一、震撼数学界的宣布

2026 年 5 月 20 日，OpenAI 宣布其内部通用推理模型自主解决了一个离散几何领域的核心开放问题——Erdős 单位距离问题，推翻了一个统治该领域近 80 年的猜想。

这标志着 AI 系统首次在以下方面全部做到：

• 🤖 自主提出原创证明
• 🔗 连接了不同领域（代数数论 ↔ 组合几何）
• ✅ 通过了世界级数学家的严格同行评审
• 🏆 解决了一个成熟数学子领域的核心开放问题

“近 80 年来，数学家们一直相信最优解大致类似于正方形网格。OpenAI 的一个模型现在推翻了这个信念，发现了一个全新的、表现更优的构造家族。” — OpenAI，2026 年 5 月 20 日

二、问题：Erdős 看似简单的问题

1946 年，匈牙利数学家 Paul Erdős（1913–1996）提出了一个简单到可以解释给孩子、却深奥到让最聪明的头脑困惑近一个世纪的问题：

问题

给定平面上 $n$ 个点，最多有多少对点恰好相距 1 个单位？

正式地，如果定义 $u(n)$ 为 $n$ 个点中单位距离对的最大数量：

$u(n) = \max_{\substack{P \subset \mathbb{R}^2 \\ |P| = n}} \big|\{\{p, q\} \subset P : \|p - q\| = 1\}\big|$

视觉直观

想象在纸上放置点。挑战在于：如何排列这些点，使得尽可能多的点对恰好相距一个单位？

    •─────•                    •──•──•
    │\   /│                    │\/|\/|
    │ \ / │                    │/\|/\|
    •──X──•         vs.        •──•──•
    │ / \ │                    │\/|\/|
    │/   \│                    │/\|/\|
    •─────•                    •──•──•

  随机放置                  正方形网格（Erdős 构造）
  （少量单位距离）          （大量单位距离）

三、80 年的数学共识

下界：Erdős 的网格构造（1946）

Erdős 本人使用一个优雅简洁的构造提供了基础下界：一个重新缩放的正方形网格。

    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•
    │  │  │  │  │  │
    •──•──•──•──•──•

通过仔细缩放网格使许多距离恰好等于 1，Erdős 证明了：

$u(n) \geq n^{1 + \frac{c}{\log\log n}} \quad \text{对某个常数 } c > 0$

由于 $\frac{c}{\log\log n} \to 0$ 当 $n \to \infty$，这是**“几乎线性的”**——指数趋近于 1，但从未真正达到大于 1 的固定值。

上界：Spencer–Szemerédi–Trotter（1984）

1984 年，Joel Spencer、Endre Szemerédi 和 William T. Trotter 使用当时革命性的交叉数不等式建立了最知名的上界：

$u(n) = O(n^{4/3})$

这个界在 40 年间屹立不倒。

核心猜想

数学家们的压倒性共识是 Erdős 的下界基本是最优的：

猜想（Erdős，1946）： 单位距离的最大数量以 $n^{1+o(1)}$ 增长。换句话说： $u(n) = n^{1 + o(1)}$ 正方形网格构造基本是最优的。

差距概况

四、AI 突破：推翻猜想

结果

OpenAI 的通用推理模型——通过强化学习训练并具备扩展思维链能力——在一次生成会话中完成了完整证明。

定理（AI 生成，2026）： 存在一个无限的平面点集构造族，使得对无限多个 $n$ 值，单位距离对的数量至少为： $u(n) \geq n^{1 + \delta}$ 其中 $\delta > 0$ 是一个固定的正常数。

这从根本上否定了 Erdős 的 $n^{1+o(1)}$ 猜想——单位距离的数量可以多项式地超过线性增长，而不仅仅是”几乎线性地”。

关键数字

五、证明：跨领域的独创性

令数学家们震惊的不仅是结果本身，更是方法。模型将代数数论中的工具引入了一个初等几何问题——之前没有人类数学家探索过这一关联。

两个视角转变

数论学家 Arul Shankar 在配套论文《关于单位距离猜想被推翻的注记》（arXiv:2605.20695）中解释道：

转变 1：固定素数，变化域

传统上，数论学家固定一个数域并变化素数。AI 证明反转了这一视角：

传统： 固定域 $K$，变化素数 $p$

AI 证明： 固定素数集 $S$，变化域 $K$——在固定素数集上变化数域

这种技术在算术统计中常见，但在固定维度的组合几何中几乎前所未有。

转变 2：类域塔

证明没有使用有界次数的数域，而是采用了类域塔——来自类域论的无限域扩张塔：

$K = K_0 \subset K_1 \subset K_2 \subset \cdots \subset K_n \subset \cdots$

其中每个 $K_{i+1}$ 是 $K_i$ 的 Hilbert 类域。

类域塔构造

graph TD
    subgraph "类域塔构造"
        K0["$K_0 = K$<br/>基域"] --> K1["$K_1 = H(K_0)$<br/>Hilbert 类域"]
        K1 --> K2["$K_2 = H(K_1)$<br/>Hilbert 类域"]
        K2 --> K3["$K_3 = H(K_2)$<br/>Hilbert 类域"]
        K3 --> K4["$\cdots$"]
        K4 --> Ki["$K_i$"]
        Ki --> Kinf["$K_\infty$<br/>无限塔"]
    end

    subgraph "连接几何"
        K0 -.->|"整数环"| O0["$\mathcal{O}_K$"]
        O0 -->|"嵌入"| C["$\mathbb{C}^r$"]
        C -->|"点集产生"| U["平面中的<br/>单位距离"]
    end

    style K0 fill:#e1f5fe
    style K1 fill:#b3e5fc
    style K2 fill:#81d4fa
    style K3 fill:#4fc3f7
    style Ki fill:#29b6f6
    style Kinf fill:#0288d1,color:#fff

Golod-Shafarevich 联系

证明利用了 Golod-Shafarevich 理论，该理论提供了类域塔无限延伸的条件：

Golod-Shafarevich 定理： 如果一个数域 $K$ 相对于其次数有足够多的分歧素数，则其类域塔是无限的。

这种无限扩张创造了足够的代数结构来产生具有所需 $n^{1+\delta}$ 单位距离的点集。

六、独立验证与学术认可

吸取了 2025 年 10 月的争议教训（当时 GPT-5 声称解决了 Erdős 问题，被数学家 Thomas Bloom 揭穿为简单的文献检索），OpenAI 进行了严格的独立验证：

验证数学家

配套论文

配套论文《关于单位距离猜想被推翻的注记》由全明星团队撰写：

• Noga Alon（普林斯顿）
• Thomas Bloom（牛津）
• Tim Gowers（剑桥）
• Daniel Litt（多伦多）
• Will Sawin（普林斯顿）
• Arul Shankar（多伦多）
• Jacob Tsimerman（多伦多）
• Melanie Matchett Wood（哈佛）

📄 arXiv: 2605.20695

七、时间线：从猜想到推翻

timeline
    title Erdős 单位距离问题——80 年旅程

    1946 : Paul Erdős 提出问题
         : 提出 $n^{1+o(1)}$ 猜想
         : 引入正方形网格下界

    1952 : Moser 改进上界
         : $u(n) \leq O(n^{3/2})$

    1984 : Spencer–Szemerédi–Trotter
         : 交叉数方法
         : $u(n) = O(n^{4/3})$（仍是最佳上界）

    1990s : Elekes 引入多项式方法
          : Székely 交叉数证明

    2010 : Guth–Katz 不同距离
         : 多项式分割革命

    2015 : Guth–Katz 证明不同距离界
         : 新技术为该领域注入活力

    Oct 2025 : GPT-5 争议
             : 声称解决 10 个 Erdős 问题
             : 被 Thomas Bloom 揭穿
             : （OpenAI 的学习时刻）

    May 2026 : 🤖 AI 突破
             : OpenAI 推理模型推翻猜想
             : 类域塔遇上组合几何
             : $\delta = 0.014$（Sawin 改进）
             : Erdős 问题网站状态更新为已推翻

八、关键代码示例

计算单位距离的参考实现

import numpy as np
from itertools import combinations
from typing import List, Tuple

def count_unit_distances(points: List[Tuple[float, float]],
                         eps: float = 1e-9) -> int:
    """
    计算点集中单位距离对的数量。

    这是 Erdős 提出的基本计算问题。

    Args:
        points: (x, y) 坐标列表
        eps: 浮点比较容差

    Returns:
        距离恰好为 1 的点对数量（容差范围内）

    时间复杂度：O(n²)——检查所有点对
    空间复杂度：O(1) 额外
    """
    count = 0
    n = len(points)

    for i, j in combinations(range(n), 2):
        x1, y1 = points[i]
        x2, y2 = points[j]

        dist_sq = (x2 - x1)**2 + (y2 - y1)**2

        if abs(dist_sq - 1.0) < eps:
            count += 1

    return count


def erdos_grid_construction(n: int) -> List[Tuple[float, float]]:
    """
    Erdős 原始的重新缩放正方形网格构造。

    该构造实现了约 n^(1 + c/log(log(n))) 个单位距离。
    """
    m = int(np.sqrt(n))
    scale = 1.0

    points = []
    for i in range(m):
        for j in range(m):
            points.append((i * scale, j * scale))

    return points[:n]


# 示例：比较构造
if __name__ == "__main__":
    n = 100

    random_points = [(np.random.random(), np.random.random())
                     for _ in range(n)]
    random_count = count_unit_distances(random_points)

    grid_points = erdos_grid_construction(n)
    grid_count = count_unit_distances(grid_points)

    print(f"n = {n} 个点")
    print(f"随机放置: {random_count} 个单位距离")
    print(f"网格构造: {grid_count} 个单位距离")
    print(f"理论最大值（猜想）: ~{n:.0f}")
    print(f"AI 下界 (n^1.014): {n**1.014:.1f}")

九、为什么这次不同

之前的 AI 数学成就属于不同类别。这次突破代表了范式的转变：

AI 在数学中的角色
├── 竞赛数学（IMO 金牌级问题——结构化、有限的创新）
├── 形式化验证（Lean/Coq——验证现有定理，无原创发现）
├── 文献综合（GPT-5 2025 年 10 月——检索已知结果，被揭穿）
└── 🏆 本次突破
    ├── 原创证明生成
    ├── 跨领域连接
    ├── 无需人类逐步指导
    ├── 通过专家评审
    └── 解决核心开放问题

十、更深层的意义

超越数学

这次突破标志着远不止几何学领域的能力：

• 🧬 生物学——发现新药物和蛋白质结构
• ⚛️ 物理学——提出新理论和模型
• 🧪 材料科学——设计新材料
• 🔬 医学——发现新疗法
• 🏗️ 工程学——解决复杂设计问题

OpenAI 的评价

“在复杂推理链中保持连贯性、跨领域连接思想、以及找到研究者可能未曾探索的路径——这些能力同样适用于生物学、物理学、材料科学、工程学和医学。这是迈向更自动化研究的一步。“

人类角色仍然不可或缺

正如 Thomas Bloom——正是那位揭穿了 OpenAI 2025 年 10 月声称的数学家——所说：

“还有什么看不见的奇迹在等待被发现？“

参考来源

1. 📝 OpenAI 官方博客（2026 年 5 月 20 日）：An OpenAI model has disproved a central conjecture in discrete geometry
2. 📄 配套论文：Noga Alon, Thomas Bloom, Tim Gowers, Daniel Litt, Will Sawin, Arul Shankar, Jacob Tsimerman, Melanie Matchett Wood, “Remarks on the disproof of the unit distance conjecture”, arXiv:2605.20695. 链接
3. 🌐 Erdős 问题网站：erdosproblems.com——状态已更新为 已推翻
4. Interesting Engineering: “80-year-old geometry mystery cracked by OpenAI using deep number theory”
5. Yahoo Tech: “OpenAI claims it solved an 80-year-old math problem”
6. AI Wins News: “OpenAI Model Disproves 80-Year-Old Unit Distance Conjecture”