🗾ITmedia AI+ (日本)•較早收集於 10h
OpenAI 模型解決了 80 年未解的數學難題
💡見證 AI 從文本生成跨越到解決複雜、長年未解的數學難題。
⚡ 30-Second TL;DR
有什麼變化
AI 成功反證了一個困擾數學界 80 年的離散幾何猜想。
為什麼重要
這顯示大型語言模型正從單純的模式匹配轉向真正的邏輯推理與形式化證明生成。這預示著未來 AI 將成為專業數學家進行研究的標準協作工具。
下一步行動
探索使用 Lean 或 Coq 等形式化驗證工具，將 AI 輔助證明生成整合到您的研究工作流程中。
誰應關注：Researchers & Academics
關鍵要點
- •AI 成功反證了一個困擾數學界 80 年的離散幾何猜想。
- •該證明已由外部數學家驗證為正確。
- •OpenAI 將此視為數學與 AI 領域的重要轉折點。
🧠 深度解析
Web-grounded analysis with 22 cited sources.
🔑 增強重點摘要
- •OpenAI 的 AI 模型成功反證了由匈牙利數學家保羅·埃爾德什（Paul Erdős）於 1946 年提出的「平面單位距離問題」（planar unit distance problem），該問題困擾數學界近 80 年，旨在探討平面上點對之間單位距離的最大數量。
- •該 AI 模型推翻了長期以來認為方格狀排列是最優解的觀點，發現了一種全新的、無限多的點排列結構，其單位距離對的數量比傳統方格排列多出多項式級別的增長。
- •此證明並非透過蠻力計算，而是透過將幾何問題與代數數論（特別是代數數域、類域塔和 Golod-Shafarevich 理論等概念）聯繫起來，實現了人類數學家此前未曾探索過的跨領域飛躍。
- •該證明已由包括菲爾茲獎得主蒂姆·高爾斯（Tim Gowers）在內的多位外部數學家獨立驗證為正確，並使用形式化驗證工具 Lean 進行了機械檢查，這為其可信度提供了堅實基礎。
- •此次成功有助於 OpenAI 重建其在數學領域的聲譽，此前在 2025 年 10 月，OpenAI 曾錯誤聲稱 GPT-5 解決了 10 個埃爾德什問題，但後來被揭示為僅是找到了現有文獻中的解決方案。
📊 競品分析▸ Show
| 特徵/基準 | OpenAI (平面單位距離問題) | Google DeepMind (相關數學成就) | OpenAI (其他數學成就) |
|---|---|---|---|
| 解決問題類型 | 反證80年離散幾何猜想 (平面單位距離問題) | 奧林匹亞級幾何問題 (AlphaGeometry)；算術幾何自主研究 (Gemini Deep Think) | Ramsey數新證明 (GPT-5.5)；國際數學奧林匹亞金牌 (實驗模型) |
| 自主性水平 | 完全自主發現並證明 | AlphaGeometry有顯著人類輔助；Gemini Deep Think實現自主研究論文 | GPT-5.5發現新證明；IMO金牌模型自主推理 |
| 跨領域推理 | 將幾何問題與代數數論連結 | 未明確提及跨領域連結，但AlphaFold2在生物學領域有跨領域應用 | 未明確提及跨領域連結 |
| 形式化驗證 | 經Lean及外部數學家驗證 | Gemini Deep Think的證明經人類專家評分 | GPT-5.5證明經Lean形式化驗證 |
| 國際數學奧林匹亞 (IMO) 表現 | N/A (此問題非IMO類型) | 2024年銀牌 (AlphaProof)；2025年金牌 (Gemini Deep Think) | 2025年金牌 (實驗模型)；O1系列在資格考中83%成功率 |
🛠️ 技術深入
- 該模型被描述為一個「內部通用推理模型」，而非專門為數學或定理證明設計的系統。
- 它並非透過蠻力計算，而是透過將離散幾何問題與代數數論中的概念（如代數數域、類域塔和 Golod-Shafarevich 理論）聯繫起來，構建了證明。
- 該模型發現了一個新的無限點排列族，其單位距離對的數量以 n 的 1.014 次方增長，這直接反駁了埃爾德什的猜想。
- 證明過程由 AI 模型自主生成，僅基於 AI 編寫的問題陳述，並由 Lean 證明助手進行了形式化驗證。
- 據數學家 Thomas Bloom 觀察，該模型之所以能找到此突破性解決方案，可能是因為它缺乏人類數學家對該問題的「常識性偏見」，即不認為追求反例是徒勞的。
🔮 前景展望AI analysis grounded in cited sources
AI 將加速純數學和應用數學領域的發現。
該模型自主地將幾何問題與代數數論聯繫起來，展示了 AI 在跨領域產生新穎數學見解的潛力，這可能超越人類直覺。
AI 將從研究助理轉變為科學研究的貢獻者。
該模型自主生成並經外部驗證的證明，標誌著 AI 從輔助人類研究轉向獨立的科學發現。
形式化驗證工具（如 Lean）將在 AI 驅動的數學發現中變得更加關鍵。
鑑於 AI 模型可能產生幻覺或重新發現已知結果，形式化驗證對於確保 AI 生成數學證明的準確性和可信度至關重要。
⏳ 時間線
1946-XX
保羅·埃爾德什提出「平面單位距離問題」。
2025-07
OpenAI 和 Google DeepMind 的實驗性模型在國際數學奧林匹亞競賽中達到金牌表現。
2025-10
OpenAI 副總裁 Kevin Weil 錯誤聲稱 GPT-5 解決了 10 個埃爾德什問題，隨後被數學家駁斥並撤回。
2026-04
OpenAI 發布 GPT-5.5，其內部版本發現了關於 Ramsey 數的新證明，並經 Lean 形式化驗證。
2026-04
OpenAI 前副總裁 Kevin Weil 離職。
2026-05-20
OpenAI 宣布其內部 AI 模型成功反證了平面單位距離猜想，並獲得外部數學家驗證。
📎 來源 (22)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： ITmedia AI+ (日本) ↗