23岁业余爱好者用一次ChatGPT提示，攻克60年Erdős原始集难题全过程

后文会结合案例说明变量如何发挥作用。

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。

短期内，数学社区已迅速行动，Erdős问题网站更新后，更多研究者开始测试类似“簇集”问题能否复制这一协作流程。长期来看，这对普通AI用户意味着高端数学探索的入门门槛显著降低，业余爱好者凭借好奇心和最新模型就能贡献洞见。对整个领域而言，则指向一种AI+人类协作的新范式：模型生成粗糙却新颖的视角，专家负责提炼与验证。但如果AI输出始终依赖顶尖人力完善，它究竟是加速了发现节奏，还是只是改变了节奏，目前下结论还为时尚早。

陶哲轩和Lichtman的精炼工作体现了人机协作的核心：他们缩短证明长度，清理冗余步骤，并将核心想法表述得更透明连贯。原始版本要求专家仔细sift through才能理解其真正意图，精炼后则清晰展现为一种典范权重下的 hitting-probability论证。Lean形式化过程进一步确认正确性，如今erdosproblems.com已将问题标记为已解决，并附上专家讨论记录。

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。

这件事比表面看起来复杂得多。它不只是AI辅助完成一次证明，而是揭示出ChatGPT这类工具正在悄然改变普通人自学数学的路径，尤其是在问题驱动的学习场景中，业余实践者也能触及长期封闭的前沿议题。

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。

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。

原始集在数论中是一个直观却深刻的泛化概念：正整数集合中任意两个不同元素互不整除，素数集就是最典型的例子。Erdős早在1935年就证明了任何原始集的某些求和性质有界，而问题1196是其渐近版本，关注当集合元素足够大时，尾部求和∑_{a∈A, a>x} 1/(a log a) 是否满足≤1 + O(1/log x)。此前Lichtman等人在相关猜想上已有重要推进，但这个具体界限卡住了数学家数十年。

普通科技从业者或数学爱好者能从中看到提示工程的跨界潜力：以前前沿领域门槛极高，如今一次好提示就可能打开新思路。Price的经历提醒我们，AI不再只是工具，而是提供人类想不到思考方式的伙伴。当然，人类判断力仍是把关关键——原始输出需要精炼。这件事比“AI帮忙算题”复杂得多，它真正暴露了我们集体思维的局限。值得持续跟踪，现在下结论为时尚早。

短期内，Erdős problems网站已更新问题状态，并在Lean定理证明器中启动形式化验证，数论社区正快速跟进相关聚类问题。长期来看，如果更多研究者将“vibe mathing”式的AI协作常态化，组合数学和数论猜想领域或迎来方法论层面的系统创新，AI可能成为打破领域思维壁垒的常规工具。当然，如果协作仅停留在个案提炼层面，影响范围仍会有限。这一点目前行业内仍有不同声音，值得持续跟踪，现在下结论为时尚早。

总体而言，真人一元1分跑的快群的演进路径仍充满不确定性，但当前数据已清晰勾勒出几个关键节点。