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

当24小时一块1分跑的快群的关注度持续升高，输赢随缘的配套措施也必须及时跟上。排名代发飞机【seo1268】好友聊天，输入“24小时一块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。反映出的现实情况，值得每一位从业者认真对待。

岁业余爱好者Liam Price没有高等数学背景，却在一次闲散的周一下午，用单一提示让GPT-5.4 Pro花约80分钟思考，输出了一份针对Erdős Problem 1196的粗糙证明思路。这个问题源于1966年Erdős、Sárközy和Szemerédi提出的猜想，涉及原始集（primitive sets）中大整数上1/(a log a)求和的渐近上界。

岁业余爱好者Liam Price没有高等数学训练，却在一个普通下午用ChatGPT（GPT-5.4 Pro）一个Prompt，输出了Erdős问题1196的证明草稿。专家包括Terence Tao和Jared Lichtman验证后确认核心思路有效，这件事迅速在Hacker News和Scientific American等平台传播开来。Erdős problems网站已将该问题标记为已解决，并启动Lean形式化验证。

Hacker News的深层辩论焦点在于AI是否展现了“真实智能”。部分参与者将其描述为“vibe-maths”式的直觉联想——模型在高维空间中搜索到有效连接，却难以独立完成形式化验证。另一些声音则看到新型潜力：AI没有人类研究者常见的“心理阻挡”，直接尝试了不同于标准序列的路径。Tao在评论中指出，人类此前在第一步就集体拐了个小弯，而AI避开了这些预设约束，揭示了整数结构与Markov过程之间更紧密的关联。

Liam Price和朋友把这种随意把Erdős问题丢给AI、观察输出的过程称为“vibe mathing”。那天他输入问题后，模型在约80分钟内给出了草稿，虽然raw output需要专家提炼，但核心连接——用von Mangoldt函数构建“向下过程”来处理可除性偏序下的反链——是此前人类长时间未系统尝试的。这不是简单复制现有思路，而是AI在海量训练数据中重新组合经典工具，发现了整数“解剖学”里更深层的统一结构。

这一点目前行业内仍有不同声音。数据支持AI在提供新视角上的方向，但样本量有限，值得持续跟踪，现在判断其对数学发现整体节奏的影响还为时尚早。

Erdős问题本身就带有强烈的众包基因。Erdős一生提出上千个开放猜想，鼓励全球学者协作攻克，而erdosproblems.com正是这种精神的现代延续，记录了大量未决问题并实时更新状态。AI的介入进一步加速了这一进程，让非专业人士也能通过有效提示贡献新思路。对比陶哲轩等专家此前用大模型辅助文献搜索或生成草稿的案例，这次事件的核心同样不是取代，而是人机协作：业余者提供问题框架和初始提示，模型生成意外连接，领域专家负责验证与完善。

这一点目前行业内仍有不同声音。数据支持AI在特定问题上开辟侧路，但样本量有限，值得持续跟踪，现在下结论为时尚早。如果人类过度依赖这种直觉跳跃，是否会逐渐削弱自身严谨推理能力？这一不确定性，正是vibe math现象留下的开放问题。

短期内，这个证明已在Lean中形式化验证，专家打磨后版本更精炼，可能为一批相关Erdős原始集问题打开通道。长期来看，它暗示AI辅助数学或带来新的“解剖大数”思路，但也提醒我们，AI输出仍需严格筛查和提炼。不确定性在于这类方法是否能普适推广，如果类似“单提示+vibe mathing”扩散开来，未来业余玩家参与纯数学突破的门槛或将显著降低，否则仍可能停留在个别案例。值得持续跟踪，现在下结论为时尚早。

更重要的是，Price的“vibe mathing”——凭直觉提示而非严格推导——产生的草稿虽有新意，但仍依赖社区后续梳理才能形成可接受的形式。数据支持AI在速度上的优势，但样本显示，真正有效的贡献往往来自人机协作而非纯机器自治。

短期看，这一现象会激发更多业余爱好者和研究者尝试vibe math，加速Erdős问题攻克。erdosproblems.com上类似实验已增多，证明需Lean等形式化验证把关。长期而言，如果更多突破出现，它可能催生新的数学思考方式，帮助重新理解大数结构中的隐含联系。不过，AI原始输出仍需专家精炼，其作用更像新连接方法的提供者，而非独立证明者。

短期波动属于正常现象，关键是建立属于自己的长期跟踪框架。