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

我们会重点说说那些容易被忽略却影响明显的点。

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。

人类对这类问题的探索路径，往往从分析工具切入，随后自然转向概率方法。这种“分析转概率”的标准走法，从Erdős时代起就成为默认框架。Jared Lichtman等顶尖专家曾在相关原始集猜想上取得突破，却在1196这个渐近版本上耗费多年仍未突破。数据和历史记录显示，即使Fields Medal级别的合作者加入，研究者也难以摆脱早期步骤中隐含的微小偏差，这些偏差随时间积累，形成了难以察觉的思维盲区。

深层来看，这起事件戳中了人类思维的集体盲区。Tao指出，许多研究者习惯从标准路径出发，导致后续努力事倍功半。AI因缺乏这些先入为主的框架，反而能发现意想不到的连接，比如将von Mangoldt函数与原始集问题结合。对SEO内容创作者而言，这是一个清晰信号：传统niche数学或科技话题写作常卡在“切入角度雷同”上，大家内容高度相似，搜索意图虽强却难脱颖而出。

Terence Tao观察到，人类此前似乎在第一步就集体走偏，存在某种隐形思维堵塞。AI则跳出框架，用已知工具实现了意想不到的组合。Lichtman也指出，原始输出虽需专家整理，但核心洞见新颖，甚至可能对相关问题簇产生统一作用。这个案例并非AI首次辅助数学，而是它在开放问题中首次展现从“聪明助手”到“发现新路径伙伴”的转变，对数学工具演化而言具有里程碑意义。

从更广视角看，这个案例像是一个“武装业余者”的工具演示。AI擅长生成大量尝试路径，有时撞上人类因路径依赖而忽略的死角，但独立完成干净证明的能力仍有限。陶哲轩指出，AI揭示的问题可能比预想更容易，人类集体在第一步就走了轻微弯路；Lichtman则强调，精炼后的版本更好提炼了模型的核心洞见。这提醒我们，AI在数学中的角色更接近灵感发生器，而非最终裁判。值得持续跟踪的是，若模型输出稳定性提升，这一协作模式会如何演化。

短期内，类似AI辅助尝试可能在Erdős问题网站激增，业余者以“vibe maths”风格探索开放题的热情上升，Lean形式化工具也将加速验证流程。长期而言，这或催生人机协作证明的新范式：AI负责意外连接和初步草稿，专家专注价值判断与严谨转化。但不确定性依然存在——模型若继续改进，或许能处理更复杂问题；若粗糙输出持续，则人工干预仍不可或缺。

从历史脉络看，此前AI在Erdős问题上的许多成果更接近文献重组或已知技巧的应用，而这次事件中，AI引入了von Mangoldt函数与Markov链的结合——一个90年历史的工具，却从未以这种方式用于原始集问题。数据支持这个方向，但样本量仍有限。区别在于，这次的时间窗口可能短得多：随着模型迭代，类似单提示突破或将不再是孤例，但若多数输出仍需专家“救场”，AI在数学中的角色就更多是生产力放大器，而非独立创造者。这个逻辑成立。

这件事表面上被解读为AI数学能力的又一次跃升：一个门外汉只需良好提示，就能挑战专业难题。Hacker News上网友热议“业余爱好者武装ChatGPT秒解60年难题”，Scientific American报道强调了这次突破的意外性，而陶哲轩的评论则指出，问题可能比想象中简单，人类集体在初始路径上走了弯路。但这些讨论大多停留在“AI很强大”或“普通人也能参与”的层面，较少触及证明方法本身的独特性，这或许正是事件更深层的信号。

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。

事件本质并非AI施展魔法，而是通过直觉式提示与迭代，连接了不同数学领域，避开了人类长期形成的思维定式。Erdős问题1196的核心是原始集在数轴远端的求和控制，传统路径多从纯分析切入容易卡住，而模型保留了von Mangoldt函数等算术工具，结合概率视角给出了更紧致的O(1/log x)界。这个过程显示，问题驱动学习远胜按部就班刷题：从具体开放问题出发，反复调整提示，让AI尝试跨领域连接，往往能快速暴露新路径。

红中麻将一元一分群的现状，更多体现为机会窗口、现实挑战与持续优化并存的典型特征。