一个看似简单到可以在餐巾纸上画出来的几何问题，从1946年难倒了四代数学家。5月20日，OpenAI宣布其通用推理模型推翻了近80年来关于该问题的核心假设，而且解题路径完全出乎意料——它没有用传统几何工具，而是从代数数论这个深层数学分支中找到了答案。

这个名为“单位距离问题”的经典谜题，由匈牙利传奇数学家保罗·埃尔德什（Paul Erdős）在1946年提出：在一个平面上，如何排列点，使得尽可能多的点对之间恰好相距一个单位长度？几十年来，数学家普遍认为正方形网格模式能提供最优解，埃尔德什本人也推测单位距离对的数量只能随着点数增加而略快于线性增长。

OpenAI的模型驳斥了这一论断。它发现了一个无限的点排列簇，其产生的单位距离对显著多于经典正方形网格方案。普林斯顿数学家威尔·萨温（Will Sawin）随后精炼了这一结果，证明改进可以用一个固定指数来表达。

真正令学界震动的不是结果本身，而是达成结果的方法。AI没有依赖传统几何技巧，而是将问题与代数数论建立联系——这是一个研究扩展普通整数系统的深层数学分支。证明使用了无限类域塔和Golod-Shafarevich理论等高端概念，这些工具极少出现在几何谜题的研究中。简单说，AI找到了利用奇特数字系统中隐藏对称性的方法，在平面上创造出了远超预期的单位距离。

证明已通过外部数学家评审，并产出了一篇配套论文阐释论证及其广泛意义。菲尔兹奖得主蒂姆·高尔斯（Tim Gowers）称这一成就为“AI数学的一个里程碑”。数论专家阿鲁尔·尚卡尔（Arul Shankar）指出，这项工作表明AI系统已经可以超越辅助数学家，开始产生真正原创的想法。

参与配套研究的数学家托马斯·布鲁姆（Thomas Bloom）表示，这一发现提示深层数论可能为离散几何中若干未解问题提供了答案，许多数学家很可能会利用这些新揭示的联系重新审视旧问题。

值得留意的是，这个证明并非来自专门的定理证明软件。OpenAI强调，它产出于一个通用推理模型，工程师既没有为它针对单位距离问题进行专门训练，也没有为此任务搭建专属搜索工具。这一细节意味着，能够管理长推理链条的AI系统，未来或可应用于物理、生物、工程和医学等领域。

对当下而言，一道抵挡人类智慧近八十年的难题，被一个从完全意想不到的方向切入的AI系统击穿。这场突破的主角不是专门的数学软件，而是一个通用模型——它恰恰在最需要抽象跳跃的领域，证明了“通用”的威力。