ChatGPT“氛围数学”现象解读：业余爱好者如何用AI破解60年Erdős难题

机会仍然存在，但需要更聪明、更持续的投入。

最近，一则来自数学社区的动态迅速引发关注：23岁的业余爱好者Liam Price没有接受过高等数学训练，却借助ChatGPT Pro的一个提示，在大约80分钟内解决了Erdős问题#1196。这个问题由Erdős、Sárközy和Szemerédi在60多年前提出，围绕“primitive set”（原始集，即集合中任意两个不同元素互不整除）的加权和界限展开。

AI辅助内容创作的关键不在于让模型直接生成完整文章，而是借助类似vibe prompting的策略，先让AI产出意外连接，再由创作者注入原创洞察和案例验证，从而避免内容高度同质化。

粗糙数（rough numbers）或素因子受限的相关问题，同样呈现出低难度潜力。问题通常围绕特定素因子阈值下的整数分布或计数，数论基础概念清晰，无需连续统工具。erdosproblems.com上类似条目常标记为tractable，部分有文献下界。AI可通过生成随机实例或符号计算验证猜想，结合Markov过程等视角重新推导。

Terence Tao指出，人类研究者“集体在第一步拐了个小弯”，而AI直接绕过这一盲区，提供了一个更透明的解析框架。这不是AI的魔法，而是它生成新路径的能力：不纠结标准序列，而是从相关领域工具中抽取元素，组合出前人未尝试的角度。原始集问题的渐近版本，本质上关注当集合元素足够大时，涉及1/(a log a)的和式上界是否趋近1+O(1/log x)。

Tao在评论中指出，过去尝试往往从分析跳向概率，隐含了某种思维捷径，而AI保留了纯分析表述，化解了长期存在的技术障碍。对比Erdős问题本身的众包历史——erdosproblems.com正是这种协作精神的延续——AI加速了数学的民主化进程，让非专业人士也能贡献独特连接点。

专家后来精炼了原始输出，并用Lean形式化验证通过，现在问题已在erdosproblems.com上标记为由GPT-5.4 Pro（Liam Price提示）解决。

其核心恒等式编码了整数唯一分解定律，AI以人类未曾尝试的方式将其与原始集的倒数对数和收敛问题拼接起来，最终证明对于任意原始集A，当考虑大于x的元素时，∑ 1/(a log a) ≤ 1 + O(1/log x)。这个思路绕过了人类常见的路径依赖，类似于AlphaGo的Move 37，不是优化现有招式，而是开辟新径。

实际操作层面，AI辅助内容创作的潜力已超出单纯数学难题。创作者可以针对一个Erdős式冷门话题，让AI生成3-5个不同切入角度的大纲，涵盖历史背景、公式应用与跨领域类比，然后手动补充真实案例、专家引述和读者意义。测试这些内容在搜索中的表现，往往能快速发现哪些角度用户意图更强。许多人已开始尝试，有人用类似方法写AI在科学发现中的角色，流量与互动超出预期；也有人因未充分验证公式解释而踩坑，导致读者质疑。

岁业余爱好者Liam Price没有接受过高级数学训练，却在一次闲暇测试中，用ChatGPT Pro的一个提示让GPT-5.4 Pro在约80分钟内生成了Erdős问题1196的解法思路。这个涉及原始集（primitive sets）加权和渐近行为的猜想，已困扰数学家近60年。Hacker News上相关讨论迅速获得高分，Scientific American等媒体也跟进报道，表面上看似AI能力的一次戏剧性突破。

Erdős原始集指正整数集合中任意两个不同元素互不整除，类似素数的推广。保罗·埃尔德什定义了其“分数”——对集合中每个n计算1/(n log n)的和，并猜想在足够大的数上这个和趋近于特定常数。Jared Lichtman此前花七年推进相关上界，却始终卡在更精细的渐近行为上。Liam Price则是个典型业余爱好者，他和朋友Kevin Barreto常在erdosproblems.com上随意实验，把开放问题扔给AI看结果。

免押金1块1分跑的快群的进展有目共睹，但短板同样突出。