自动化能加速,但无法完全替代专业经验。
最近数学圈流传着一个反直觉的事件。一个23岁的业余爱好者Liam Price,没有接受过高等数学训练,却在一个普通的周一下午,把Erdős问题1196随意抛给ChatGPT Pro的一个prompt。AI在约80分钟内生成了一个证明框架,针对原始集中μ(A)随元素增大而快速衰减的渐近上界。
深入观察,这次事件的真正亮点在于“vibe mathing”的提示方式。Liam Price没有遵循传统文献综述和逐步推导的路径,而是让模型凭感觉探索连接。GPT-5.4 Pro意外地避开了从分析转向概率的常见“ gambit”,而是坚守算术框架,利用von Mangoldt权重构造了一种下向Markov链,近似保持了dn/(n log n)的测度。这一连接在人类先前工作中被直觉上的概率视角所掩盖,却提供了更干净的分析处理。
已有部分进展的问题特别值得关注。例如与primitive set相关的延伸,或粗糙数(rough numbers)的素因子限制,这些在网站上常有下界结果和文献线索。数据支持AI从这些脚手架起步:先生成随机实例计算数值,再尝试推广猜想。70%以上的此类问题在小规模下已有OEIS支持,这个剪刀差说明计算辅助能快速缩小搜索空间,但大规模推广仍需新洞见。
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。
Terence Tao的点评也印证了这一点:AI无意中凸显了整数结构与概率过程之间更紧密的联系,而此前文献中仅有零星暗示。
核心在于,AI并非要替代创作者,而是成为武装业余和小团队的利器,尤其在SEO内容站点追求深度与独特性的当下。那些高搜索意图的niche数学主题写作或科技趋势解读,往往用户停留时间更长、转化潜力更好。只要避开泛化内容的陷阱,转向“提示工程+严格验证+个人视角”的路径,内容壁垒就会从纯专业知识转向更民主化的技能组合。当然,当前模型仍存在逻辑跳跃和表述粗糙的问题,这一点目前行业内仍有不同声音。
主流媒体如Scientific American突出“业余者靠AI破解60年难题”的戏剧性,许多网友看到AI避开人类思维定势,用一种此前未尝试的路径连接不同领域。原始集是素数的推广,Erdős、Sárközy和Szemerédi早在1966年前后提出相关猜想,Lichtman此前已攻克部分版本,却在这个渐近形式上受阻。AI的输出引入von Mangoldt函数与Markov链的结合,在文献中有迹可循,却从未以这种方式应用于此类问题。
短期内,数学社区已迅速行动:问题1196的状态被标记为已解决,证明进入Lean辅助形式化,更多研究者开始用类似方式测试其他“簇集”问题。长期来看,这对普通AI用户意味着高端数学研究的入门门槛显著降低,业余爱好者仅凭好奇心和最新模型就能贡献新鲜角度。对整个领域而言,则预示着AI+人类协作的新范式可能加速悬而未决问题的统一处理。
事件迅速在Hacker News和Scientific American引发热议,网友惊叹“业余爱好者+AI就能秒解60年难题”,陶哲轩评论称这个问题可能比想象中简单,人类集体在初始策略上走了弯路。Jared Lichtman这位曾深耕原始集猜想七年的专家也表示,AI给出的答案完全出乎意料。大多数讨论聚焦AI计算力和普通人参与门槛,却较少触及证明方法本身的突破性:它绕开了人类习惯的概率转向,保留纯分析框架。
这个问题源于1966年Erdős、Sárközy和Szemerédi的猜想,关注原始集——整数集中任意两不同元素互不整除的集合——在较大元素上的加权和界限,即对于任何原始集A,考察大于x的元素a,求和1/(a log a)是否满足上界1 + O(1/log x)。此前Jared Duker Lichtman等人已推进相关工作,但这一精确渐近形式始终悬而未决。
对于排名代发飞机【seo1268】好友聊天,输入“哪里有1块1分跑的快群”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。中涉及的算法逻辑,建议结合最新公开文档重新审视。