这周看到OpenAI内部模型独立推翻了Erdős在1946年提出的单位距离猜想时，我的第一反应不是"AI又赢了"，而是它怎么赢的。
过去AI解数学题，大多是暴力搜索或模式匹配——在已知解法空间里找最优路径。但这一次，模型没有沿用组合几何学家们研究了80年的网格构造思路，而是径直走向了代数数论，从Golod-Shafarevich准则（1964年证明的一个关于类域塔的定理）里找到了突破口。
这意味着什么？意味着AI不是在"做题"，而是在建立跨领域的数学直觉。
技术拆解：一个几何问题如何撞上数论
Erdős单位距离猜想问的是：平面上n个点，最多能确定多少对距离恰好为1的点？80年来，数学家们默认最优解应该长得像某种规则的网格排列。OpenAI的模型却构造出了一个无限点族，证明存在比网格更优的配置，其渐进密度达到 n^(1+δ)，其中 δ ≥ 0.014。关键不在于数值改进，而在于证明路径的跳跃性：
- 问题表征：模型没有将问题局限在离散几何的坐标构造里，而是把点集配置编码成了代数数域中的结构。
- 工具迁移：它识别出Golod-Shafarevich准则可以给出无限类域塔的存在性，而这类域塔的扩张性质恰好能映射回平面点集的密度下界。
- 独立验证：Princeton数学家Will Sawin在同一天发表了配套论文，量化了改进并确认了证明的正确性。Fields奖得主Tim Gowers称之为"AI数学的里程碑"。
我的看法：科研第四范式的真正开始
AI for Science喊了很多年，但大多停留在"加速模拟"或"辅助计算"层面。这次事件标志着一个更深层级的转变：AI开始扮演"问题转换者"的角色——把A领域的技术工具，搬到B领域的问题上去。这对个人研究者来说既是机遇也是挑战。机遇在于，我们或许可以借助AI发现那些"人类专家因学科壁垒而视而不见"的连接；挑战在于，如果AI的推理链条跨越了多个子领域，人类审稿人是否还有能力独立验证？
一个实际的思考：如果你在做交叉学科研究，不妨尝试让模型显式地列出它调用的数学工具来自哪个分支。这次OpenAI的证明之所以能被数学界快速接受，很大程度上是因为它的工具链（代数数论）是可追溯、可验证的，而非黑箱式的端到端生成。
结语
125页的证明，80年的悬案，一次从组合几何到代数数论的跨界突袭。比起"AI会不会取代数学家"，我更关心的问题是：下一个被跨域连接击穿的经典问题会是什么？ 也许是拓扑学里的某个猜想撞上代数几何？或者数论里的素数分布问题被泛函分析的工具重新照亮？科研的地图正在被重新绘制，而我们手里的罗盘，或许该换一换了。