OpenAI 的通用推理模型近期在数学界引起轰动，其独立攻克了困扰学界长达80年的“埃尔德什单位距离猜想”。这一突破标志着AI在科学探索领域的能力已从辅助计算，跃升至自主发现的全新阶段。
AI 独立解决数学难题
埃尔德什单位距离猜想，由传奇数学家保罗·埃尔德什在1946年提出，旨在探讨平面上 n 个点最多能有多少对点之间的距离恰好等于1。长期以来，数学界普遍认为最优解应类似于棋盘格的布局，点对数量的增长率接近线性。然而，OpenAI 的模型打破了这一传统认知，利用了代数数论的深邃工具，如类域塔和Golod–Shafarevich定理，构建出一种全新的人类未曾设想过的点集排列方式，成功证明了单位距离点对的数量增长率可以超越线性。
里程碑式的AI能力展示
该成果已获得菲尔兹奖得主蒂莫西·高尔斯等顶尖数学家的高度评价，认为其堪称AI数学史上的里程碑。这不仅是AI在计算能力上的飞跃，更体现在其首次在纯粹的理论探索中开辟新路径，展示了独立研究和创新的潜力。这篇长达125页的证明，在公开后迅速通过了全球顶尖数学家的严谨验证，其逻辑严密性和创新性得到了广泛认可。
AI从“快”到“深”的演进
此次突破预示着通用人工智能（AGI）发展正在经历一场深刻的范式转变。AI模型不再仅仅是现有知识的整理者，而是展现出了作为独立科学研究者的能力，能够自主进行探索、提出假设并构建严谨的逻辑论证。尤其值得关注的是，该模型成功地将看似不相关的几何问题与深奥的代数数论联系起来，这种跨学科整合能力，正是人类科学家长期以来引以为傲的“直觉”和“深刻洞察”。
此次成功证明过程中，通用推理模型维持了长逻辑链的严谨性，预示着AI未来有望将这种科学发现能力复制到更复杂的科研领域，包括物理学、材料科学、生物医学等。AI正逐渐演变为科学家手中强大的新工具，如同望远镜之于天文学，将助力人类探索更广阔的数学及科学前沿。
此次OpenAI模型的表现，证明了AI在解决复杂抽象问题上的巨大潜力，其在跨学科知识整合和独立逻辑推理方面的能力，已达到令人“敬畏”的水平，为AI在基础科学研究领域的未来应用描绘了更加广阔的图景。