业余爱好者用ChatGPT攻克60年Erdős数学难题：普通人如何用AI自学数学

它需要帮助用户过滤有效信息，并提供有逻辑的认知框架。

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。

Liam Price和朋友Kevin Barreto则习惯“vibe mathing”，即用直觉式简单提问把开放问题扔给AI玩玩，没想到这次直接命中。

AI的输出虽逻辑跳跃，但引入了von Mangoldt函数的意外应用，绕开了人类研究者长期依赖的分析到概率转换路径。陶哲轩随后指出，人类在第一步就集体走偏，存在某种隐形思维定势。

AI则留在算术领域，直接调用von Mangoldt函数——其基本恒等式编码了整数唯一分解定律——以人类未曾尝试的方式拼接至原始集倒数幂和收敛问题，最终证明对于任意原始集A，当x充分大时，∑_{a>x} 1/(a log a) ≤ 1 + O(1/log x)。这个剪刀差说明一切：70%类似部署计划与实际规模化率的鸿沟，在AI这里被直觉式连接打破。

ChatGPT的证明则提供了鲜明对比。它绕过概率路径，停留在经典数论工具上：von Mangoldt函数Λ(n)。这个函数通过∑_{d|n} Λ(d) = log n，直接编码整数的唯一素因子分解，反映整数算术结构的本质。AI构建了一种基于von Mangoldt权重的“向下过程”，将原始集的反链性质转化为干净的不等式链条，从而避开分析困难，得到所需的渐近界。

这件事表面上看是AI又一次“赢了”，但实际比单纯的技术炫耀复杂得多，它正在悄然改变谁能真正参与顶级数学研究的门槛。

最近数论圈里流传着一个意外的故事：23岁的Liam Price，没有高等数学训练背景，却在一个普通下午用ChatGPT（GPT-5.4 Pro）一个Prompt，在“vibe mathing”闲暇尝试中，输出了一份对Erdős问题1196的有效证明。Terence Tao和Jared Lichtman等专家验证后确认，这解决了困扰数学家近60年的原始集渐近界猜想。

深层来看，这次突破的过程比结果本身更具启发性。Liam的提示极为朴素，直接复制问题描述，没有复杂引导或迭代优化。模型在“思考”中保留了算术领域的工具箱，巧妙调用von Mangoldt函数编码的除数恒等式——∑_{q|n} Λ(q) = log n，这一经典身份等价于整数唯一分解，却被以往研究因倾向转向概率解释而绕过。

多数媒体和讨论将焦点放在“业余选手借助AI破解60年难题”的戏剧性上。报道强调Liam Price的随意提示风格，以及Terence Tao等专家的初步认可，认为输出值得进一步筛查。Erdős问题网站已将该问题标记为已解决，并归功于GPT-5.4 Pro在Price提示下的贡献，伴随Lean形式化验证的进展。

真正值得SEO内容站点关注的，是它对非专业创作者的借鉴价值——AI能快速生成跨领域联想，却离不开人工注入的原创洞察和验证环节。否则，内容很容易陷入泛化同质化的陷阱。

搜索引擎对人工痕迹的识别能力在增强，保持自然表达更明智。