從猜想到推翻：AI 終結數學界 80 年共識的完整故事

本文整理自 OpenAI 於 2026 年 5 月 20 日發表的研究論文、九位數學家的聯合評論（arXiv: 2605.20695），以及相關報導與社群討論。

---

一枚硬幣、一把尺，和一個困擾數學家 80 年的問題

在一張大桌子上放 n 枚硬幣。用一把尺量每兩枚之間的距離。問：在最理想的排列方式下，最多有多少對硬幣的距離恰好等於某個固定長度？

這是 1946 年匈牙利傳奇數學家保羅．艾狄胥（Paul Erdős）提出的問題。艾狄胥是二十世紀最多產的數學家之一，一生發表超過 1,500 篇論文，足跡遍布數論、圖論、組合學等多個領域。他有一個著名的習慣：為自己認為重要但困難的問題設定獎金，金額從 25 美元到 10,000 美元不等，視難度而定。單位距離問題的獎金是 500 美元，在他的體系裡屬於「困難但或許可解」的等級。

但 500 美元的獎金整整等了 80 年都沒有人來領。直到 2026 年 5 月 20 日，OpenAI 發表了一篇作者欄只寫「OpenAI」的數學論文，用代數數論的方法構造了一組反例，推翻了艾狄胥的猜想。更讓人意外的是，完成這項發現的不是任何人類數學家，而是一個通用 AI 推理模型，在沒有人類介入的情況下，自行找到了解法。

---

80 年的格子困局

要理解 AI 的突破為什麼重要，先得知道數學家們被困在哪裡。

艾狄胥自己給出了他認為最好的排列方式：正方形格子。想像棋盤的交叉點，每枚硬幣放在一個格點上。在這種排列中，每枚硬幣周圍會有好幾個鄰居恰好在目標距離上，整體的等距對數遠超線性增長。艾狄胥精確計算出，格子構造產生的等距對數大約是 n 的 1+C/log log n 次方。這個表達式裡 log log n 增長極為緩慢：n 等於一兆時，log log n 大約才 3。所以格子的表現雖然超過線性，但超出幅度微乎其微。艾狄胥的猜想是：不管怎麼排列，都不可能做得明顯更好。等距對的數量永遠達不到 n 的任何固定次方（比如 n 的 1.01 次方）。

80 年間，這個天花板始終沒有被突破。問題的另一面也停滯不前：已知的最佳上界是 n 的 4/3 次方，由 Spencer、Szemerédi 和 Trotter 建立。上界和下界之間的鴻溝巨大，而兩邊都幾乎沒有進展。有些數學家嘗試用解析方法縮小上界，有些人嘗試構造更好的點集來提高下界，但所有努力都撞上同一堵牆。組合數學泰斗諾加．阿隆（Noga Alon）後來承認：「鑒於這麼長的時間都沒有進展，猜想似乎是對的。」

格子構造的根本限制在於數學結構本身。艾狄胥用的是「高斯整數」Z[i] 這個固定的座標系統。在裡面，有些質數能被分解成兩個高斯整數的乘積（叫做「分裂質數」），這些分裂質數越多，格子上的等距對就越豐富。但在固定的高斯整數系統裡，分裂質數的增長速度有天然的數論極限，這直接決定了 log log n 的天花板。用一句話概括 80 年的僵局：所有人都在同一座棋盤上試圖找到更好的排列方式，但沒有人想到換一座棋盤。

---

AI 的破局：換棋盤，不換棋子

OpenAI 的 AI 模型找到的解法，核心思路恰恰是那個沒人嘗試過的方向：不改變點的排列方式，改變底層的數學結構。

在艾狄胥的方法中，你選一個固定的數域（高斯整數），然後盡可能利用在這個域上分裂的質數來構造等距對。AI 翻轉了這個邏輯：先固定一小組分裂質數，然後去尋找一個足夠「大」的數域，讓這些質數提供最大化的幾何結構。AI 使用了代數數論中的「無限不分歧類域塔」，一種由戈洛德-沙法列維奇定理保證存在的無窮數域序列。每一層數域都比上一層更複雜，但分裂質數的行為保持穩定。沿著這座塔往上爬，每一層都能構造出更大的點集，其中等距對以 n 的 1+δ 次方的速度增長。只要 δ 是正的，不管多小，就直接推翻了艾狄胥的猜想。

用比喻來說：艾狄胥在一座固定的城市裡數有多少條恰好一公里長的道路。AI 的方法是按照同一張道路規格書不斷擴建城市，讓每次擴建都產生更多符合規格的道路。因為城市可以無限擴建，最終的道路數量就能突破任何固定城市的上限。

OpenAI 研究員陳立傑（Lijie Chen）把單位距離問題的背景和已知結果描述成一道 prompt，交給一個通用推理模型。這個模型沒有針對單位距離問題做過專門訓練，也沒有配備特殊的數學工具。它自行探索了多條路線，最終收斂到類域塔的構造方案。OpenAI 的馬克．塞爾克（Mark Sellke）指出，過去數學家也考慮過類似方向，但認為它「太精細，難以實際執行」。AI 不會因為路線看起來前景不明就放棄，它可以「更全面地探索所有可能性」。整個過程是完全自動化的：AI 產出完整證明，內部系統自動判定正確，然後才交給人類專家驗證。

驗證分為兩階段。第一階段由 OpenAI 的塞爾克和梅塔布．索尼（Mehtaab Sawhney）確認核心數學正確性。第二階段由九位外部數學家逐行審閱，他們不僅確認結果，還各自提供了簡化版的證明路徑。人類專家改進的是表述方式，不是數學本身。塞巴斯蒂安．布貝克（Sebastian Bubeck）回憶最初看到結果時的反應：「這聽起來好到不像是真的。」陳立傑的感想更直接：「我預期 AI 遲早會在這方面做出成績，只是我的時間表被提前了。」

---

九位數學家的判決

論文發表同一天，菲爾茲獎得主蒂莫西．高爾斯（Timothy Gowers）在社群媒體上發文，稱這是「最著名的艾狄胥問題之一」，提醒同行「讀下去之前先坐好」。

{{< x-post wtgowers 2057175729008153069 >}}

九位數學家的聯合評論提供了多個角度的深入分析。阿魯爾．尚卡（Arul Shankar）表示會「毫不猶豫地推薦這篇論文在任何期刊發表」，稱讚它是「一個非常漂亮的想法的乾淨執行」。丹尼爾．利特（Daniel Litt）則坦言，他在幾小時內就理解了整個證明。如果解法是「自然的」，為什麼 80 年沒有人想到？利特把原因歸咎於學術界的專業化：組合幾何的人不碰代數數論的工具，代數數論的人不關注組合幾何的老問題。AI 沒有這種學科壁壘。

高爾斯提出了一個精妙的概念框架來理解 AI 的表現：「柯爾莫哥洛夫複雜度模除專家知識」。意思是：AI 的厲害之處不在於創造新理論，而在於以新穎的方式組合已知工具。如果把學術界已經充分理解的方法視為「免費」，AI 需要的「新想法」其實不多。它的核心優勢是百科全書式的跨領域知識，加上願意嘗試看似不可能的組合方式。湯瑪斯．布魯姆（Thomas Bloom）的分析呼應了這個觀點：要解決這個問題，需要同時具備推翻猜想的勇氣、跳出高斯整數的想像力、以及對類域塔的技術掌握。布魯姆觀察到：「AI 滿足了所有這些條件。」

但數學家們也提出了嚴肅的警告。梅蘭妮．伍德（Melanie Matchett Wood）指出：「AI 說服人類它有一個正確的證明，比實際找到正確的論證要容易得多。」這次有九位頂級學者逐行驗證，但這種配置不可能每次都有。維克多．王（Victor Wang）追問了一個更根本的問題：「當我們把研究免費放上 arXiv，是否隱含地同意了讓 AI 自由取用？」學術知識的產權、AI 生成結果的引用標準、以及驗證負擔的急劇增加，這些問題在這次事件之前都是抽象的假設，現在變成了迫切的現實。

---

這只是開始

薩溫（Will Sawin）在審閱 AI 證明的同時，獨立寫出一篇後續論文，把指數 δ 從原始證明中隱含的極小值大幅提升到大約 0.014。這意味著他在不到一天的時間內就將結果強化了許多個量級。這個速度本身就揭示了 AI 發現的核心價值：它打開了一扇門，而一旦門打開，人類數學家可以迅速衝進去拓寬空間。目前下界（n 的 1.014 次方）和上界（n 的 4/3 次方，約 1.333 次方）之間仍有巨大差距，這個差距就是未來數十年研究的沃土。

知名組合數學家吉爾．卡萊（Gil Kalai）在他的部落格上把這個事件比作 1976 年的四色定理電腦輔助證明，稱之為「重要性超越組合數學、甚至超越數學本身的科學里程碑」。50 年前，電腦證明四色定理引發了「這算不算真正的證明」的哲學爭論。50 年後，AI 推翻艾狄胥猜想，提出的問題更根本也更實際。在 Hacker News 上，反應兩極。有數學博士後表示結果「新穎且令人興奮」，AI 的修改是「實質性的」。也有人擔憂：如果 AI 產出的結果越來越複雜，人類終將無法驗證，數學就會變成一門「我們相信但無法理解」的學科。

從更宏觀的視角來看，這件事揭示了 AI 在基礎研究中一個獨特且可能是決定性的優勢：跨領域連結。利特指出了學術界的「專業化和筒倉化」問題，而 AI 恰恰不受這個限制。如果這種跨領域組合能力是 AI 在基礎研究中的核心優勢，那麼最有可能被 AI 率先攻克的問題，不一定是最「難」的，而是那些卡在兩個學科交界處、需要兩邊都懂才能解的問題。這不只是數學的故事。物理學、生物學、材料科學，每一個領域都有大量這樣的跨界問題在等待。艾狄胥猜想的倒下，或許只是 AI 拆除學科壁壘的第一塊磚。而那筆 80 年前懸賞的 500 美元，現在數學界得認真想想該付給誰了。