ChatGPT“氛围数学”现象解读：业余爱好者如何用AI破解60年Erdős难题

选择时需要结合自身站点规模和数据体量来判断。

早期AI在数学证明中的作用，主要局限于文献搜索和辅助验证。它能高效挖掘旧论文、整理思路或检查漏洞，但本质上仍是人类已有框架的延伸工具。在其他Erdős问题处理中，模型多从现有技巧中提炼，再由研究者调整确认。可在问题1196上，情况出现明显转变。GPT-5.4 Pro直接提出了von Mangoldt函数的一种新用法，这种经典数论工具原本用于编码整数唯一分解性质，却被模型以人类先前较少尝试的方式连接到原始集的算术结构上。

岁业余爱好者Liam Price没有高等数学训练，却在一个普通下午用ChatGPT（GPT-5.4 Pro）一个Prompt，输出了Erdős问题1196的证明草稿。专家包括Terence Tao和Jared Lichtman验证后确认核心思路有效，这件事迅速在Hacker News和Scientific American等平台传播开来。Erdős problems网站已将该问题标记为已解决，并启动Lean形式化验证。

陶哲轩在讨论中指出，这条路线拒绝了自Erdős 1935年论文以来隐含的“gambit”，暴露了人类思维中路径依赖的盲区。

为什么人类集体走进了思维盲区？从Erdős最初工作开始，研究路径就倾向于先分析再转向概率工具，这种“自然而然”的切换成了默认套路。即使Lichtman这样的专家，也在路径依赖中积累了微小偏差，最终形成巨大障碍。AI没有这些先入为主的审美惯例和历史包袱，它从零审视问题，不会因为“这个方向以前试过”就回避。Liam Price事后提到，模型不仅完成推理，还在后续30分钟整理出LaTeX草稿，专家后续精炼使其更简洁，但核心洞见得以保留。

最近数学圈流传的一个事件，23岁的业余爱好者Liam Price仅用一条提示词，让GPT-5.4 Pro在约80分钟内生成了一份针对Erdős问题1196的论证草稿。这个问题涉及原始集（primitive sets）中整数的Erdős和渐近行为，困扰专家60年之久。AI输出的方法意外地避开了人类长期依赖的从分析转向概率的路径，转而用von Mangoldt函数等经典工具直接在整数层面操作，带来新洞见。

这一点目前行业内仍有不同声音。AI模型若继续迭代，或许能处理更复杂的中间步骤，缩小人机协作中的鸿沟；但若粗糙输出仍是常态，那么专家在筛选洞见、形式化验证上的投入就不会显著减少。Erdős问题网站的未来走向值得持续跟踪：更多业余尝试是否会带来真正突破，还是会放大现有模式的局限？现在下结论为时尚早，但这个案例已清晰表明，AI在数学领域的潜力，核心不在于取代人类证明，而在于如何被精炼成可靠成果。

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。

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。

历史来看，AI在数学领域的多数成果更偏向文献检索或已知技巧重组，而非真正突破性洞见。这次事件中，AI确实打破了人类常见的常规路径，但正如专家参与所示，其输出仍需批判性验证和优化。社区有人判断，如果多数情况仍是“专家救场”，AI就更多是强大生产力工具；若能持续输出可直接验证的原创思路，则可能真正加速数学进展。

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。

把上下分1块1分跑的快群的落地当作一场长跑，而不是短跑。