AI解决埃尔德什问题的意义是什么？

昨晚刷到OpenAI的这条消息，我愣了好几秒--这不是又一个“AI写论文”或“AI辅助证明”的新闻，而是一个通用推理模型，自己找到了一个重要开放问题的反例，并且把证明做完了。 这个问题，就是保罗·埃尔德什在1946年提出的平面单位距离问题。

这可能是目前为止，AI在纯数学前沿最硬核的一次亮相。

🔍 到底是什么问题？

简单说：在平面上放n个点，你最多能让多少对点之间的距离精确等于1？

数学家长期相信，最好的构造大概就是方格那样的规则排列，得到的单位距离对数量是 $ n^{1 + o(1)} $，也就是“接近线性增长”。 Erdős本人悬赏过这个问题，这个猜想站了快80年。

但OpenAI的模型直接甩出一个无限族的新构造：在无穷多个n上，单位距离对数量能达到至少 $ n^{1 + delta} $，其中 $delta$ 是一个固定的正数。 后来数学家Will Sawin把 $delta$ 改进到约0.014--这是多项式级别的实质提升，彻底打破了“接近线性”的旧信念。

💡 最让人惊讶的不是结果，而是方法

这个模型不是专门训练来做数学的，而是一个通用推理模型。 它在内部测试各种Erdős问题时，自己走通了这条路。

更绝的是它的思路：它跳出了初等几何的框架，搬来了代数数论的武器。

• 从Erdős曾用过的Gaussian整数出发，但换成了更复杂的代数数域；
• 利用这些数域更丰富的对称性，自然生成更多长度为1的点对；
• 用无限类域塔和Golod-Shafarevich理论来证明这种数域的存在。

这种把代数数论与离散几何硬核结合的思路，连很多专业数学家都感叹：“原来还能这么玩！”

这不是“AI把已知方法跑一遍”，而是产生了真正原创的洞见。

🧠 数学家们怎么说？

OpenAI把证明发给外部专家严格验证，包括：

• Fields奖得主 Tim Gowers
• 组合数学大牛 Noga Alon
• Arul Shankar、Jacob Tsimerman 等

他们的评价高度一致：

“证明质量达到顶级期刊水准，如果是人类提交的，会毫不犹豫推荐发表。” --Gowers：这是AI数学的一个里程碑 --Alon：构造非常漂亮 --Shankar：AI已经能独立产生天才级想法并执行到底

他们还专门写了一篇伴随论文，帮助理清背景、动机和后续方向。

🌍 这件事到底意味着什么？

对数学本身：

• 揭示了数论构造在离散几何中的巨大潜力；
• 打破了长期以来的直觉限制；
• 门被踢开了一条缝，后续可能有更多跨界突破。

对AI与科研的意义：

• 这次AI不是“超级计算器”或“文献总结机”；
• 它展现了长链条、跨领域的自主推理能力；
• 能自主探索、构造、证明，甚至展现出数学直觉（比如优先尝试找反例，而非硬攻上界）。

但OpenAI也反复强调：人类依然是核心。 选问题、判断价值、决定下一步方向--这些仍依赖人类的洞察与判断。 AI目前更像一个极度强大的研究伙伴，能把人从繁琐中解放，去探索更远的边界。

❓那么问题来了：

当AI开始独立提出并证明数学猜想， 我们该如何重新定义“发现”与“创造”？ 未来的数学家，会是AI的合作者，还是被超越的对象？

这或许不是终点，而是一个新时代的起点。