AI粗糙输出如何被数学家“精炼”成Erdős正式证明？业余者+ChatGPT解决60年难题全流程

行业数据显示，精选推荐最新一块1分跑的快群_青青岛社区高表现页面的共同特征是信息密度适中且判断明确。

Lichtman等人在primitive set簇的工作已提供类似方法论参考，AI在此基础上延伸时，偶尔能找到非明显连接。这个逻辑成立，但现实更复杂，人工验证仍不可或缺。

但盲区同样明显：AI原始输出往往逻辑跳跃、表述粗糙，仍需专家如Jared Duker Lichtman等人进行筛选和提炼，单纯复制提示词难以复制成功。

短期内，Erdős问题网站可能迎来更多业余者和爱好者涌入，AI工具使用会进一步激增，社区验证流程或将逐步标准化。长期来看，对专业数学研究意味着辅助工具的升级：不仅限于文献搜索，还能生成新型假设供人类扩展。但对普通学习者而言，提示工程技巧与批判性验证能力将变得更为关键。若AI能持续减少对人类精炼的依赖，数学发现节奏或将加快；反之，则更多扮演灵感发生器的角色。现在下结论为时尚早，这件事暴露的AI与人类数学思考边界，仍需行业持续跟踪。

对数学社区而言，这一事件短期内会刺激更多“vibe prompting”尝试——即用自然语言描述问题感觉而非严谨公式，让模型自由发挥。Erdős问题网站这类平台可能迎来更多AI辅助候选，专家则需投入额外精力筛查输出中的潜在幻觉。但长期来看，它暗示研究门槛的降低：普通爱好者只要掌握有效提示技巧，就能尝试参与长期开放猜想。当然，前提是人类专家仍在验证环节发挥核心作用。

岁业余爱好者Liam Price没有高等数学背景，却在一个普通周一下午，通过单次简单提示让GPT-5.4 Pro花了大约80分钟，输出了一份针对Erdős Problem 1196的粗糙证明。这项猜想源于Erdős、Sárközy和Szemerédi关于原始集（primitive sets）中1/(a log a)求和渐近界的讨论，已困扰数学界近60年。

这种“vibe math”本质上是直觉式提示与反复试错的结合。Price本人描述，他甚至没有深入背景知识，只是随意将问题抛给模型，AI便自主探索“感觉对”的方向，随后由专家精炼成更简洁的形式。数据支持这一判断：证明已在Lean系统中形式化验证，erdosproblems.com也更新了状态。但有意思的是，原始输出仍需人类筛查，样本和上下文的局限性意味着当前结论仍有待更多案例检验。方向是对的，却不排除未来需要修正。

对比整个流程，AI辅助数学的真实边界逐渐清晰。模型能快速尝试大量路径、撞上人类因路径依赖而错过的死角，但输出质量不稳定，逻辑细节错误频现。Lichtman和陶哲轩的介入不是简单修正，而是深入理解模型意图后进行“vibe maths”式的重构——从粗糙草稿中提炼本质，再用形式化工具验证。这说明当前阶段，AI更适合武装业余者抛出种子，而专家的筛选与转化能力依然不可替代。

岁无高级数学训练的业余者Liam Price，用一条提示词让GPT-5.4 Pro在约80分钟内输出了Erdős问题1196的证明思路。这个关于原始集“Erdős和”渐近上界的猜想，已悬而未决近60年。AI生成的原始论证引入了人类长期忽略的路径，却结构松散、步骤跳跃明显。Terence Tao和Jared Lichtman随后介入筛选洞见、修复细节，最终通过Lean形式化验证完成闭环。

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)。

岁业余爱好者Liam Price几乎没有高等数学背景，却在闲暇时用一个简单提示，让ChatGPT Pro在约80分钟内给出了Erdős问题#1196的证明方案。这个关于原始集的猜想——一组正整数中任意两个元素互不整除，其Erdős和在渐近意义下的上界——困扰数学界近60年。AI没有沿袭人类常见的分析路径，而是意外地调用了von Mangoldt函数，绕开了此前研究者集体踩过的坑。

短期内，它能解决某些痛点；长期来看，其对行业格局的影响仍需时间验证。