地方在於，OpenAI 強調，證明來自一款通用推理模型。它並非為單位距離問題定製，也並非專門的數學證明搜索系統。按照 OpenAI 的說法，這是 AI 首次自主解決一個數學分支中居於核心位置的重要公開問題。
對數學界來說，這可能只是一個持續近 80 年的經典猜想被推翻。但對 AI 行業來說，模型開始觸碰科研創造的上游環節：提出新想法，連接跨領域知識，並把複雜論證推進到可被專家審查的程度。
1 的距離，80 年的猜想
平面單位距離問題是組合幾何里最有名的問題之一。
2005 年出版的《Research Problems in Discrete Geometry》中，Brass、Moser 和 Pach 稱它「可能是組合幾何中最知名、也最容易解釋的問題」。組合數學家 Noga Alon 也說，這是 Erdős 本人最喜歡的問題之一，Erdős 甚至曾為解決它設立獎金。
數學上通常用 u(n) 表示答案：平面上放置 n 個點時，距離剛好為 1 的點對數量最多是多少。研究者關心的重點，是當 n 不斷增大時，u(n) 會以什麼速度增長。
最容易理解的擺法，是把 n 個點排成一條直線。相鄰兩點距離為 1，於是可以得到 n 減 1 個單位距離點對。
稍微複雜一點的擺法，是平方網格。把點像棋盤一樣排開，每個點可以和上下左右的相鄰點形成單位距離。這樣一來，單位距離點對數量大約可以達到 2n。
一種此前已知的構造：通過重新縮放的方形網格生成大量單位距離。
Erdős 在 1946 年提出的構造更加精細。他使用經過縮放的平方網格，讓單位距離點對數量達到 n^(1+C/log log n) 的量級，其中 C 是常數。這個式子可以拆成一句話理解：它比 n 增長得快一些，但快得非常有限。因為 n 越大，C/log log n 越接近 0，所以整體仍然接近 n 的一次方增長。
長期以來，數學家普遍相信，平方網格類構造已經接近這個問題的極限。Erdős 據此提出猜想，u(n) 的上界應當是 n^(1+o(1))。這裡的 o(1) 表示一個會隨著 n 增大而趨近於 0 的量。換成普通說法，單位距離點對數量可以略高於線性增長，但不應該出現一個固定比例的指數優勢。
OpenAI 公布的新結果打破了這個預期。
官方部落格稱，模型構造出一族無限多的例子。對於無窮多個 n，平面上可以放置 n 個點，並得到至少 n^(1+δ) 個單位距離點對。這裡δ是一個固定正數。原始 AI 證明沒有給出δ的具體數值，但普林斯頓大學數學教授 Will Sawin 的後續改進顯示，δ 可以取 0.014。
平方網格類構造原本被認為接近最優；OpenAI 模型給出的新構造則在無窮多個 n 上實現了固定指數優勢，突破了 n^(1+o(1)) 這一看法。
業界的震動來自兩個層面。第一，問題本身分量很重。平面單位距離問題雖然表述簡單，實質進展卻很慢。下界長期沿著 Erdős 早年的構造推進，最好的上界 O(n^(4/3)) 來自 Spencer、Szemerédi 和 Trotter 在 1984 年的工作。此後，Székely、Katz 和 Silier、Pach、Raz、Solymosi 等研究者繼續研究相關結構，但核心上下界之間仍然存在很大空白。
第二，新證明使用的工具出乎很多人預料。過去研究者看這個問題，通常會自然想到幾何和組合結構。OpenAI 模型給出的路徑，卻把問題帶到了代數數論。
Erdős 早期構造可以通過高斯整數來理解。高斯整數形如 a+bi，其中 a 和 b 是整數，i 是負 1 的平方根。它擴展了普通整數，並保留了類似唯一分解的性質。藉助這種結構，可以解釋為什麼某些縮放後的平方網格會產生很多單位距離。
圖片由 AI 生成，僅供參考
OpenAI 模型的新證明使用了更複雜的代數數域。代數數域可以理解為對普通有理數或整數的推廣，其中包含更豐富的對稱結構。OpenAI 稱，正是這些結構製造出大量單位長度差，讓平面上的點能夠形成更多距離剛好為 1 的點對。
證明還用到無限類域塔和 Golod Shafarevich 理論等工具。這些概念在代數數論內部並不陌生，但它們突然出現在一個歐氏平面里的組合幾何問題中，帶來了很強的跨領域意味。
外部數學家也把這一點視為成果的關鍵。配套論文作者之一 Thomas Bloom 寫道，評價 AI 生成證明的重要性時，一個重要標準是它有沒有讓人類更理解這個問題。在他看來，答案可以謹慎地給出肯定。這個結果說明，數論構造對離散幾何問題的影響，可能比過去預想得更深。
組合數學家 Noga Alon 表示，Erdős 曾多次在講座中提到單位距離問題，幾乎每位組合幾何研究者都思考過它，許多其他領域的數學家也曾花時間研究。Alon 認為，OpenAI 內部模型解決這一長期公開問題是一項突出成果。尤其讓人意外的是，正確答案沒有落在 n^(1+o(1)) 這一長期預期內，新構造及其分析還以巧妙方式使用了相當高級的代數數論工具。
菲爾茲獎得主 Tim Gowers 在配套論文中稱，這一結果是「AI 數學的一個里程碑」。數論學者 Arul Shankar 則表示，在他看來，這篇論文顯示，當前 AI 模型已經能夠提出原創且巧妙的想法，並將它們推進到完整證明。
AI 進入科研上游，人類專家的位置在哪裡
OpenAI 在官方部落格里反覆強調，模型來源本身很關鍵。
按照 OpenAI 的說法，證明來自一款新的通用推理模型。它沒有專門針對單位距離問題訓練，也沒有被設計成一個數學證明搜索系統。OpenAI 是在一項更大範圍的評估中，讓模型處理一組 Erdős 問題，模型最終在平面單位距離問題上給出了證明。
在驗證了初始證明之後，OpenAI 研究了在不同測試時計算量下，模型在這個問題上的成功率。
過去幾年，AI 在數學中的能力已經快速提高。模型可以解競賽題，可以輔助形式化證明，可以幫助檢索資料，也可以生成證明草稿。但這些能力大多需要人類給出明確方向，或者仍然圍繞已有知識體系展開。
OpenAI 此次宣稱的案例向前推進了一大步：模型面對一個長期開放的問題，提出新構造，並完成了能讓外部專家審查的證明。換句話說，AI 開始觸碰數學研究中更核心的環節，也就是發現路徑本身。
數學適合檢驗這種能力。原因不難理解：問題定義清楚，證明可以檢查，任何一處推理斷裂都會影響整個結果。一個模型若能完成這類任務，說明它能夠維持較長推理鏈條，也能把相距很遠的知識工具放到同一個問題里使用。
在較小規模的研究問題上，類似能力也已有公開案例。Tim Gowers 曾讓 ChatGPT 5.5 Pro 處理數論中的公開問題。模型在不到兩小時內給出接近博士水平的數學研究，並顯著改進了已有界限。
Gowers 稱，自己幾乎沒有做數學貢獻，也沒有使用複雜提示。相關問題來自數論學者 Mel Nathanson 的一篇論文，涉及整數和集合的可能大小，以及如何有效構造具有特定性質的集合。一位參與研究的年輕學者認為，模型提出的關鍵想法「完全原創」。
這些案例連起來看，生成式 AI 的角色正在發生變化。它正在從「會解題」進入「會研究」的早期階段。模型不再只是在題目給定、方法明確的情況下給出答案，也開始在開放問題中提出構造、改進邊界、尋找證明路線。
OpenAI 也希望把這一案例推廣到更廣泛的科研場景。官方部落格提到，如果模型可以在數學中保持複雜論證的連貫性，連接不同知識領域，並產出經得起專家審查的成果，那麼類似能力也可能幫助生物、物理、材料科學、工程和醫學等領域的研究。
當然，這次難題的完整研究流程仍然離不開人類專家。AI 證明的結果能被嚴肅討論，一個重要前提是證明經過外部數學家檢查，配套論文也給出了背景、解釋和數學脈絡。AI 提出了關鍵突破，人類專家判斷其正確性，解釋它的意義，並繼續追問它能否擴展到其他問題。
簡言之，AI 遠遠無法替代數學家，但有望改變數學研究的勞動結構。尤其是當 AI 能夠批量提出複雜路徑，未來研究者的核心任務會越來越集中在三個方面：判斷問題是否重要，判斷結果是否可信，判斷哪條路線值得繼續投入。
而 OpenAI 的模型給出了一種連 Erdős 都未曾想像的構造，也是對這位以生活方式極簡、四處遊歷著稱的數學頑童最好的致敬：問題解決的方式，或許比解決本身更令人驚喜。
附上參考鏈接：
1.完整證明過程
https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-proof.pdf
2.配套論文
https://cdn.openai.com/pdf/74c24085-19b0-4534-9c90-465b8e29ad73/unit-distance-remarks.pdf
3.模型推理思路
https://cdn.openai.com/pdf/1625eff6-5ac1-40d8-b1db-5d5cf925de8b/unit-distance-cot.pdf
4. OpenAI 官方部落格
https://openai.com/index/model-disproves-discrete-geometry-conjecture/
