AI粗糙输出如何被数学家“精炼”成Erdős正式证明？业余者+ChatGPT解决60年难题全流程

热点追踪免押金真人红中麻将群_北京海淀社区相关的案例中，及时调整策略的站点恢复速度明显更快。

最近数学圈流传着一个耐人寻味的案例：23岁的业余爱好者Liam Price没有任何高级数学训练，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。该问题涉及原始集（primitive sets）中整数的“Erdős和”渐近上界，困扰专家近60年。AI输出的核心思路采用了von Mangoldt函数这一经典工具，却以人类长期回避的反直觉方式展开。

深入剖析，这次事件的深层技术逻辑在于AI如何通过非传统路径打破人类固定模式。Price的提示并未严格遵循分析概率路线，而是让模型在算术领域自由探索，结果意外调用了von Mangoldt函数——一个经典数论工具，以一种此前未尝试的角度应用于primitive sets的和式界限。这避开了人类研究中常见的“第一步就走偏”陷阱。

Terence Tao在论坛评论中指出，此前研究者很可能在第一步就集体走偏，而这个AI生成的思路揭示了整数结构与Markov过程之间更紧密的潜在联系。专家Jared Duker Lichtman随后参与精炼，最终确认其新颖性。这件事远不止数学新闻，它直接暴露了内容创作者在AI时代常见的创作瓶颈。

对普通人而言，自学数学的门槛正在显著降低。短期内，更多业余爱好者和学生会涌向ChatGPT或GPT系列，尝试攻克Erdős问题网站上的开放题目，可能很快形成一波AI辅助解决潮。长期来看，这意味着以前需要系统专业训练才能触及的前沿内容，现在通过合理提示就能初步探索。但也需警惕AI依赖：如果只满足于模型输出而不深入理解逻辑，很容易停留在浅层认知。

短期来看，此类事件很可能刺激更多数学爱好者和业余者涌入erdosproblems.com，使用AI工具尝试开放问题，社区验证流程或将逐步标准化以应对激增的AI辅助提交。长期而言，对专业研究者，AI可能从单纯检索工具升级为思路生成器；对普通从业者和学习者，提示工程能力与批判性验证技能将变得更为关键。

AI输出的证明虽显粗糙，逻辑存在跳跃，但意外调用了von Mangoldt函数这一经典工具，以一种人类此前未曾尝试的纯解析方式处理问题。随后，陶哲轩和Jared Lichtman等专家从中提炼出核心洞见，显著缩短并严谨化了证明，最终确认猜想成立。Erdős问题网站已更新状态，并在Lean中启动形式化验证。

最近，23岁的业余玩家Liam Price仅用GPT-5.4 Pro一个提示，就让困扰数学界近60年的Erdős问题1196有了突破性证明。这条消息迅速在Hacker News和erdosproblems.com论坛引发热议，Scientific American也以“vibe mathing”为题报道了这一案例。Price没有接受过高级数学训练，却让模型在约80分钟内生成一份草稿，随后经专家精炼并在Lean中形式化验证。

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。

深层来看，Tao的评论点出了关键：此前研究者可能在第一步就集体走偏，陷入了共同的思维惯性。AI因为缺少这些先入为主的框架，反而能发现跨领域的新连接。这对SEO内容创作者是个直接信号。在挖掘数学或科技niche话题时，传统路径往往导致内容同质化，搜索意图虽强却难脱颖而出。借助类似“vibe prompting”的策略，让AI先生成意外联想和公式应用，再由创作者注入原创洞察和案例验证，就能有效打破盲区，避免泛化输出。

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。

我的观察是，时间是最大的筛选器。