OpenAI 모델이 평면 단위 거리 추측을 반증함

OpenAI 범용 추론 모델은 평면 단위 거리 문제와 관련된 이산 기하학의 오래된 추측을 자율적으로 반증했습니다. 이 결과는 AI 연구의 이정표이며, 수학 하위 분야의 prominant한 공개 문제가 AI 시스템에 의해 자율적으로 해결된 첫 번째 사례를 표시합니다.

평면 단위 거리 문제의 해결

1946년 Paul Erdős가 제기한 평면 단위 거리 문제는 평면에 $n$개의 점을 놓았을 때 정확히 거리 1이 되는 점 쌍의 최대 개수 $u(n)$를 묻는 문제입니다. 수십 년 동안 prevailing 수학적 믿음은 재조정된 정사각형 격자 구성이 최적이며, 성장률 $n^{1 + C / \log log n}$을 제공한다고 여겨졌습니다. Erdős는 $n^{1 + o(1)}$의 상한을 추측했는데, 여기서 추가 항은 $n$이 증가함에 따라 0으로 수렴합니다.

OpenAI 모델은 무한한 예시 가족을 제공하여 다항식 개선을 달성함으로써 이 추측을 반증했습니다. 구체적으로, 모델은 고정된 지수 $\delta > 0$에 대해 적어도 $n^{1 + \delta}$개의 단위 거리 쌍을 갖는 $n$점의 구성을 구성했습니다. 원래 AI가 생성한 증명은 $\delta$의 값을 명시하지 않았지만, 프린스턴 대학교 교수 Will Sawin의 후속 개선을 통해 $\delta = 0.014$임이 입증되었습니다.

기술적 접근: 대수적 수 이론 통합

모델의 해결책은 초등 기하학 문제에 대수적 수 이론의 정교한 개념을 적용함으로써 달성되었는데, 이는 수학자들에게 이전에 예상치 못한 연결이었습니다.

가우스 정수에서 대수적 수 체로

Erdős의 원래 하한은 가우스 정수($a + bi$ 형태의 수)에 의존했습니다. AI 모델은 가우스 정수를 대수적 수 체라고 알려진 더 복잡한 일반화로 대체함으로써 이 접근법을 확장했습니다. 이러한 체는 더 풍부한 대칭성을 지니어 훨씬 더 많은 단위 길이 차이를 생성할 수 있게 합니다.

고급 수학적 도구

필요한 수 체가 실제로 존재함을 증명하기 위해 모델은 다음을 포함한 고급 도구를 사용했습니다:

• 무한 클래스 필드 타워
• 골드-샤파레비치 이론

AI와 수학에 대한 중요성

이 breakthrough는 고급 추론 모델이 인간 수학자의 보조 역할을 넘어설 수 있고, 독창적이고 영리한 아이디어를 생성할 수 있음을 보여줍니다.

수학 연구에 미치는 영향

이 결과는 특정 추측을 단순히 해결하는 것이 아니라 대수적 수 이론과 이산 기하학 사이의 다리를 놓습니다. 동반 논문에서 Thomas Bloom이 지적한 바와 같이, 이 발견은 '수론적 구성이 이러한 유형의 질문에 대해 우리가 생각했던 것보다 더 많은 것을 말할 수 있다'고 시사하며, 필요한 수론은 '매우 깊을 수 있다'고 합니다.

추론 모델의 능력

수학에 특화되어 훈련된 시스템이나 증명 검색을 위한 스캐폴드된 시스템과 달리, 이 결과는 범용 추론 모델에 의해 생성되었습니다. 이는 깊고 일관된 추론 능력과 먼 지식 영역을 연결할 수 있는 능력을 나타내며, OpenAI는 이러한 능력이 생물학, 물리학, 재료 과학과 같은 다른 과학 분야에도 적용될 수 있다고 제안합니다.

전문가 관점

외부 수학자들이 증명을 검증하고 맥락을 제공하기 위해 동반 논문을 작성했습니다. 전문가들의 주요 통찰은 다음과 같습니다:

"제 의견으로는 이 논문이 현재 AI 모델이 인간 수학자의 단순한 도우미를 넘어선 것을 보여줍니다 – 그들은 독창적이고 영리한 아이디어를 가질 수 있고, 그것을 실현할 수 있습니다." — Arul Shankar, 선도적 수 이론가

"AI 수학에서의 이정표" — Tim Gowers, 필즈 메달리스트