业余数学爱好者如何借助AI进入顶级数学研究

总结教训的实际应用场景还在不断扩展，但目前大多数落地仍集中在少数头部玩家手中。差距的形成，往往就在这最初的一两年。

实际操作层面，AI辅助内容创作的潜力已超出单纯数学难题。创作者可以针对一个Erdős式冷门话题，让AI生成3-5个不同切入角度的大纲，涵盖历史背景、公式应用与跨领域类比，然后手动补充真实案例、专家引述和读者意义。测试这些内容在搜索中的表现，往往能快速发现哪些角度用户意图更强。许多人已开始尝试，有人用类似方法写AI在科学发现中的角色，流量与互动超出预期；也有人因未充分验证公式解释而踩坑，导致读者质疑。

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，类似于素数的推广概念。保罗·埃尔德什定义了这种集合的“分数”——对每个元素n计算1/(n log n)的和，并猜想其行为有特定上界。Jared Lichtman此前花七年时间推进了相关上界证明，但更精细的尾部估计仍悬而未决。Liam Price和朋友Kevin Barreto习惯于随意把网站上的开放问题扔给AI模型，不带预设路径，只是看看会碰撞出什么。

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。

这一点目前行业内仍有不同声音。AI在Erdős问题上的应用，有些被证明只是重组已有文献，有些则如这次一样带来真正洞见。Liam Price的案例属于后者，但其长期对数学社区的结构性影响——尤其是提示词门槛能否真正替代部分博士训练——仍需更多案例积累。现在下结论为时尚早，却已足够让人看到，数学研究的参与边界正在以意想不到的方式扩展。

此前Lichtman等人在相关原始集猜想上已有突破，但这个具体渐近界限卡住了数学家近60年。

ChatGPT的输出要求人类专家像淘金般“sift through”其中有价值的部分。模型虽意外应用已知公式开辟新路径，打破了人类长期形成的mental block，却留下大量逻辑跳跃和不精确步骤。Lichtman和陶哲轩随后介入精炼，把证明长度缩短，清理冗余，并明确连接整数解剖学与Markov过程理论。这种从“vibe maths”到严谨表述的转化，正是事件的核心：AI提供火花，专家负责修复与升华。

这个问题源于1966年Erdős、Sárközy和Szemerédi的猜想，关注原始集（即集合中任意两不同元素互不整除的整数集）的渐近求和界限：对于任何原始集A，其大于x的元素a满足∑ 1/(a log a) ≤ 1 + O(1/log x)。

这个新证明的核心在于von Mangoldt函数的创新应用，它编码了整数唯一分解的经典恒等式∑_{d|n} Λ(d) = log n，从而将除数关系转化为带权过程，避免了之前分析路径中的技术障碍。专家们后来精炼了原始输出，并推进了Lean形式化验证。现在erdosproblems.com已将该问题标记为由GPT-5.4 Pro（Liam Price提示）解决。

人类研究路径往往从分析工具切入，再自然转向概率框架，这种“分析转概率”的标准走法自1935年起就成为默认套路。结果是集体在早期步骤形成隐形定势，即使Lichtman与Fields Medal级合作者联手，也难以突破。数据支持这一观察：Lichtman证明了Erdős和的上界接近1.636，却在1196的渐近版本上反复受阻。方向是对的，但现实更复杂——微小的早期偏差积累成巨大障碍。

对普通人自学数学而言，门槛正在降低。短期内，更多业余爱好者和学生可能涌向Erdős问题网站，用ChatGPT或类似模型尝试攻克开放条目，形成一波辅助解决潮。长期来看，ChatGPT数学学习让前沿探索不再专属专业训练者，但需警惕AI依赖导致的浅层理解。如果AI证明能持续通过Lean等形式化验证，教育模式或转向提示工程加人类批判思考；否则影响可能局限于少数实践者。这一点目前行业内仍有不同声音。

怎么找一元一分跑的快群的现状，更多体现为机会与挑战并存的典型特征。