OpenAI 在 2026 年 5 月 20 日宣布，一個通用推理模型自主推翻了離散幾何中的一個重要猜想：Paul Erdős 於 1946 年提出的 unit distance 問題相關上界猜想。
這不是「模型考試考高分」那種新聞。OpenAI 宣稱模型不是背出答案，而是找到新的數學構造，讓一個被研究將近 80 年的猜想被反例推翻。後續論證經過 AI grading pipeline 與數學家檢查，數學家 Will Sawin 也簡化並強化了結果。
如果這個成果持續被學界接受，它會是一個重要分水嶺：AI 不只是幫人類整理知識，而是可能開始參與原創科學發現。
發生了什麼？
OpenAI 官方公告表示，一個內部通用推理模型解決了離散幾何中的 central conjecture。
問題可以用很直覺的方式理解：
如果在平面上放 n 個點，最多可以有多少對點剛好距離為 1？
這就是 unit distance problem。Erdős 在 1946 年提出相關猜想後，這個問題長期困擾組合幾何研究者。
OpenAI 表示，模型不是沿著多數人期待的證明方向前進，而是反過來嘗試構造反例，並把代數數論等工具帶進離散幾何問題。最後結果顯示，原本被廣泛相信的上界方向不成立。
簡化後的流程大致是：
- 模型產生研究思路與反例構造方向
- OpenAI 以 AI grading pipeline 做初步檢查
- 數學家檢視結果
- Will Sawin 簡化並強化論證
- OpenAI 公布成果與相關說明
這裡最關鍵的不是「AI 算得快」，而是「AI 選擇了一條與人類主流直覺不同的路」。
為什麼重要？
1. 這不是一般 benchmark
AI 模型在數學 benchmark 上拿高分，已經不是新鮮事。真正難的是：
- 問題是否尚未被解決？
- 解法是否不是訓練資料裡已有內容？
- 推理是否能被人類數學家檢查？
- 結果是否能推動一個研究領域？
OpenAI 這次選中的問題非常有象徵性。它不是冷門小題，而是離散幾何裡長期被研究的核心問題之一。
如果模型真的找到新的構造方式，那代表 AI 的能力正在從「解既有題庫」靠近「參與研究前沿」。
2. AI 科學發現的價值不只在答案
很多人看 AI 科學突破時，只問「答案對不對」。但對研究來說，真正重要的還包括：
- 它提出了什麼方法？
- 它引入了哪些跨領域工具？
- 它打破了哪些既有直覺？
- 它是否產生新的問題？
- 人類能否理解並擴展它？
OpenAI 這次的故事之所以重要，是因為模型似乎把代數數論的思路帶進離散幾何，形成跨領域連結。
這和 AI 在藥物、材料、物理、數學上的潛力一致：AI 不一定只是跑更大的搜尋，而是可能幫研究者看到不同領域之間的隱藏路徑。
3. 但這不等於 AGI 已經到來
這篇新聞很容易被過度解讀成「AGI 已經到了」。這樣太快。
更精準的說法是：AI 已經能在部分高度結構化的研究領域中，產生值得嚴肅驗證的原創結果。
但它仍需要：
- 人類檢查證明
- 學界審查與吸收
- 形式化驗證
- 釐清模型實際貢獻與人類後處理的邊界
- 重複出現在更多領域與問題類型
換句話說，這不是「AI 取代數學家」，而是「數學家可能多了一種新的研究夥伴」。
搜尋意圖：讀者真正想知道什麼？
搜尋「OpenAI 80 年數學問題」「Erdős conjecture AI」「AI 科學發現」的讀者，通常想知道：
- OpenAI 到底解了什麼問題？
- 這是真的嗎，還是誇大宣傳？
- 這和 AGI 有什麼關係？
- AI 會不會取代科學家？
- 一般人為什麼要在意？
最合理的回答是：這是一個嚴肅但仍需要學術消化的突破。它不代表 AI 全面取代科學家，但代表 AI 已經開始進入研究創造的核心流程。
Mason 的判斷
這則新聞真正的爆點，不是「AI 解了一題數學」，而是 AI 開始有可能改變科學發現的分工。
過去研究者用 AI 做資料清理、文獻整理、模擬、蛋白質結構預測或定理證明輔助。這些都很有價值，但多半是把 AI 放在既有研究流程的一段。
OpenAI 這次的主張更進一步：模型可能自己找到了研究方向，並提出足以讓猜想倒下的構造。
如果未來這種模式擴大，科學工作會變成三層：
- AI 提出候選思路與構造
- 人類研究者理解、驗證、簡化與命名
- 形式化工具與社群審查確認可靠性
這會讓科學發現速度變快，但也會讓「誰是發現者」「如何審查 AI 輸出」「學術 credit 怎麼分配」變得更複雜。
對一般讀者來說，這件事最值得記住的一句話是：AI 科學發現的未來，不是模型直接宣布真理，而是模型把人類帶到以前沒想到要看的地方。
不同角色的建議
研究者
- 把 AI 當成產生候選方向的工具，而不是直接信任答案
- 建立可追溯的驗證流程：原始輸出、簡化過程、人類修改、形式化檢查都要分清楚
- 跨領域問題會更適合 AI 協助，因為模型可能看見不同文獻區塊之間的連結
AI 產品團隊
- 科學 AI 產品不能只做聊天介面，必須整合驗證、引用、實驗記錄與可重現流程
- 「模型提出」和「人類驗證」應在 UI 與文件中明確分層
- 高信任場景要避免把未驗證猜想包裝成已確定結論
一般讀者
- 不要把這件事看成單純炒作，也不要立刻解讀成 AGI
- 觀察後續學界如何引用、審查與擴展結果，比看公司公告更重要
- 未來 AI 對科學的影響，可能比對辦公室自動化更深
FAQ
OpenAI 模型到底解了什麼問題？
OpenAI 宣稱一個通用推理模型推翻了 Erdős 於 1946 年提出、與平面上 n 個點之間最多能有多少單位距離點對相關的離散幾何猜想。這是 unit distance problem 相關的重要問題。
這個結果已經被完全證明了嗎？
OpenAI 表示結果經過 AI grading pipeline 與數學家檢查，並由數學家 Will Sawin 簡化與強化。不過像所有重大數學結果一樣，仍需要更廣泛的學術社群閱讀、審查與吸收。
這代表 AGI 已經出現了嗎？
不宜這樣下結論。這代表 AI 在特定研究問題上可能產生原創貢獻，但 AGI 涉及更廣泛、穩定、可遷移的能力。這是 AI 科學發現的重要訊號，不是 AGI 的直接證明。
Sources: