数学家想错了 80 年？OpenAI 用一个数字震动数学圈

题图摄于北京通惠河

一张纸上随手画一些点，然后问一个很朴素的问题：这些点里面，最多能有多少对点之间的距离刚好等于 1？

这听起来像一道中学几何题。但就是这样一个问题，困住了数学家近 80 年！最近很多文章把它写成“OpenAI 攻克 80 年数学难题”。我最初看到这个说法时，其实是有点警惕的：数学新闻最容易被写成漂亮的标题，但真正值得讲清楚的，往往是标题背后的边界。

更准确的说法是：OpenAI 一个尚未公开的内部推理模型，证伪了埃尔德什（关于单位距离问题的）猜想中的一个长期判断。

完整的单位距离问题还没有被彻底解决。真正被推翻的，是过去几十年里许多数学家相信的一种直觉：最优构造大概离不开网格，单位距离对最多只会比点的数量多那么一点点。

更反直觉的是，OpenAI 模型没有继续在平面上摆点，也没有把传统网格修补得更复杂。它把这个看起来像中学几何的问题，翻译进了非常抽象的代数数论。别人还在研究“点该怎么摆”，它却换了一套完全不同的工具。

埃尔德什单位距离问题是什么？为什么难了近 80 年？

这个问题叫“平面单位距离问题”。通俗说，就是在平面上放很多点，最多能有多少对点之间的距离刚好等于 1。当点的数量记为 n 时，数学家关心的是：这个最大数量会随着 n 怎样增长？

1946 年，保罗·埃尔德什提出了相关猜想。埃尔德什是 20 世纪最有传奇色彩的数学家之一，一生发表论文超过 1500 篇，留下了大量“一句话能听懂、几十年解不完”的问题。单位距离问题正是这一类：题面朴素，背后却连着很深的组合几何。

过去很长时间里，数学家的直觉大体集中在“网格”上。你可以想象一张方格纸，把点整齐放在格点上，很多相邻点之间的距离都可以通过缩放变成 1。后来出现的许多构造，本质上也是网格思想的变种：更复杂的排列、更精细的叠加，但大方向仍然没有完全跳出几何点阵。

埃尔德什关于单位距离问题的猜想，背后的意思是：单位距离对也许会比点的数量多一些，但不会稳定地多出一个固定指数。用数学语言说，就是大约是 n 的 1+o(1) 次方。这里的 o(1) 可以粗略理解为：随着 n 越来越大，额外增长会慢慢变弱。

OpenAI 是怎么推翻埃尔德什猜想的？为什么说它走了新路？

OpenAI 模型最让人惊讶的地方，就在于它没有继续问“怎样把网格摆得更聪明”。它把问题带到了代数数论里，用到了类域塔、Golod-Shafarevich 理论等深层工具。普通读者只要抓住一点：AI 的贡献不是机械枚举，而是把两个原本相距很远的数学领域连了起来。

极简地说，原来我们直接在平面上研究点和距离；新的思路，是先在某些代数结构里寻找对象，再把“距离等于 1”转化成数论工具能处理的条件。在我看来，这次真正让人惊讶的，不是模型算得更快，而是它敢把问题换到另一套坐标系里重新理解。

这就像所有人都在试图用更好的锤子敲开核桃，而 AI 却绕到旁边，换了一套完全不同的工具。它不是修补旧方案，而是提出了一族新的点集构造，超过了原先猜想允许的增长速度。

1.014 这个数字为什么重要？它到底推翻了什么？

OpenAI 的原始结果说明，单位距离对的数量可以达到 n 的 1+δ 次方。这里的 δ，是一个固定的正数。随后，普林斯顿大学数学家 Will Sawin 进一步把这个结果明确化，证明对于任意大的点集，单位距离对可以超过 n 的 1.014 次方。

我觉得 1.014 这个数字最容易被低估。它看起来只比 1 大一点点，但在这里，它意味着性质完全变了。旧猜想里的“多一点”，会随着规模增加逐渐变弱；而 0.014 是一个固定的弯曲幅度。过去大家以为这条路基本是一条直线，最多有一点抖动；现在发现，它其实一直在稳定向上弯。

如果想要一个直观感觉，可以只看额外的 n 的 0.014 次方。这不是和旧猜想逐项比较的精确数值，只是为了说明固定指数的长期效果：规模越大，两条曲线就会越分越开。

所以，这次结果不只是“多找到了一点点”。它真正推翻的是一种结构性判断：最好的单位距离构造，不一定来自人们熟悉的网格世界。

AI 真的打败数学家了吗？这次突破的真正意义是什么？

这次 AI 数学发现最容易被误读的地方，就是被讲成“AI 打败了数学家”。我不太喜欢这个说法，因为它有流量，但也有点偷懒。更准确的故事是：模型提出一个奇怪而有效的构造，外部数学家检查它、整理它、理解它，Sawin 又进一步把其中的指数明确到 1.014。

如果没有人类验证，这只是一段令人兴奋的模型输出；有了数学家的检查、消化和推广，它才真正进入数学知识体系。

AI 的优势，是它愿意探索那些人类可能嫌太怪、太绕、太不划算的路径。它可以先负责“找路”，把一批古怪的可能性摆到桌面上；人类再负责“修路”，判断哪些可能性真的通向知识。

这也是数学特别适合检验 AI 科研能力的原因。证明不能只靠语气自信，必须能被专家逐行检查。错就是错，对就是对。

常见问题

Q：埃尔德什猜想被完全证明了吗？

A：没有。这里推翻的是埃尔德什关于平面单位距离问题的一个长期猜想，不是他提出的所有猜想，也不是完整单位距离问题的最终答案。

Q：OpenAI 用了什么模型推翻了埃尔德什猜想？

A：官方没有公开具体模型名称，只说这是一个尚未发布的内部通用推理模型。

Q：什么是单位距离问题？

A：简单说，就是在平面上放很多点，问最多能有多少对点之间的距离刚好等于 1。

Q：1.014 是最终答案吗？

A：不是。它是目前更明确的新下界，说明原猜想不成立，但距离最终最优答案仍然有空间。

AI 找路，人类修路

OpenAI 这次推翻的不是所有数学难题，也没有宣告数学家的价值下降。它真正推翻的，是一个长期支配研究直觉的判断：看起来最自然的方向，不一定就是最优方向。

所以，我更愿意把这件事理解为一次科研流程的变化：AI 提出古怪的可能性，人类判断哪些可能性值得留下来，哪些只是漂亮的幻觉。一张纸，一堆点，一把尺子，一个看上去简单得不能再简单的问题。

人类沿着几何直觉走了近 80 年，AI 却从抽象的数论森林里挖出了一条新路。未来很多数学猜想的第一轮探索，也许都会变成类似的画面：AI 负责找路，人类负责修路。

你觉得 AI 下一个可能在哪类数学问题上带来突破？是组合数学、数论，还是更依赖形式化验证的证明题？欢迎在评论区聊聊。