在数学研究领域，一个困扰学界近80年的经典问题迎来了重大突破。平面单位距离问题作为组合几何中最具标志性的难题之一，近日因人工智能的介入而改写历史。这项由通用推理模型完成的证明，不仅推翻了数学大师保罗·埃尔德什（Paul Erdős）的长期猜想，更标志着人工智能首次在核心数学领域实现自主突破。
该问题聚焦于在无限平面上放置n个点时，如何最大化相距恰好为1的点对数量。自1946年埃尔德什提出猜想以来，数学家们普遍认为最优解应接近平方网格排列——这种棋盘式布局可使单位距离点对数量达到2n量级。埃尔德什本人通过缩放平方网格构造，将数量级提升至n^(1+C/log log n)，并据此猜想存在n^(1+o(1))的上界，即点对数量增长速度仅略高于线性增长。
最新研究彻底颠覆了这一认知。某人工智能团队开发的通用推理模型，通过代数数论中的复杂结构，构造出无限多个反例。对于特定规模的点集，新方法能产生至少n^(1+δ)个单位距离点对，其中δ被证实可达0.014。这一突破性成果表明，在无穷多个n值下，点对数量增长存在固定比例的指数优势，远超埃尔德什预言的渐进线性增长。
证明过程展现了惊人的跨学科融合。模型摒弃传统几何组合方法，转而运用代数数域、无限类域塔和戈洛德-沙法列维奇理论等高级数论工具。这些原本属于抽象代数领域的概念，被巧妙转化为构造单位距离的几何框架。研究团队指出，代数数域中丰富的对称结构，正是产生大量单位长度差的关键所在。
数学界对这一成果反应热烈。组合几何学家诺加·阿隆（Noga Alon）评价称，埃尔德什生前多次在讲座中强调该问题的重要性，几乎每位相关领域研究者都曾尝试攻克。菲尔兹奖得主蒂姆·高尔斯（Tim Gowers）更将其誉为"AI数学的里程碑"，认为这证明当前模型已具备提出原创性数学思想的能力。配套论文作者托马斯·布鲁姆（Thomas Bloom）强调，该研究不仅提供了新解法，更深化了人类对数论与几何关联的理解。
与传统数学研究模式不同，此次突破完全由通用模型自主完成。研究团队特别强调，该模型未接受任何针对单位距离问题的专项训练，其成功源于在更广泛评估任务中自然涌现的解决方案。这种跨领域知识迁移能力，与此前ChatGPT处理数论公开问题的案例形成呼应——当时模型在无人类干预情况下，用不到两小时即改进了已有理论界限。
尽管人工智能展现出强大潜力，但数学研究的主体仍离不开人类专家。所有AI生成的证明均需经过严格审查，配套论文更需系统阐释数学脉络与理论意义。当前研究范式正发生微妙转变：AI负责批量生成候选路径，数学家则聚焦于判断问题价值、验证结果可靠性及选择延伸方向。这种协作模式或许正是对埃尔德什数学精神的最佳诠释——正如这位以极简生活方式著称的数学家所言，解决问题的路径往往比答案本身更令人着迷。
