23岁业余爱好者用ChatGPT解决60年Erdős原始集猜想，AI如何打破数论“思维壁垒”

当客观剖析的用户意图发生细微迁移时，敏感捕捉并及时调整的内容团队，往往能获得先发优势。

这次证明已在Lean中形式化验证，erdosproblems.com更新为已解决，但核心价值在于它展示了AI能发现人类思维盲区。方向是对的，但样本量有限，值得持续跟踪。

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。

实际操作中，这种AI辅助内容创作的潜力远不止数学难题。你可以让AI针对一个Erdős相关或类似科技冷门话题，生成3-5个不同切入角度的大纲，包括历史背景、跨界类比和公式应用。然后自己补充专家观点、真实案例和对读者的意义，测试这些内容在搜索中的表现。经验显示，提示越带探索性，AI输出的新意就越多，但后续验证环节绝不能省略。值得持续跟踪，现在下结论为时尚早。

这件事比单纯的“AI又解题了”复杂得多。它提示我们，在专业领域，最新大模型的最大潜力在于生成那些看似跳跃却携带新鲜视角的内容，随后由领域专家提炼。普通科技从业者或数学爱好者不妨尝试类似路径：将复杂问题拆成简单提示输入模型，留意那些粗糙但有洞见的片段，再结合人工分析。未来这样的AI+人类故事会否越来越多，现在下结论为时尚早，但方向已足够清晰。

岁业余爱好者Liam Price没有高等数学背景，却在一个普通周一下午用单次简单提示让GPT-5.4 Pro思考约80分钟，就为困扰数学家60年的Erdős Problem 1196提供了关键突破。这个关于原始集（primitive sets）中大整数部分1/(a log a)求和渐近上界的猜想，长期以来被视为一类“簇集”问题的代表。

这一方法论突破的意义超出单个猜想解决。von Mangoldt函数虽是数论老工具，但在原始集这类聚类问题上的系统应用此前鲜见。AI无预设偏好，能从海量训练数据中提取人类长期未尝试的连接，这提醒我们：集体思维壁垒往往源于习惯路径，而非能力极限。类似历史中，新工具或视角曾突然打开组合数学盲区，这次或许是类似契机。

专家验证过程迅速展开。Price将结果贴到erdosproblems.com后，Kevin Barreto立刻意识到其潜力，相关讨论吸引了Jared Lichtman和陶哲轩等人的注意。陶哲轩指出，人类多年来在问题起点就集体走偏，而AI没有继承这一路径依赖，直接从算术本质出发。Lichtman则认为，这一证明虽需精炼，但其核心洞见堪称“Book Proof”，并可能对整数结构研究有更广启示。

岁业余爱好者Liam Price没有高等数学背景，却在一个普通周一下午，通过单次简单提示让GPT-5.4 Pro花了大约80分钟，输出了一份针对Erdős Problem 1196的粗糙证明。这项猜想源于Erdős、Sárközy和Szemerédi关于原始集（primitive sets）中1/(a log a)求和渐近界的讨论，已困扰数学界近60年。

Lichtman和Tao后续对证明进行了显著优化和形式化，最终在Lean系统中得到验证。这一点暴露了当前AI在数学证明中的真实位置：它擅长生成突破常规的思路，却仍高度依赖人类专家的验证、缩短与严谨打磨。历史经验显示，过去许多AI数学成果更接近文献重组，而非完全原创，这次事件虽有新意，但“专家救场”模式依然明显。

GPT-5.4 Pro的证明走了一条纯分析路线，利用了已有90年历史的von Mangoldt权重函数。该函数满足∑_{d|n} Λ(d) = log n，这一恒等式巧妙编码了整数的唯一因子分解结构。它没有急于引入概率解释，而是结合类似Markov链的思路对大整数结构进行“解剖”，最终得到更强的定量界：∑_{a∈A, a>x} 1/(a log a) ≤ 1 + O(1/log x)。这一连接在人类看来相当反直觉，却让论证自然闭合。

% 的企业表达了积极态度，但实际行动仍显谨慎。