← #794

OpenAI 模型推翻了一个 80 年的离散几何猜想

文章摘要

OpenAI 官方发了一个让数学圈震动的成果：他们的一个通用推理模型自主地推翻了 Erdős 在 1946 年提出的一个核心猜想——单位距离问题。问题本身好讲：平面上给 n 个点，最多能有多少对点的距离正好等于 1？过去 80 年里，主流猜想是”正方形网格构造基本就是最优的”，增长率应该是 $n^{1+o(1)}$，也就是和 $n$ 的关系几乎是线性的，再多也多不到哪去。

OpenAI 的模型给出了一个反例构造，达到 $n^{1+\delta}$，其中 $\delta > 0$ 大约是 0.014。看起来 0.014 是个小数，但在这种问题里，从 $n^{1+o(1)}$ 跳到 $n^{1+\delta}$ 是一个性质的跨越——它意味着旧猜想错了，且错得有结构。更关键的是它不是一个为数学专门训练的系统，而是在用 OpenAI 的通用推理模型测试 Erdős 一系列开放问题时偶然发现的。

证明手法本身也让人吃惊。它没有走纯几何路线，而是把代数数论里非常硬核的工具——无限类域塔（infinite class field towers）和 Golod–Shafarevich 理论——引入到组合几何。构造从经典的高斯整数（Gaussian integers）出发，再推广到更复杂的代数数域，利用这些域的对称性产生足够密集的单位距离点对。Fields 奖得主 Tim Gowers 给了一句很重的评价：”a milestone in AI mathematics.”——AI 数学里程碑。论文已经过外部数学家验证，准备投顶级期刊。

HN 评论精华

trostaft（数学博士后）：从证明本身看，思路明显受文献影响——使用的工具在文献里都有，但模型做的 tweak 是非平凡的，这一点不能否认。但他提了一个数学界很敏感的问题——attribution（引用归属）。数学是一个 reproduction、归功、信用相互绑死的社区，”研究”在这个社区里不只是结果，还包括你引用了谁、感谢了谁。一个模型如果在不显式 attribute 的情况下”集成”了文献里的招式，社区是会有看法的。
isotypic：怀疑的是更长远的事——如果未来 LLM 变成”包含了所有数学的教科书”，那么”从 AI 里挤出一个证明”还算贡献吗？毕竟答案已经在权重里了，真正困难的是”知道哪个问题该问”。
energy123：援引 Terence Tao 最近的观点——AI 在显式目标（explicit goals）上极强，但人类知识体系（尤其需要深入理解的领域）很难把这些工具和隐式目标（implicit goals）整合到一起。也就是说，AI 给一个证明 ≠ 数学家理解了为什么。
csheehan10（数学 PhD 在读）：兴奋和焦虑混在一起。最实际的担忧是——很快会越来越难找到”junior PhD 能做、AI 还做不了”的问题。这直接影响下一代数学家的训练路径：你的练手题正在被 AI 一道道吃掉。
整体来说数学家社区是审慎的乐观：成果是真的，但配套的问题——attribution 标准、人类理解的位置、初级研究者的成长路径——都还没有答案。