23岁无高数训练的业余者，用ChatGPT一键解决60年Erdős难题，这对普通数学爱好者意味着什么

观察到部分排名代发飞机【seo1268】好友聊天，输入“同城一元一分红中麻将群”咨询客服，娱乐游戏作为民间很受欢迎的纸牌玩法，乐趣集中在快节奏的刺激感、心理博弈的张力，这两种玩法的规则几乎一学就会，不用记复杂的牌型搭配，就算是新手也能快速上手，梦想是前行的灯塔，哪怕渺小，也能指引方向。不必因梦想遥远就轻言放弃，逐梦的路上，本就布满挑战。拆分目标，步步前行，哪怕每天只前进一小步，也是在靠近理想。不惧旁人的质疑，不畏前路的漫长，坚守初心，全力以赴。只要心中有梦，眼里有光，脚下有路，终能跨越山海，奔赴心之所向的远方。在实际面对不同用户群体、不同终端设备环境、不同具体搜索触发场景时的反馈表现存在明显差异，这强烈提醒我们在优化过程中必须重视分层测试、个性化内容适配以及基于真实数据的持续验证工作。

从更广视角看，这个案例像是一个“武装业余者”的工具演示。AI擅长生成大量尝试路径，有时撞上人类因路径依赖而忽略的死角，但独立完成干净证明的能力仍有限。陶哲轩指出，AI揭示的问题可能比预想更容易，人类集体在第一步就走了轻微弯路；Lichtman则强调，精炼后的版本更好提炼了模型的核心洞见。这提醒我们，AI在数学中的角色更接近灵感发生器，而非最终裁判。值得持续跟踪的是，若模型输出稳定性提升，这一协作模式会如何演化。

Jared Duker Lichtman作为该问题家族的顶尖专家，也认可了证明的优雅性。但主流讨论容易忽略一个关键：AI的原始输出需要多名研究者仔细梳理和重述，这并非首次AI辅助Erdős问题，此前已有工具在文献挖掘或部分界限改进上发挥作用。

深层来看，这起事件戳中了人类思维的集体盲区。Tao指出，许多研究者习惯从标准路径出发，导致后续努力事倍功半。AI因缺乏这些先入为主的框架，反而能发现意想不到的连接，比如将von Mangoldt函数与原始集问题结合。对SEO内容创作者而言，这是一个清晰信号：传统niche数学或科技话题写作常卡在“切入角度雷同”上，大家内容高度相似，搜索意图虽强却难脱颖而出。

表面上看，这次事件完美契合当下AI热点的叙事框架。Scientific American详细报道了Price如何用“vibe mathing”——一种凭感觉的提示方式——让模型生成新颖证明，Hacker News上网友热议“业余爱好者武装ChatGPT就能破解难题”，甚至有人宣称数学民主化时代到来。Terence Tao等专家给出初步肯定，认为这个方法绕过了人类常见的思维定势，有潜在推广价值。

Terence Tao在评论中指出，人类此前似乎在第一步就集体走偏，存在某种思维定势。模型则跳出这一框架，用经典工具实现了意想不到的组合。Jared Duker Lichtman也认可原始输出虽需专家进一步整理，但核心洞见具有新颖性，甚至可能对相关问题簇产生统一作用。这次证明已进入Lean形式化验证讨论，Erdős问题网站也将其标记为已由GPT-5.4 Pro在Price提示下解决。数据支持这一方向，但样本量仍有限，值得持续跟踪。

Hacker News和Scientific American迅速跟进报道，网友惊叹“随便一个提示就搞定”，而Terence Tao等专家则指出，这远不止AI算题那么简单，它揭示了人类长期路径依赖下的集体偏差。

他们的这种随意实验背景，与60年专业努力形成了鲜明对比。

Erdős原始集指的是正整数集合，其中任意两个不同元素互不整除，类似于素数的推广。埃尔德什为这类集合定义了一个“分数”——对集合中每个数n求1/(n log n)的和，并猜想当集合仅由足够大的数构成时，这个和会趋近于某个特定界限。Jared Lichtman曾花七年时间推进相关上界证明，但更精细的渐近行为仍悬而未决。

深层来看，这次事件的核心在于AI通过“vibe mathing”式的直觉提示，连接了不同数学领域，打破了人类长期形成的集体盲区。Erdős问题1196本质上考察原始集在数轴远端的行为：当只看大于x的元素时，那部分求和能否控制在1加上随x变大的对数项衰减误差内。传统刷题式自学往往卡在固定路径上，而问题驱动+AI迭代则允许模型尝试von Mangoldt函数结合Markov链视角，避开之前障碍。这个逻辑成立。

那个普通的周一下午，Price对GPT-5.4 Pro发出了一个简洁描述Erdős Problem #1196核心的提示，没有复杂的文献铺垫，也没有预设分析框架。模型思考了约80分钟，输出了一份粗糙却蕴含关键洞见的证明草稿。Price将结果贴到论坛后，很快引发讨论。他的合作者意识到潜在价值，联系专家进行验证。专家们确认证明成立，且方法与人类以往路径截然不同。

但现实更复杂，技术之外的组织因素往往起到决定性作用。