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

排名代发飞机【seo1268】好友聊天，输入“谁有1块1分跑的快群”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。的写作，如果避免空泛描述，更多采用数据对比和场景归纳的方式，通常能获得更好的排名和用户反馈。

然而，表面戏剧性背后隐藏着更微妙的现实。Lichtman在评论中直言，ChatGPT的原始证明输出“其实相当差”，需要专家大幅梳理和精炼，才能提炼出其中有价值的核心洞见。Tao也指出，人类长期受阻于一个“小小的心理阻挡”，而AI的贡献在于打破常规开局，但最终的严谨形式化和验证仍高度依赖人类介入。目前该证明已在Lean系统中得到形式化确认，却并非完全自主生成。

GPT-5.4 Pro的输出虽粗糙，却引入了von Mangoldt函数的意外应用，将除数链重构为带权马尔可夫链，利用∑_{d|n} Λ(d) = log n这一经典恒等式，避开了人类常见的分析跳跃。这一方法并非传统路径，却提供了更自然的算术连接。

可通过计算或提示工程验证，是这类低难度目标的另一优势。问题允许有限枚举、生成数据找规律，或尝试Lean形式化。模型在快速迭代大量变体上表现出色，而人类手动穷举往往力不从心。典型做法是让AI输出优化后的动态规划代码，导出结果分析，再问“这个猜想能否用Lean草稿验证”，数据支持的方向通常清晰可见。

从历史视角看，AI在数学工具演化中的角色正悄然转变。早期如AlphaGo依赖强大搜索和模式识别，而生成式模型如今更倾向于生成新连接。它能将看似无关的知识点重新组合，绕过人类习惯的心理堵塞。这个变化与数学研究从计算验证向创意协作的过渡高度契合，标志着AI开始从“聪明助手”转向“发现新路径的伙伴”。

长远来看，如果类似“vibe mathing”的提示技巧持续成熟，普通人的有效贡献或将成为数学进步的常规补充，Erdős问题的解决速度有望明显加快，社区也将迎来更多AI辅助尝试。不过，专家审查机制能否跟上海量生成内容，仍是一个开放变量。值得持续跟踪的是：当人机协作成为常态时，数学社区的验证流程和知识生产范式，会发生怎样的结构性调整？现在下结论或许为时尚早，但变化的迹象已然显现。

不过，也存在不确定性——如果专家审查跟不上AI生成内容的规模，伪证明泛滥的风险将上升；数据支持这个方向，但当前样本量仍有限，值得持续跟踪。

从更长远看，如果类似突破持续出现，它可能催生一种新的数学思考范式，帮助我们重新审视大数结构中的隐含统一“感觉”。AI在这里扮演的角色，更像是提供非人类路径的连接器，而非独立证明者。它的输出往往需要sift和精炼，这提醒我们当前AI在数学中的作用仍有明显边界。值得持续跟踪的是，当越来越多研究者依赖这种直觉跳跃时，是否会间接影响自身严密推理能力的培养——这一点目前行业内仍有不同声音。

“vibe math”的核心在于AI不遵循人类数学家习惯的标准序列。它绕过路径依赖，从相关领域已知工具中抽取元素进行全新组合，比如用von Mangoldt函数和Markov链权重，建立整数结构与概率过程间的紧密联系。这种“氛围”般的直觉连接，此前文献中仅有零星暗示，却从未被明确构建。人类尝试往往从分析方法入手，第一步就集体拐了个小弯，导致后续卡住。AI则没有这些预设，方向是对的。

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。

Terence Tao在论坛评论中指出，此前研究者很可能在第一步就集体走偏，而这个AI生成的思路揭示了整数结构与Markov过程之间更紧密的潜在联系。专家Jared Duker Lichtman随后参与精炼，最终确认其新颖性。这件事远不止数学新闻，它直接暴露了内容创作者在AI时代常见的创作瓶颈。

谁有1块1分跑的快群的现状，更多体现为机会窗口逐步打开、现实挑战依然突出、持续优化空间较大的典型特征。