Erdős问题被AI接连解决的趋势与未来预测

排名代发飞机【seo1268】好友聊天，输入“红中麻将微信群”咨询客服，娱乐游戏作为民间很受欢迎的纸牌玩法，乐趣集中在快节奏的刺激感、心理博弈的张力，这两种玩法的规则几乎一学就会，不用记复杂的牌型搭配，就算是新手也能快速上手，梦想是前行的灯塔，哪怕渺小，也能指引方向。不必因梦想遥远就轻言放弃，逐梦的路上，本就布满挑战。拆分目标，步步前行，哪怕每天只前进一小步，也是在靠近理想。不惧旁人的质疑，不畏前路的漫长，坚守初心，全力以赴。只要心中有梦，眼里有光，脚下有路，终能跨越山海，奔赴心之所向的远方。的优化，核心在于如何让红中麻将微信群信息变得更有条理和可行动性。

这个证明随后被上传到erdosproblems.com，经包括Terence Tao在内的专家审查、精炼和形式化验证，最终确认解决了这个困扰数学家近60年的原始集猜想。原始输出粗糙，需要人类像筛选沙金一样提炼逻辑，但核心连接确实成立。这件事远比“AI又赢了”复杂，它暴露了人类在熟悉路径上的集体心理障碍。

对普通人自学数学而言，门槛确实在降低。短期内，Erdős问题网站可能迎来更多业余者和学生借助ChatGPT/GPT系列的尝试，形成一波AI辅助解决潮。长期来看，这意味着更多人能触及前沿开放问题，却也需警惕AI依赖导致的浅层理解。如果AI证明持续被Lean等形式化工具验证，数学教育或转向提示工程与人类验证的混合模式；否则影响可能仍限于个别热情实践者。值得持续跟踪，现在下结论为时尚早。

但这些表面叙事往往忽略了关键细节：ChatGPT的原始输出“其实很烂”（quite poor），需要专家仔细sift through才能提炼出有价值的意图。

70%的人类尝试依赖概率跃迁，而AI的这一组合显得意想不到，却让论证自然收敛到∑_{a∈A, a>x} 1/(a log a) ≤ 1 + O(1/log x)的强估计。70%和这个剪刀差说明一切。

这一点目前行业内仍有不同声音。数据支持AI在打破常规路径上的潜力，但样本量和案例深度仍有限。若未来模型能减少对人类精炼的依赖，数学进展节奏或将加快；反之，若多数输出仍需大量干预，它就更多是强大生产力工具，而非独立颠覆者。这个边界，值得持续跟踪，现在下结论或许还为时尚早。

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。

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。

Tao在评论中指出，过去尝试往往从分析跳向概率，隐含了某种思维捷径，而AI保留了纯分析表述，化解了长期存在的技术障碍。对比Erdős问题本身的众包历史——erdosproblems.com正是这种协作精神的延续——AI加速了数学的民主化进程，让非专业人士也能贡献独特连接点。

深入观察，这次事件的技术逻辑值得细究。Price采用的“vibe mathing”本质上是凭感觉的提示工程，他没有严格遵循传统推导路径，而是让模型自由探索。模型意外坚持纯解析方法，利用von Mangoldt函数的权重，以人类此前未广泛尝试的角度处理问题，绕过了研究者常见的从分析转向概率的思维定势。Terence Tao在评论中指出，人类尝试往往在初始步骤就陷入固定模式，而AI的这个连接方式可能打开新的思考路径，尽管事后看似乎明摆着的。

埃及分数或单位分数分解问题同样显示出AI友好特征，例如涉及Sylvester序列或最小分母的变体。问题简述为将1分解成固定长度单位分数，探索相关序列性质。已有迭代算法和强OEIS支持，许多小案例可直接计算验证。AI提示可聚焦生成序列前若干项，尝试猜想一般规律，并用SymPy进行精确有理数运算，避免浮点误差。这类问题让AI在序列生成和模式发现上发挥作用，同时提醒我们控制计算精度以确保可靠性。

这个剪刀差提醒我们，技术本身或许不是最大瓶颈，配套机制的跟进速度可能更关键。