23岁业余玩家用ChatGPT一举攻克60年未解Erdős问题1196：AI如何突破人类思维盲区

必备技巧怎么进一元一分跑的快群_商都-BBS的讨论中，一个反复出现的主题是内容深度的价值。

短期内，这次突破已在Lean系统中完成形式化验证，erdosproblems.com更新了问题状态。数学家们开始讨论如何系统性利用类似方法筛查其他遗留猜想，但前提是学会与AI协作：将原始输出视为探索起点，而非最终答案。长期来看，如果这种发现人类认知盲区的能力持续增强，数学研究或将从人类主导转向人机共创模式；反之，若AI主要擅长连接已有材料，则对最硬核问题如Riemann假设的帮助仍存不确定性。

短期内，类似AI辅助尝试可能在Erdős问题网站激增，业余者以“vibe maths”风格探索开放题的热情上升，Lean形式化工具也将加速验证流程。长期而言，这或催生人机协作证明的新范式：AI负责意外连接和初步草稿，专家专注价值判断与严谨转化。但不确定性依然存在——模型若继续改进，或许能处理更复杂问题；若粗糙输出持续，则人工干预仍不可或缺。

Price把结果贴到erdosproblems.com后，迅速引发关注。Kevin Barreto意识到潜力，联系专家验证。陶哲轩等数学家评论指出，人类多年来习惯从分析角度切入，第一步就集体走偏，而AI提供了更自然的算术连接。Lichtman也认可这份证明触及了他直觉中的统一主题，甚至可能对大整数结构研究有更广启发。后来专家精炼了原始输出，并通过Lean形式化验证，问题正式标记为由GPT-5.4 Pro（Liam Price提示）解决。

主流媒体和网友对这一事件的反应大多集中在AI的惊人速度与“业余者破难题”的戏剧性上。不少评论感慨，人类60年的集体努力似乎被AI一小时轻松超越，强调了模型在跳出常规框架方面的优势。但这种解读存在明显盲区：ChatGPT的原始输出逻辑跳跃、表述粗糙，需要人类专家如Jared Duker Lichtman反复打磨才能形成严谨证明。忽略这一点，就容易把故事简化为“AI万能”，而真正值得关注的，是它对非专业创作者的实际借鉴价值。

Terence Tao指出，人类专家在问题初始就走偏了看似自然的路径，而AI直接保留了算术层面的高效工具，避免了转向概率时的分析难题。这个案例印证了部分Erdős问题集群可能存在统一的“感觉”——一旦找到正确连接点，突破就会显得意外自然。但它不是AI“懂”数学，而是擅长在海量训练数据中捕捉非人类路径的模式生成。

早期AI在数学领域的角色，主要局限于文献搜索和辅助验证。处理其他Erdős问题时，模型常从海量旧论文中挖掘相似技巧，再由人类调整完善。但在问题1196上，情况出现了质变。GPT-5.4 Pro建议使用von Mangoldt函数的一种未曾应用于此的变体，这种经典数论工具原本用于编码整数唯一分解性质，却被AI巧妙留在算术领域，避免了人类倾向的概率解释路径所带来的技术障碍。

表面上看，这是一次“门外汉借助最新大模型攻克老难题”的典型故事，主流报道多聚焦于23岁无专业训练的Liam Price如何用一次提示实现突破。陶哲轩在论坛中的点评被广泛引用，他指出人类多年来习惯的标准研究路径，反而遮蔽了更直接的算术领域处理方式。网友讨论则迅速转向AI是否会取代顶尖数学家，然而这些声音往往忽略了关键细节：AI的贡献在于提供新鲜视角，而非直接交付 flawless 的论文。

GPT-5.4 Pro的输出虽粗糙，却引入了von Mangoldt函数的意外应用，将除数链重构为带权马尔可夫链，利用∑_{d|n} Λ(d) = log n这一经典恒等式，避开了人类常见的分析跳跃。这一方法并非传统路径，却提供了更自然的算术连接。

从更长远看，如果类似突破持续出现，它可能催生一种新的数学思考范式，帮助我们重新审视大数结构中的隐含统一“感觉”。AI在这里扮演的角色，更像是提供非人类路径的连接器，而非独立证明者。它的输出往往需要sift和精炼，这提醒我们当前AI在数学中的作用仍有明显边界。值得持续跟踪的是，当越来越多研究者依赖这种直觉跳跃时，是否会间接影响自身严密推理能力的培养——这一点目前行业内仍有不同声音。

对比整个精炼过程，AI的作用更像一个提供意外种子的工具，而非独立证明机。Lichtman和陶哲轩随后联手缩短证明长度，清理冗余步骤，并将核心想法表述得更清晰。最终，通过Lean定理证明器对精炼版本进行形式化验证，确认了其正确性。如今erdosproblems.com已将问题1196标记为已解决，归功于GPT-5.4 Pro在Price提示下的贡献，并附上专家讨论记录。

怎么进一元一分跑的快群的趋势，已经在多个案例中得到验证。