23岁门外汉用ChatGPT“vibe math”攻克60年Erdős问题：AI如何用人类想不到的新思路证明原始集猜想

SEO资讯站近期监测到的流量异常案例中，外部环境因素的影响占比上升。

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。

Erdős原始集问题的核心在于理解这类集合的“大小”如何随支持的下界增长而变化。Paul Erdős与合作者在上世纪60年代提出相关猜想后，Jared Lichtman曾在2022年证明了基本版本的上界，花了七年时间追逐更精细的渐近形式。Liam Price则不同，他和朋友Kevin Barreto习惯于“vibe mathing”——一种直觉驱动、几乎不带预设的数学闲聊。

值得持续跟踪的是，普通读者如何将这一路径转化为个人实践。从简单数论问题入手练习提示词技巧，逐步升级到开放数学资源，同时记录迭代过程和验证步骤，形成自己的模板。数据支持这个方向，但样本量有限，现在下结论为时尚早。普通人用AI做问题驱动学习，究竟能走多远，仍需更多真实案例来回答。

一个23岁年轻人，没有高等数学训练背景，却通过一次随意提示，让ChatGPT GPT-5.4 Pro在80分钟内输出了一份针对Erdős Problem #1196的证明草稿，这件事打破了数学界对AI辅助研究的常规预期。原始集问题源于保罗·埃尔德什等人的工作，关注正整数集合中任意两元素互不整除的结构，其“分数”和∑ 1/(a log a) 的渐近行为长期悬而未决。

过去几年，AI在数学领域的主要贡献仍停留在文献挖掘和思路辅助阶段。模型擅长快速扫描海量论文、找出相似技巧，或帮研究者验证已有路径的漏洞。但在Liam Price这个案例中，情况出现了明显转折。GPT-5.4 Pro没有沿袭人类常见的概率解释路径，而是直接提出了von Mangoldt函数的一种新用法，将其与Markov过程理论结合，避开了此前工作普遍遇到的分析障碍。这种连接方式在现有文献中并无直接先例。

历史经验值得类比。当年计算器普及后，人类从繁重计算中解放出来，转而专注更高层的策略和创意。现在AI似乎正在类似地解放idea生成环节。过去面对复杂Erdős式问题或科技底层逻辑时，许多创作者因储备不足而浅尝辄止；借助类似Price的提示策略，他们可以快速产出多个大纲或公式应用角度，然后手动补充案例和判断，形成更具原创性的内容。这不是简单复制AI输出，而是让工具服务于人类的独特判断。

原始集在数论中是对素数概念的自然泛化：一个正整数集合中，任意两个不同元素都不互为倍数。素数集是最典型的原始集，因为任何两个不同素数都不整除对方。Erdős早在1935年就证明了任何原始集的Erdős和有上界，而问题1196则是这个方向的渐近版本猜想，关注当集合元素都较大时，尾部求和∑_{a∈A, a>x} 1/(a log a) 是否满足≤1 + O(1/log x)。

对比Erdős问题本身的众包历史，AI的介入正在加速数学的民主化进程。erdosproblems.com记录了上千开放问题，原本就鼓励全球协作攻克难关。过去陶哲轩等专家已通过对话式提示用AI辅助文献搜索或改进界限，这次Liam Price提供问题框架，模型生成核心思路，年轻研究者识别潜力，最终由领域专家验证完善。人机协作而非单纯取代，成为事件最本质的特征。

Price的尝试让Terence Tao等专家注意到，AI在清晰陈述、数论基础概念上的潜力远超预期，尤其当问题允许计算验证或模式探索时。

最近数学圈流传的一则消息引发了不少讨论：23岁的业余爱好者Liam Price，几乎没有高等数学背景，仅用一个简单提示，就让ChatGPT Pro在约80分钟内给出了Erdős问题#1196的证明方案。这个问题涉及“原始集”——一组正整数中任意两个元素互不整除，其求和表达式在渐近意义下的上界，自1968年提出以来困扰了数学家数十年。

玩法对比的渗透路径，正在从实验阶段转向验证阶段。