OpenAI破解80年数学难题AI首次证明核心猜想
我们正见证科学探索史上的一个关键转折点。本周四，OpenAI发布的一项重磅成果，让全球数学界与科学界为之震动：一个通用人工智能大模型，独立攻克了一个困扰顶尖数学家近八十年的经典几何猜想。
这个猜想正是赫赫有名的「埃尔德什单位距离问题」。其核心可以概括为：在平面上任意放置n个点，其中距离恰好等于1的点对，最多可能有多少对？
自1946年由数学巨匠保罗・埃尔德什提出以来，该问题以其形式简洁与证明艰深，吸引了无数天才的挑战。过去近八十年间，数学界的普遍认知是，最优的点集排列方式近似于正方形网格——这非常符合人类的几何直觉。然而，OpenAI的模型此次提出了一族全新的构造方案，其性能超越了所有已知的人类设计。这是人工智能首次独立解决了一个数学领域的核心著名未解猜想。
菲尔兹奖得主蒂莫西・高尔斯盛赞这一成果为“AI数学研究的里程碑”，并表示若这是一篇人类论文，他会毫不犹豫推荐顶级期刊发表。著名数论学家阿鲁尔・尚卡尔则指出，这证明当前AI已不仅限于辅助工具的角色，它能够提出原创且精妙的思路，并完整推进至最终证明。
更值得深思的是，实现这一突破的并非专门为数学设计的模型。据OpenAI科学家诺姆・布朗透露，这是一个通用的大语言模型，甚至未针对数学问题进行特别优化。它已能作为一个能够进行深度独立推理的智能体而存在。这不禁引发遐想：若未来数月，具备类似能力的模型能够集成到日常设备中，世界将如何改变？那个关于人人皆可拥有“天才级研究伙伴”的愿景，或许正在加速照进现实。
困扰数学界80年的「埃尔德什单位距离问题」
要深刻理解此次突破的意义，我们必须回归问题本身。
1946年，埃尔德什提出的问题表述极为简单：在平面上放置n个点，设f(n)为其中距离恰好等于1的点对的最大可能数目，求f(n)的表达式或渐进增长阶。
- 若将点排列在一条直线上，可获得n-1对。
- 若排列成规整的正方形网格，可获得大约n^(1+o(1))对（其中o(1)表示随n增大而趋于0的项）。
- 此前人类已知的最佳构造，是利用高斯整数的性质对正方形网格进行缩放，能将数量提升到n * exp(C * sqrt(log n))的量级。
由于指数中的sqrt(log n)增长极其缓慢，这些传统方法实现的增长速度，仅仅比线性增长快上极其微小的一点。
数十年来，数学界长期笼罩在埃尔德什本人的直觉猜想之下：他认为正方形网格结构就是最优解，并推测f(n)的上限不会超过n^(1+o(1))。他甚至为此设立了个人奖金。
然而，自1984年数学家们证明了一个n^(4/3)量级的上限后，该问题的上下界区间便几乎停滞了四十年。尽管后续众多几何学家不断尝试改进，但“正方形网格不可超越”几乎成为了一种行业共识。
如今，AI的证明给出了明确的否定。它表明，对于无穷多个n值，可以构造出至少拥有n * exp(c * (log n)^(1/4))个单位距离对的点集，其中c是一个固定的正常数。根据普林斯顿大学威尔・萨温教授的后续改进，这个常数可以取到0.014。这明确打破了“仅比线性增长快一点”的传统认知，实现了显著的超越。
源自「代数数论」的创新技术
那么，AI究竟是如何做到的呢？从高层次视角看，它从一个熟悉的几何思想出发，却将其引向了一个完全意想不到的领域。
传统的人类思路，是借助高斯整数（即形如a+bi的数，其中a、b为整数）在复平面上构建网格。高斯整数具有良好的代数性质，能映射出一定的几何对称性。
但AI的推理模型敏锐地洞察到，高斯整数所提供的对称性还不足以“挖掘”出极限数量的单位距离对。于是，它“转向”了数学中一个看似遥远的领域——代数数论。这个领域研究代数数域中整数环的扩张、理想分解等高度抽象的概念。
AI的核心原创贡献在于，它运用代数数论中更为庞大和复杂的“代数数域扩张”，彻底替代了高斯整数的基础框架。它构建了一类具有更高级、更丰富对称性的数域结构，从而在几何空间中创造出了远超以往的单位长度点对。
为了证明这种理想的复杂数域不仅存在，且由其构造出的点集确实满足几何条件，AI甚至直接调用了代数数论的底层“重型工具”：无限类域塔和戈洛德-沙法列维奇理论。这些概念对数论专家而言虽不陌生，但令人惊叹的是，它们竟能对欧几里得平面上的一个具体组合几何问题产生决定性的推动作用。正是这一跨越领域的深刻联结，让困扰学界八十年的难题迎刃而解。
这对数学意味着什么
这一成果无疑是人工智能参与数学研究历程中的一个标志性事件：一个AI系统独立解决了一个活跃研究领域中核心的、长期悬而未决的著名难题。
它也让我们得以初步窥见一种新型的人机协作范式。正如曼彻斯特大学研究员托马斯・布鲁姆所评价的，在评估这个AI证明时，关键问题在于：它是否增进了我们对该领域的理解？
他认为答案是“谨慎而肯定的”。这一成果表明，在解答此类组合几何极值问题时，数论构造所能提供的潜力远比预想的要深厚；同时，所需的数论知识深度也远超常规。他预测，在接下来的几个月里，许多代数数论学家将会把目光投向离散几何中其他悬而未决的难题。
该解法所揭示的代数数论与离散几何之间意想不到的深刻关联，正是其最引人瞩目的价值所在。它不仅仅解决了一个具体猜想，更可能搭建起一座桥梁，引领数学家去探索更多相关的延伸问题。布鲁姆进一步展望，知识的前沿崎岖不平，在未来的数月乃至数年间，我们很可能在数学的其他分支见证类似的成功案例——AI通过揭示意想不到的学科关联，并将现有技术工具推向极致，从而攻克那些积年陈题。AI正在帮助我们更系统、更深入地探索那座历经数个世纪建造的“数学大教堂”，在其幽深之处，还有多少奇观静待发掘？
打开科学想象的未来
“埃尔德什单位距离问题”看似一个纯粹的智力挑战，实则与数论、代数几何等多个数学核心分支紧密相连。AI在这里做到了许多杰出人类研究者曾尝试却未能成功的事情。
而OpenAI此次突破的核心意义，远不止于这一项具体成果。它所展现出的深度数学推理与概念联结能力，意味着AI可以成为一个强大的科研协作者：它能维系复杂的逻辑链条，将相距甚远的知识领域的概念创造性结合，发掘专家可能忽略的研究路径，并协助攻克那些因过于复杂或耗时而被长期搁置的难题。
这种能力的应用前景绝不仅限于纯数学。如果一个模型能够确保复杂论证的逻辑严密性，融会贯通不同学科的思想精髓，并产出经得起严格同行评审的高质量成果——那么，在生物学、物理学、材料科学、工程学及药物研发等领域，它同样蕴含着巨大的变革潜力。这构成了我们迈向“科研智能化”这一长远目标的关键一步。
未来的科研范式或许将演进为：人类研究者负责提出关键问题、把握宏观方向与进行价值判断，而AI则承担海量文献检索、提供跨学科思路启发、验证复杂推导与执行大规模计算的重任。这种人机协同不仅会加速AI本身的发展，更将推动整个科学探索的进程进入一个前所未有的“加速纪元”。
相关攻略
OpenAI的text-embedding-3-large模型可生成3072维文本向量，适用于高精度语义搜索和RAG系统。通过API调用时需正确设置请求头与请求体，批量处理时应将文本数组传入input参数以提高效率。使用LangChain集成可方便初始化并支持降维适配。实际应用中需注意文本长度限制、向量与原文的绑定存储以及数据库的维度适配。
最近，AI领域的收入数据成了热门话题。根据媒体报道，受Codex、商业销售与广告等多重业务驱动，OpenAI在今年第一季度创造了57亿美元的收入，这个数字比其主要竞争对手Anthropic高出约10亿美元。尤其值得注意的是，仅在今年2月，OpenAI就产生了高达250亿美元的年化收入，势头相当迅猛。
OpenAI通用人工智能模型独立攻克了困扰数学界近80年的“埃尔德什单位距离问题”。它突破传统思路，运用代数数论构造出超越人类最佳方案的点集，首次自主解决核心数学猜想。专家评价此为AI数学里程碑，显示AI已具备原创思路与深度推理能力。成果不仅破解具体难题，更揭示跨学科关联，展现了AI作为。
OpenAI一款未发布的通用推理模型独立推翻了数学家埃尔德什1946年提出的“平面单位距离猜想”。该模型未针对该猜想专门训练，却利用代数数论工具构造出反例，获得多项式量级改进。此前OpenAI曾因虚假突破受质疑，此次则发布论文及多位顶级数学家的同行评论，包括曾尖锐批评的学者也转为背书。这被。
OpenAI的通用模型自主攻克了困扰数学界近80年的埃尔德什单位距离问题。该模型从代数数论角度构造出新方案，证明单位距离对数的增长是超线性的，打破了原有线性共识。菲尔兹奖得主高尔斯评价此为AI首次自主解决著名未解数学难题。模型并非数学特化AI，而是依靠自身逻辑推演实现突破。
热门专题
热门推荐
《极乐迪斯科》以浓烈的后工业时代氛围为背景，玩家扮演失忆警探哈里尔·杜博阿，在瑞瓦肖城调查谋杀案并寻找记忆。关键角色包括理性搭档金·曷城、作为目击者的顽童兄妹，以及后期可接触的“提图斯7人组”义警。与众多NPC深入互动能获取线索、推进剧情，逐步拼凑案件全貌，深入理解游戏世界。
《崩坏：星穹铁道》于2026年5月24日发布最新兑换码CSPDVPCU9RVL。玩家需登录游戏，通过左上角手机菜单进入功能界面，选择兑换码选项并输入代码即可领取奖励。奖励将通过游戏邮件发放，该码具有时效性且限用一次，建议尽快兑换。
探险者笔记主要通过探索地图、击败特定生物、完成任务活动以及交易兑换获取。探索时需留意各处环境细节；击败精英生物后可能从其掉落物中获得；完成任务或参与活动可直接作为奖励；此外还可通过玩家交易或系统兑换取得。收集过程融合了游戏核心体验，能逐步揭示世界背景故事。
捕捉市场拐点：深度解析BTC顶底分型识别与应用策略 在瞬息万变的加密货币市场中，精准识别趋势的潜在转折点是交易者梦寐以求的能力。面对BTC等资产的剧烈波动，是否存在一种直观且经典的技术工具，能够帮助我们有效判断阶段性顶部与底部？答案是肯定的。顶底分型，作为技术分析领域的基石形态之一，正是为揭示市场可
南向资金流向呈现显著分化。经纬天地暴跌后获12 41亿港元逆势买入；中芯国际连续5日获净买入，累计超42 7亿港元，中国海洋石油亦获持续加仓。资金抛售盈富基金、阿里巴巴及腾讯控股等。持续流入半导体与能源股，反映对产业趋势及基本面的长期看好；减持部分科技巨头则体现阶段性获利了结。