5月20日，OpenAI发表了一篇论文，宣布他们内部的一个通用模型，居然自行解决了一个困扰了数学家将近80年的难题——平面单位距离问题（Unit Distance Problem: 在平面上随机放置n个点，计算距离恰好为1的点的对数上限）。这个问题由保罗·埃尔德什（Paul Erdős: 20世纪最伟大的数学家之一）在1946年提出，在组合几何领域极具名气。

长期以来，数学界普遍认为将点排列成方格网并进行缩放是最优构造，即单位距离对的数量级约为n的1加小o次方（随着n增大趋向于0）。然而，OpenAI的这个模型直接推翻了这一猜想，构造出了能得到至少n的1加δ次方个单位距离对的例子（其中δ为大于0的固定常数）。后来，普林斯顿的威尔·索温（Will Sawin）将该常数改进为0.014。

跨界碰撞：代数数论的意外应用

这个证明之所以让数学界震撼，是因为它利用了一个完全意想不到的工具——代数数论（Algebraic Number Theory: 研究整数推广形式及代数数域分解的领域）。

埃尔德什早期的构造仅基于高斯整数（Gaussian Integer: a+bi形式的整数），而新的论证采用了代数数论中更复杂的推广形式。模型利用了无限类域塔（Infinite Class Field Tower）和戈洛德-沙法列维奇定理（Golod-Shafarevich Theorem）来证明数域的存在。这些工具对于代数数论专家而言广为人知，但此前无人将其与欧几里得平面几何建立联系。

最令人惊叹的是，这并非一个专门训练来证明数学定理的系统，也非针对该问题搭建的搜索框架，而是一个通用的推理模型。在测试前沿研究能力时，它在解决一系列埃尔德什提出的问题过程中，自发发现了这一极具创造性的跨领域连接。

专家评价：从助手到科研伙伴

这一成果在数学界引起了巨大反响。菲尔兹奖得主蒂莫西·高尔斯（Timothy Gowers）将此称为“AI数学里的里程碑”，并表示如果是人类学者写出此论文，他会毫不犹豫地推荐录用。顶尖数论学者阿鲁尔·尚卡尔（Arul Shankar）则认为，这证明了AI模型不仅仅是助手，它们具备了独创的巧妙想法并能将其实现。

数学家们通过配套的论文和注释，进一步挖掘了该发现的意义。托马斯·布鲁姆（Thomas Bloom）指出，这项工作揭示了数论构造对离散几何问题的启示远超以往认知，这也促使许多专家开始重新审视几何领域中其他悬而未决的开放问题。

AI赋能科研的新范式

这次突破标志着AI与数学互动进入了一个重要时刻。它展示了AI强大的推理能力：不仅能将困难的思路串联，还能将知识领域中极远的想法联接起来，找到人类专家可能未优先考虑的路径。

这种能力的应用远不止于数学。在生物、物理、材料科学、工程和医学等领域，这种能保持逻辑连贯、产出专家级工作成果的AI系统，正成为科学家追求更复杂技术问题、更自动化研究的有力伙伴。

尽管如此，人类的判断力依然不可替代。正如布鲁姆所言，未来取决于人类如何解读结果、选择重要问题并将其融入现有的知识体系。AI提供了强大的搜索、建议和验证能力，而人类则负责界定方向。我们可能正站在一个新时代的门槛上，AI不再只是执行命令，而是开始深入参与创造性的探索与发现。我们需要做的，是学会与这种能力共存，在利用AI拓展人类认知边界的同时，守护好人类自身的创造力与判断力。