业余爱好者用ChatGPT解决60年Erdős数学难题，对SEO内容创作者的4大启示

多家平台的数据交叉验证表明，权威来源背书的內容更易获得稳定流量。

原始集是指一组正整数，其中任意两个不同元素没有整除关系，最典型如素数集。问题1196关注当集合元素足够大时，相关和式是否满足特定渐近界限。过去人类尝试多从分析路径切入，却在初始步骤就集体出现路径依赖，导致后续难以推进。Terence Tao后来指出，正是这种人类共同的“心理障碍”让专家们绕了弯路。而AI没有这些预设，直接从整数结构层面展开论证。

从影响预判来看，短期内更多业余者可能涌入erdosproblems.com，尝试类似方法攻克其余开放问题，Erdős问题的解决速度有望加快，社区或迎来“AI-for-Erdős”小浪潮。长期则指向研究范式从孤立精英转向分布式网络，对普通数学或AI爱好者而言，高级研究的心理壁垒有所松动。不过，不确定性同样存在：若提示工程成熟，普通人贡献或成常态；若专家审查滞后，伪证明泛滥的风险则会增加社区负担。

主流报道多强调“AI随便就解决了人类卡60年的难题”，Hacker News讨论帖迅速积累数百回复，网友惊叹业余玩家加大模型的组合。Terence Tao等专家在erdosproblems.com论坛给出初步反应，有人称赞证明的优雅，有人则指出这远非单纯计算辅助。表面热闹之下，很多人忽略了关键：AI生成的证明避开了人类从1935年以来集体采用的“分析转概率”标准路径，这一隐形定势才是长时间未解的深层原因。

AI的输出虽逻辑存在跳跃，却首次将von Mangoldt函数这一经典工具以意外方式应用于该问题，绕开了人类长期依赖的分析到概率的路径转换。陶哲轩随后评论称，人类研究者在起点就集体走偏了，存在某种隐形思维定势。

历史来看，AI在数学领域的多数成果更偏向文献检索或已知技巧重组，而非真正突破性洞见。这次事件中，AI确实打破了人类常见的常规路径，但正如专家参与所示，其输出仍需批判性验证和优化。社区有人判断，如果多数情况仍是“专家救场”，AI就更多是强大生产力工具；若能持续输出可直接验证的原创思路，则可能真正加速数学进展。

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。

最近，一则来自erdosproblems.com的消息迅速在数学社区和科技圈传播开来。23岁的Liam Price没有接受过高级数学训练，却在一个普通下午通过向GPT-5.4 Pro输入单一提示，获得了Erdős问题1196的证明草稿。这个问题涉及primitive sets（原始集）的自然密度猜想，由Erdős、Sárközy和Szemerédi在1960年代提出，已困扰专家超过60年。

当然，现在下结论仍为时尚早。当前影响主要体现在Erdős problems网站的更新和社区跟进上，长期来看，如果更多研究者将“vibe mathing”系统化，与LLM协作探索盲区，AI辅助数学可能成为打破组合数学和数论猜想壁垒的常规方式；反之，若仅停留在个案提炼，实际加速效应或许有限。值得持续跟踪的是，这种人机协作能否在更多纯数学领域复制类似的结构发现。

岁业余爱好者Liam Price没有高等数学背景，却在一个普通周一下午，用单次简单提示让GPT-5.4 Pro思考约80分钟，就为Erdős Problem 1196提供了突破性输出。这个困扰数学家近60年的原始集猜想，核心是询问在足够大的整数上支持的primitive sets中，∑ 1/(a log a)的渐近上界是否能达到最优。

Price将结果分享后，专家如Jared Duker Lichtman等人进行了精炼和验证，最终确认其有效性。这件事表面上是AI又一次“突破”，但实际反映出谁能真正参与顶级数学研究的门槛正在悄然松动。

我的判断是，未来一年这个领域会继续保持较高活跃度——但需谨慎。