OpenAI的模型刚刚破解了一道困扰数学界80年的难题，一位普林斯顿教授几天后就把答案做得更好了。
这不是人类的反击，这是一种全新的合作方式正在成形。
一道老题，两次突破
故事要从1946年说起。匈牙利数学家保罗·埃尔德什提出了一个看起来简单得有些朴素的问题：在平面上随意摆放n个点，其中恰好相距为1的点对，最多能有多少？
埃尔德什自己猜测，答案本质上是线性的，也就是大约n个这样的点对，不会有本质上更多。近八十年来，没有人能推翻这个猜想，最好的构造方法给出的结果只是在线性基础上加了一个极其缓慢的修正项，几乎可以忽略不计。
今年5月初，OpenAI的内部推理模型改变了这一切。它证明了单位距离点对的数量可以达到 n1+δn1+δ，其中 δδ 是某个固定的正数，这意味着答案在本质上高于线性，埃尔德什的猜想被推翻了。
菲尔兹奖得主蒂姆·高尔斯称这一证明是"人工智能数学领域的一个里程碑"。然而AI给出的那个 δδ 具体有多大，最初并不明确，随后一个人类数学家团队算出的近似值约为 6×10−386×10−38，是一个小得几乎难以想象的正数。
5月20日，普林斯顿大学教授威尔·萨温在预印本平台arXiv上发布了他的论文，给出了一个干净利落的答案：指数至少为1.014。
这个数字比此前人类团队算出的值大了大约 10351035 倍。
同一个食谱，更好的食材
萨温没有另起炉灶。他沿用了OpenAI模型证明的核心框架，即借用代数数域这一数学工具来构造点的排列，使单位距离点对的数量远超线性。
但他做的每一步都更加精简。OpenAI的证明在一些不必要的限制性假设下运作，处理的是庞大而特殊的质数，导致最终指数极小且隐式。萨温换用了2、3、5这样的小质数，放宽了几个过于保守的条件，每次替换都找到了更节省资源的路径。
理解这个改进不需要代数几何的背景。想象一道被证明有效的菜谱，但原版要求昂贵且难找的食材，分量也写得含糊。萨温用超市里随手可得的普通食材重写了这道菜谱，精确标注了每种食材的用量，端出来的菜味道显著更好。
值得注意的是，萨温的论文篇幅与OpenAI的原始报告大致相当。改进来自对问题更清晰的思考，而不是更多的计算量。
萨温的论文也诚实地说明了这套方法的天花板。他用另一种论证方式证明，即便在理论最优情况下，这一路径能给出的指数上限约为1.243。而单位距离问题真正的上限，是Spencer、Szemerédi和Trotter在更早的工作中确立的 n4/3n4/3，即指数1.333。
目前最好的下界是1.014，最好的上界是1.333，中间仍有相当大的空间。但在此之前的八十年里，没有人证明指数可以超过1，这个空间本身就是巨大的进展。
AI扫清路障，人类加速冲刺
萨温的成果揭示了一件在AI数学叙事中常被忽略的事。
AI模型的突破不只是直接推进了数学本身，它们还为人类数学家定义了新的、可以直接着手的问题。OpenAI的模型一旦证明多项式级别的改进是可能的，并描绘出实现这一目标的大致路径，接下来的问题就变得清晰了：这个指数到底能做到多大？这是一个有明确方向的问题，一个技艺精湛的人类可以直接开工。
萨温开工了，几天后交出了答案。
这种模式在近期数学领域的AI突破中反复出现。陶哲轩评价GPT-5.2在埃尔德什问题上的工作，是AI解决未解难题"或许是最明确的例证"。编程传奇唐纳德·克努特曾公开表示，Claude解决了他苦苦钻研数周的一道难题，令他感到震惊。
但萨温案例说明的那一面同样重要：AI识别出了令人意外的关联，划开了概念上的瓶颈，而人类在掌握了正确的结构之后，能够比AI做得更精确、更深入。
这不是人机对抗的故事，而是分工协作的故事。AI擅长在广阔的数学版图上发现出人意料的路径，人类擅长沿着这条路径走得更远、走得更稳。
埃尔德什如果还在世，大概会喜欢这个结果。他一生痴迷于数学合作，曾与超过500位数学家联合署名发表论文，坚信数学是一项集体事业。如今这项集体事业，悄悄多了一类新的合作者。OpenAI的模型刚刚破解了一道困扰数学界80年的难题，一位普林斯顿教授几天后就把答案做得更好了。
这不是人类的反击，这是一种全新的合作方式正在成形。
一道老题，两次突破
故事要从1946年说起。匈牙利数学家保罗·埃尔德什提出了一个看起来简单得有些朴素的问题：在平面上随意摆放n个点，其中恰好相距为1的点对，最多能有多少？
埃尔德什自己猜测，答案本质上是线性的，也就是大约n个这样的点对，不会有本质上更多。近八十年来，没有人能推翻这个猜想，最好的构造方法给出的结果只是在线性基础上加了一个极其缓慢的修正项，几乎可以忽略不计。
今年5月初，OpenAI的内部推理模型改变了这一切。它证明了单位距离点对的数量可以达到 n1+δn1+δ，其中 δδ 是某个固定的正数，这意味着答案在本质上高于线性，埃尔德什的猜想被推翻了。
菲尔兹奖得主蒂姆·高尔斯称这一证明是"人工智能数学领域的一个里程碑"。然而AI给出的那个 δδ 具体有多大，最初并不明确，随后一个人类数学家团队算出的近似值约为 6×10−386×10−38，是一个小得几乎难以想象的正数。
5月20日，普林斯顿大学教授威尔·萨温在预印本平台arXiv上发布了他的论文，给出了一个干净利落的答案：指数至少为1.014。
这个数字比此前人类团队算出的值大了大约 10351035 倍。
同一个食谱，更好的食材
萨温没有另起炉灶。他沿用了OpenAI模型证明的核心框架，即借用代数数域这一数学工具来构造点的排列，使单位距离点对的数量远超线性。
但他做的每一步都更加精简。OpenAI的证明在一些不必要的限制性假设下运作，处理的是庞大而特殊的质数，导致最终指数极小且隐式。萨温换用了2、3、5这样的小质数，放宽了几个过于保守的条件，每次替换都找到了更节省资源的路径。
理解这个改进不需要代数几何的背景。想象一道被证明有效的菜谱，但原版要求昂贵且难找的食材，分量也写得含糊。萨温用超市里随手可得的普通食材重写了这道菜谱，精确标注了每种食材的用量，端出来的菜味道显著更好。
值得注意的是，萨温的论文篇幅与OpenAI的原始报告大致相当。改进来自对问题更清晰的思考，而不是更多的计算量。
萨温的论文也诚实地说明了这套方法的天花板。他用另一种论证方式证明，即便在理论最优情况下，这一路径能给出的指数上限约为1.243。而单位距离问题真正的上限，是Spencer、Szemerédi和Trotter在更早的工作中确立的 n4/3n4/3，即指数1.333。
目前最好的下界是1.014，最好的上界是1.333，中间仍有相当大的空间。但在此之前的八十年里，没有人证明指数可以超过1，这个空间本身就是巨大的进展。
AI扫清路障，人类加速冲刺
萨温的成果揭示了一件在AI数学叙事中常被忽略的事。
AI模型的突破不只是直接推进了数学本身，它们还为人类数学家定义了新的、可以直接着手的问题。OpenAI的模型一旦证明多项式级别的改进是可能的，并描绘出实现这一目标的大致路径，接下来的问题就变得清晰了：这个指数到底能做到多大？这是一个有明确方向的问题，一个技艺精湛的人类可以直接开工。
萨温开工了，几天后交出了答案。
这种模式在近期数学领域的AI突破中反复出现。陶哲轩评价GPT-5.2在埃尔德什问题上的工作，是AI解决未解难题"或许是最明确的例证"。编程传奇唐纳德·克努特曾公开表示，Claude解决了他苦苦钻研数周的一道难题，令他感到震惊。
但萨温案例说明的那一面同样重要：AI识别出了令人意外的关联，划开了概念上的瓶颈，而人类在掌握了正确的结构之后，能够比AI做得更精确、更深入。
这不是人机对抗的故事，而是分工协作的故事。AI擅长在广阔的数学版图上发现出人意料的路径，人类擅长沿着这条路径走得更远、走得更稳。
埃尔德什如果还在世，大概会喜欢这个结果。他一生痴迷于数学合作，曾与超过500位数学家联合署名发表论文，坚信数学是一项集体事业。如今这项集体事业，悄悄多了一类新的合作者。
一鼎盈提示：文章来自网络，不代表本站观点。
