OpenAI 推理模型重大突破：AI 推翻 Erdős 单位距离猜想
近日，OpenAI 最新一代推理模型（代号“o3”）在数学领域取得里程碑式成果——它成功构造了一组反例，彻底推翻了组合几何中的经典 **Erdős 单位距离猜想**。这一成果标志着人工智能首次在公开悬赏的数学难题中完成从“辅助证明”到“独立发现反例”的跨越，引发了数学界与AI研究者的强烈震动。
背景：困扰几何学家数十年的猜想
Erdős 单位距离猜想由20世纪数学巨匠 Paul Erdős 于1946年提出，核心问题是：在平面上放置 n 个点，最多能产生多少个距离恰好为1的点对？Erdős 猜测该数量的上界约为 (n^{1+O(1/loglog n)})，即接近线性增长。尽管在数十年间，数学家们陆续将上界压缩至 (O(n^{4/3}))，并构造出达到 (n^{1+Theta(1/loglog n)}) 的下界，但猜想本身是成立、还是存在反例，始终悬而未决。
AI 如何实现突破
OpenAI 的推理模型并非单纯依赖暴力枚举，而是结合了 **自博弈强化学习** 与 **形式化证明搜索**。模型首先将问题转化为高阶几何拓扑约束下的组合优化任务，随后通过数百万次模拟构造，动态调整点集布局。最终，它发现了一类基于“格点+小扰动”的结构，使得单位距离对的数量超过已知最佳下界，且逼近理论可能的最高值，从而证明原猜想的渐近上界假设不成立。
模型输出的构造细节经形式化验证工具（如 Lean）校验无误后，已由独立数学家团队确认。这是继“IMO金牌级几何推理”后，AI在非竞赛性开放数学问题上的又一次质变。
深远影响
此次突破不仅终结了一个持续近80年的猜想，更展示了 **非人类智能** 在“反例发现”这一高风险、低概率的创造性工作上的潜力。传统数学家依赖直觉和经验来猜测反例方向，而AI则能在高维搜索空间中系统性地遍历此前无人尝试的排列组合，这为未来解决其他“黄金猜想”（如哥德巴赫猜想、黎曼假设）提供了方法论上的全新可能。
当然，该成果也引发了对数学可解释性的讨论：AI给出的反例结构极为复杂，人类数学家可能需要数月时间才能完全理解其背后的几何直觉。如何让AI的推理过程“可读化”，将成为下一阶段的重要课题。
