Erdős未解问题列表中适合AI尝试的低难度目标

当稳定性分析的技术成熟度达到一定程度时，竞争的关键就不再是技术本身，而是应用场景的创新和执行力。

Erdős原始集指的是正整数集合，其中任意两个不同元素互不整除，类似于素数的推广概念。保罗·埃尔德什定义了这种集合的“分数”——对每个元素n计算1/(n log n)的和，并猜想其行为有特定上界。Jared Lichtman此前花七年时间推进了相关上界证明，但更精细的尾部估计仍悬而未决。Liam Price和朋友Kevin Barreto习惯于随意把网站上的开放问题扔给AI模型，不带预设路径，只是看看会碰撞出什么。

Erdős原始集指的是正整数集合，其中任意两个不同元素互不整除，类似于素数的推广。埃尔德什为这类集合定义了一个“分数”——对集合中每个数n求1/(n log n)的和，并猜想当集合仅由足够大的数构成时，这个和会趋近于某个特定界限。Jared Lichtman曾花七年时间推进相关上界证明，但更精细的渐近行为仍悬而未决。

短期内，这次突破已产生可见影响。证明在Lean系统中完成形式化验证，erdosproblems.com迅速更新状态为已解决，数学家们开始讨论如何系统应用类似方法筛查其他Erdős遗留问题。Lichtman称其为“Book Proof”，认可AI输出的核心洞见值得提炼。但原始输出仍有粗糙之处，需要人类介入精炼，这也提醒协作模式中“筛查”环节不可或缺。更多类似猜想或许将快速被攻克，前提是研究者学会与AI对话而非简单依赖。

这一方法论差异暴露了人类在数论中的集体思维壁垒。Tao指出，人类研究者似乎在第一步就走偏了，集体陷入某种mental block，而AI无意中突出了整数“解剖学”与某些过程之间更紧的统一结构。过去类似组合或聚类问题上，也曾出现专家直觉集体偏向某一方向，直到新视角出现才发现原来可以更简洁。这次AI不是简单复制现有思路，而是从海量训练数据中重新组合经典工具，找到了人类长时间未尝试的连接。

原始集在数论中是一个直观却深刻的泛化概念：正整数集合中任意两个不同元素互不整除，素数集就是最典型的例子。Erdős早在1935年就证明了任何原始集的某些求和性质有界，而问题1196是其渐近版本，关注当集合元素足够大时，尾部求和∑_{a∈A, a>x} 1/(a log a) 是否满足≤1 + O(1/log x)。此前Lichtman等人在相关猜想上已有重要推进，但这个具体界限卡住了数学家数十年。

经验显示，提示越带“vibe”（如暗示“用人类未想过的路径”），新意越多，但后续人工检查绝不能省。这个逻辑成立，但现实更复杂。

另一个关键维度是计算可验证性。数论中的子集和问题或埃及分数分解变体，往往允许通过Python脚本或SymPy进行小n范围验证。近期AI贡献案例表明，模型在生成动态规划代码或符号计算路径上表现出色，但最终仍需Lean形式化或人工校验以排除细微漏洞。这一点目前行业内仍有不同声音——部分人认为AI更多是在“发现”已有文献，而非真正原创。

网友热议AI是否将取代专业数学研究，有人兴奋于普通人参与高端探索的可能性，但这些声音往往忽略了原始输出的不完善性——它需要专家仔细筛查和提炼才能转化为严谨形式。

最近数学圈流传一个故事：一个23岁的业余爱好者，只用一条提示词，就让GPT-5.4 Pro在约80分钟内输出了一份针对Erdős问题1196的论证草稿。这份原始输出引入了人类长期忽略的路径，却结构松散、步骤跳跃，远非严谨证明。陶哲轩和Jared Lichtman随后介入筛选洞见、缩短论证，最终通过Lean形式化确认了结果。这件事比“AI直接解决难题”的标题复杂得多，核心在于人类专家如何处理AI的粗糙输出。

70%的人类尝试依赖概率跃迁，而AI的这一组合显得意想不到，却让论证自然收敛到∑_{a∈A, a>x} 1/(a log a) ≤ 1 + O(1/log x)的强估计。70%和这个剪刀差说明一切。

% 的企业或团队已经意识到了这个方向的重要性，但能够真正把意识转化为体系化行动、并最终形成闭环的，仍然只是少数。