23岁业余爱好者用一次ChatGPT提示，攻克60年Erdős原始集难题全过程

深度和精准，正在成为新的竞争壁垒和护城河。

最近，一则来自Erdős问题网站的更新迅速在数学圈传播开来。23岁的Liam Price没有接受过高等数学训练，却通过ChatGPT Pro的一次“vibe-maths”式提示，让模型在约80分钟内生成了对问题1196的证明。

要把握这件事的实质，先需明确Erdős问题1196的核心。原始集（primitive set）是一组正整数，其中任意两个不同元素互不整除，最典型例子便是素数集。Erdős早在1935年证明了任何原始集A的“Erdős和”∑ 1/(a log a)存在上界，后来与Sárközy、Szemerédi共同提出渐近猜想：当集合元素均大于x且x趋于无穷时，该和的上界应趋近于1。问题1196正是这一渐近版本的精确表述，焦点在于衰减速度的定量控制。

这一点目前行业内仍有不同声音。数据支持AI在特定问题上开辟侧路，但样本量有限，值得持续跟踪，现在下结论为时尚早。如果人类过度依赖这种直觉跳跃，是否会逐渐削弱自身严谨推理能力？这一不确定性，正是vibe math现象留下的开放问题。

岁业余爱好者Liam Price几乎没有高等数学背景，却用一个简单提示让ChatGPT Pro在80分钟内生成了针对Erdős问题#1196的证明思路。这个问题涉及原始集——正整数集合中任意两个元素互不整除——以及这类集合在渐近意义下的Erdős和上界。AI没有沿袭人类数学家常见的分析路径，而是意外应用了von Mangoldt函数，绕开了长期困扰研究的难点。Terence Tao等专家后续验证并精炼后，认为这一思路具备新颖性。

粗糙数（rough numbers）或素因子受限的相关问题，同样呈现出低难度潜力。问题通常围绕特定素因子阈值下的整数分布或计数，数论基础概念清晰，无需连续统工具。erdosproblems.com上类似条目常标记为tractable，部分有文献下界。AI可通过生成随机实例或符号计算验证猜想，结合Markov过程等视角重新推导。

对科技从业者和数学爱好者而言，这次突破的启示在于提示工程的潜力。以前前沿数学几乎是专业壁垒，现在具备良好直觉提示能力的人，就能尝试探索未知连接。Price的经历显示，从免费版起步到Pro订阅后的闲散实验，就能产生实质成果。但这也提醒我们，AI更像一个需要引导的探索伙伴，而非独立研究员。70%与7%的部署与规模化剪刀差在其他领域早已可见，这次数学案例或许只是类似现象在硬核学科的早期显现。

深层观察，这次事件揭示了AI在数学研究中的独特定位。Liam Price的提示极为简洁，没有前期调研或多次迭代，GPT-5.4 Pro却自主关联了整数唯一分解与Markov过程理论之间的联系——这一思路在先前文献中未被明确尝试。人类专家如陶哲轩和Lichtman从中提炼出简洁方法，不仅证实了猜想，还可能为更广泛的“簇集”问题提供统一框架。

事件本质并非AI施展魔法，而是通过直觉式提示与迭代，连接了不同数学领域，避开了人类长期形成的思维定式。Erdős问题1196的核心是原始集在数轴远端的求和控制，传统路径多从纯分析切入容易卡住，而模型保留了von Mangoldt函数等算术工具，结合概率视角给出了更紧致的O(1/log x)界。这个过程显示，问题驱动学习远胜按部就班刷题：从具体开放问题出发，反复调整提示，让AI尝试跨领域连接，往往能快速暴露新路径。

我的判断是，AI正成为强大却非万能的数学导师。成功关键始终在于人类的问题拆解与验证能力。历史上有不少案例，意外工具打破僵局——类似望远镜开启新天文观测，这次AI充当了连接器。但数据支持这个方向，样本量仍有限，值得持续跟踪，现在下结论为时尚早。方向是对的，但现实更复杂。

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。

但数据支持这个方向，只是样本量还需继续扩大。