本周四，OpenAI官方宣布一条让人瞠目结舌的消息：他们的一个通用推理模型，自主推翻了数学家保罗·埃尔德什（Paul Erdős）1946年提出的”单位距离猜想”。这道题困扰了数学界整整80年，现在被AI给破了。
一个折腾了数学家80年的问题
这道题的表述简单到让人怀疑是不是看错了：在平面上放n个点，最多有多少对点之间的距离恰好等于1？数学家把这个数记为u(n)。
直觉告诉我们，把点排成正方形网格大概是最优解。事实上，此前人类找到的最好构造——缩放后的正方形网格——能得到大约C·n·log n个单位距离对（C是常数）。埃尔德什本人也倾向于认为正方形网格就是最优解，还为此设立了现金奖励。
但OpenAI的模型用一记响亮的耳光证明：人类和埃尔德什，似乎都想错了。
AI是怎么做到的
传统思路是用”高斯整数”（形如a+bi的数，a、b为整数）在平面上构筑网格，利用它的代数对称性来构造单位距离。但AI敏锐地察觉到，高斯整数提供的对称性还不够”压榨”出更多的单位距离对。
它的核心原创想法是：放弃高斯整数，改用代数数论中更庞大、更复杂的”代数数域扩张”来构造——这玩意儿能搭出对称性更高级、更丰富的数域结构，从而在几何空间里创造出远超以往的单位长度差。
为了证明这种理想中的复杂数域不仅存在、而且坍缩出来的点集确实满足条件，AI甚至直接搬出了代数数论的底层重武器：无限类域塔（infinite class field towers）和Golod-Shafarevich理论。
数学家们的反应
菲尔兹奖得主蒂莫西·高尔斯（Tim Gowers）的评价很直接：这是”AI数学的一个里程碑”，如果这是人写的论文，他会毫不犹豫建议顶刊接收。
著名数论学家Arul Shankar也说，现在的AI模型已经不只是人类数学家的助手了——它们能够提出原创而巧妙的想法，并把想法完整推进到最终成果。
OpenAI科学家、AI德扑提出者Noam Brown补充了一个关键信息：实现这一突破的是一个通用大语言模型，它不是专门针对这个问题、甚至不是专门针对数学问题设计的，也不是一个协助工具。
经外部数学家改进后，AI构造的指数c可以达到0.014。这意味着对于无穷多个n值，我们可以构造出至少n·log^0.014(n)个单位距离对的n点配置——比人类此前的最优解更强。
这次突破的意义远不止解决一个具体的数学猜想。它表明通用大模型已经具备了跨领域融合知识、维持复杂逻辑链条、产出经得起专家严格审视的成果的能力。这些能力在生物学、物理学、材料科学、工程学和医学等领域同样具有实用价值。
