23岁业余玩家用ChatGPT一举攻克60年未解Erdős问题1196：AI如何突破人类思维盲区

排名代发飞机【seo1268】好友聊天，输入“一元一分的红中麻将群”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。如果能避免模板化表达，更多采用数据对比和场景归纳的方式，往往能获得理想的效果。

AI这次的路径并非简单计算辅助，而是直接连接了数论中经典工具，暴露了人类长期路径依赖下的认知盲区。

岁无高级数学训练的Liam Price，用ChatGPT Pro的一个单提示，让GPT-5.4 Pro在约80分钟内给出了Erdős问题1196的解法。这个涉及原始集加权和渐近行为的猜想，已困扰数学家近60年。事件迅速登上Hacker News高分榜，社区反应从兴奋到审慎不一，核心争议在于AI究竟贡献了什么。

最近数学圈流传着一个反直觉的事件。一个23岁的业余爱好者Liam Price，没有接受过高等数学训练，却在一次随意prompt中把Erdős问题1196扔给ChatGPT Pro（GPT-5.4版本）。问题涉及原始集A中μ(A)衰减极快的渐近行为，困扰数学家近60年。AI在约80分钟内给出了一份看似可行的证明，随后上传至erdosproblems.com。包括Terence Tao在内的专家介入审查与精炼，最终确认其解决该猜想。

这一机制并非AI真正“理解”数学，而是其在海量训练数据中擅长意外关联的能力体现。对于原始集猜想这类问题，部分Erdős问题集群似乎存在统一的“感觉”——一旦找到正确连接点，证明就显得自然许多。原始输出粗糙，需要专家像筛选沙子般提炼逻辑、补全细节，这一步骤凸显了人类验证不可或缺。数据支持AI能加速思路生成，但样本和实际应用仍有限，值得持续跟踪其在数论中的边界。

AI的这一突破，本质上暴露了人类在经典数论问题上的集体盲区。我们太习惯于某些审美惯例和方法论路径，以至于老工具的新用法长期被遮蔽。GPT-5.4 Pro没有先入为主的路径依赖，它从零审视问题，不会因为“这个方向以前试过”就自动规避。Price事后分享，这是一次one-shot过程，模型不仅完成推理，还整理出LaTeX草稿。专家后续打磨使其更简洁，但核心洞见——von Mangoldt权重的意外重用——得以保留。

Liam Price和朋友Kevin Barreto则习惯“vibe mathing”，即用直觉式简单提问把开放问题扔给AI玩玩，没想到这次直接命中。

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。

我的判断是，AI正成为强大却非万能的数学导师。成功关键始终在于人类的问题拆解与验证能力。历史上有不少案例，意外工具打破僵局——类似望远镜开启新天文观测，这次AI充当了连接器。但数据支持这个方向，样本量仍有限，值得持续跟踪，现在下结论为时尚早。方向是对的，但现实更复杂。

最近，一则来自Erdős问题网站的更新迅速在数学圈传播开来。23岁的Liam Price没有接受过高级数学训练，却通过一次针对GPT-5.4 Pro的随意提示，在约80分钟内让AI生成了一份对问题1196的证明。

表面上看，这是一次“门外汉借助最新大模型攻克老难题”的典型故事，主流报道多聚焦于23岁无专业训练的Liam Price如何用一次提示实现突破。陶哲轩在论坛中的点评被广泛引用，他指出人类多年来习惯的标准研究路径，反而遮蔽了更直接的算术领域处理方式。网友讨论则迅速转向AI是否会取代顶尖数学家，然而这些声音往往忽略了关键细节：AI的贡献在于提供新鲜视角，而非直接交付 flawless 的论文。

我的观察是，实测有效的窗口期可能比想象中短。