23岁无高数训练的业余者，用ChatGPT一键解决60年Erdős难题，这对普通数学爱好者意味着什么

通过数据锚定、对比分析和个人结论，提供有价值的认知辅助。

但这里存在明显盲区。AI生成的证明初稿往往逻辑跳跃、表述粗糙，缺乏严谨的上下文衔接。数据支持AI在连接不同领域时的潜力，但样本量仍有限，许多尝试者反馈迭代多次后仍卡在验证环节。这一点目前行业内仍有不同声音，我的判断是——但这个判断可能需要修正——成功的关键不在于模型本身，而在于人类能否有效拆解问题并进行批判性把关。

表面上，这件事迅速在Hacker News、Scientific American和数学社区引发热议。网友惊呼一个门外汉靠AI就能攻克专业难题，陶哲轩指出“这个问题可能比想象中简单，人类从第一步就走偏了”。Jared Lichtman曾花七年时间追逐这一族问题的后续，却没想到AI会给出如此答案。多数讨论聚焦于AI的计算能力和业余者参与门槛，却较少留意证明方法本身的独特性，这或许是报道中最容易被忽略的部分。

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。

数据支持这一判断：过去AI数学应用多停留在辅助阶段，而本次案例中，AI贡献了人类未曾应用的公式重组，标志着从“聪明助手”向“路径发现者”的角色偏移。

Erdős原始集猜想的核心在于，足够大的整数支撑下的原始集，其Erdős和应趋于一个常数或在epsilon扰动下趋于零。过去几十年，数学家习惯从分析路径切入，借助概率或极限工具处理除数关系，但往往在第一步就陷入技术障碍。Liam Price的提示没有预设任何框架，他只是简单描述了问题核心，直接丢给模型。

最近，23岁的业余爱好者Liam Price用ChatGPT Pro一个提示，在不到80分钟内解决了Erdős问题#1196。这个涉及primitive set加权和界限的问题，已困扰数学家60多年。Price的成功并非孤立案例，而是erdosproblems.com上“低垂果实”被AI逐步清理的缩影。许多数论和组合问题陈述简洁，概念基础，仅需基本素数或集合知识，却仍有开放空间。AI在计算验证和模式发现上的优势，正让这些目标变得可及。

专家随后对输出进行精炼和形式化确认，其核心界限成立。这件事表面上看是AI又一次“赢了”，但实际过程远比单纯的自动化求解复杂，它正在悄然改变谁能有效参与顶级数学研究的门槛。

岁业余爱好者Liam Price几乎没有高等数学背景，却用一个简单提示让ChatGPT Pro在80分钟内生成了针对Erdős问题#1196的证明思路。这个问题涉及原始集——正整数集合中任意两个元素互不整除——以及这类集合在渐近意义下的Erdős和上界。AI没有沿袭人类数学家常见的分析路径，而是意外应用了von Mangoldt函数，绕开了长期困扰研究的难点。Terence Tao等专家后续验证并精炼后，认为这一思路具备新颖性。

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。

表面上看，这次事件被媒体和网友解读为“业余选手+AI破难题”的典型故事。报道多强调Liam Price的“vibe-maths”式提示——不用严谨专业语言，而是描述问题感觉和目标——以及单次运行就得出结果的戏剧性。Terence Tao等专家给出初步认可，认为输出有潜在价值，需要进一步精炼。Erdős问题网站已将该问题标记为已解决，并归功于GPT-5.4 Pro在Price提示下的贡献，甚至有Lean形式化验证在推进。

我的观察是，多数失败案例都卡在了执行的第二个月。