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

排名代发飞机【seo1268】好友聊天，输入“红中麻将一元一分群”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。如果能提前布局用户可能关心的延伸点，并给出针对性判断，通常能获得更好的整体效果。

不过，主流讨论存在明显盲区：许多人强调“AI独立解决”，却忽略了模型原始输出仍需专家仔细梳理和完善，同时这并非AI首次辅助Erdős问题，此前已有工具在文献发现或部分解法上发挥作用。70%以上的类似讨论停留在惊叹层面，鲜少触及人机协作的真实链条。

Lichtman等人在primitive set簇的工作已提供类似方法论参考，AI在此基础上延伸时，偶尔能找到非明显连接。这个逻辑成立，但现实更复杂，人工验证仍不可或缺。

最近，一则来自erdosproblems.com的更新引发数学圈和AI社区的热议：23岁的业余爱好者Liam Price仅用ChatGPT Pro一个提示，在约80分钟内解决了Erdős问题#1196。这个由Erdős、Sárközy和Szemerédi在60多年前提出的猜想，围绕primitive set（集合中任意两元素互不整除）的加权和界限，长期困扰专业数学家。

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。

深层来看，这次证明的真正价值在于它揭示了AI在数学中的演进路径。早期AI辅助Erdős问题时，主要依赖文献挖掘和已有思路的辅助验证，能快速找出旧论文中的相似技巧或检查漏洞。但在问题1196上，模型没有遵循人类长期采用的从离散到连续分析的“标准开局”，而是留在算术领域，利用von Mangoldt函数的一种新用法完成了证明。这种函数经典地编码了整数唯一分解性质，却被人类先前工作因“心理堵塞”而绕过。

这一新连接的意义在于，它避开了人类研究者常见的“心理堵塞”。Terence Tao指出，过去工作往往在第一步就集体走偏，转向概率或分析路径，而模型留在更纯粹的算术领域完成了证明。Jared Duker Lichtman也认可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。

对普通人而言，这个故事打开了一种可能性：无需博士背景或多年积累，只要愿意用简单直觉式提问把复杂问题交给强大模型，就可能贡献新视角。当然，AI输出仍需人类专家仔细检查和打磨，它更像是提供了一个不同“第一步”的起点，而非完整答案。人类依然负责验证、精炼和拓展。但AI打破mental block的能力，已经在悄然改变数学研究的生态。值得持续跟踪，现在下结论为时尚早。

深层来看，这次事件的核心在于AI通过“vibe mathing”式的直觉提示，连接了不同数学领域，打破了人类长期形成的集体盲区。Erdős问题1196本质上考察原始集在数轴远端的行为：当只看大于x的元素时，那部分求和能否控制在1加上随x变大的对数项衰减误差内。传统刷题式自学往往卡在固定路径上，而问题驱动+AI迭代则允许模型尝试von Mangoldt函数结合Markov链视角，避开之前障碍。这个逻辑成立。

包括Terence Tao在内的专家随后介入审查与精炼，最终确认这一结果。

专家验证过程迅速展开。Price将结果贴到erdosproblems.com后，Kevin Barreto立刻意识到其潜力，相关讨论吸引了Jared Lichtman和陶哲轩等人的注意。陶哲轩指出，人类多年来在问题起点就集体走偏，而AI没有继承这一路径依赖，直接从算术本质出发。Lichtman则认为，这一证明虽需精炼，但其核心洞见堪称“Book Proof”，并可能对整数结构研究有更广启示。

SEO资讯站持续关注红中麻将一元一分群的动态演变。