2026年，一则消息在数学界引发震动：23岁业余爱好者Liam Price通过向ChatGPT（GPT-5.4）输入简单提示，获得了对Paul Erdős遗留难题之一的解决方案。这一被誉为“60年未解”的猜想，在多名顶尖数学家验证后被认为成立。Price本人并无高等数学学位，这一事件标志着AI从辅助工具向数学发现合作者的转变，凸显了大语言模型在纯数学领域的潜力。

Erdős问题是匈牙利数学家Paul Erdős留下的众多猜想集合，许多问题困扰专家数十年。Price的突破在于AI提出的全新思路——它避开了人类长期依赖的常规路径，使用了一种意外的公式组合方式。UCLA教授Terence Tao等专家在审查后表示，这一方法具有原创性，虽需人类精炼完善，但AI在提出关键洞见上发挥了核心作用。

AI“vibe-proving”：新型数学研究方法浮现

Scientific American等媒体将这一过程描述为“vibe-proving”（氛围证明）：AI通过广阔知识库和模式识别能力，生成人类可能忽略的“直觉式”思路。Price仅用一个提示便获得AI输出，随后与专家合作验证和完善证明。

这并非孤例。2025-2026年间，多名研究者报告使用ChatGPT、Claude等模型加速证明过程。AI擅长文献检索、连接不同领域概念和快速迭代假设，能在数小时内完成传统需数周的工作。但专家强调，AI当前输出仍需严格人工验证——它可能产生看似合理但实际错误的“幻觉”，人类在审美判断、严谨性和创新方向把控上不可替代。

对数学研究与科学发现的深远影响

1. 民主化数学研究

传统上，解决高难度数学问题需多年专业训练和资源支持。AI降低了门槛，让更多业余爱好者和跨领域研究者参与。Price的案例证明，正确提示结合AI工具即可产生有价值的洞见。这可能吸引更多年轻人进入数学领域，扩大人才池。

2. 加速发现进程

AI能处理海量数据和复杂计算，显著缩短探索周期。在优化理论、几何等领域，已有AI辅助解决长期开放问题的先例。未来，数学家可将AI作为“初级合作者”，专注于高层创意和证明完善，整体研究效率有望大幅提升。

3. 研究范式转变

数学从“人类独创”向“人机协作”演进。AI擅长“探索式”思考，能提出人类未尝试的路径，但缺乏直觉深度和全局视野。专家预测，未来数学论文可能常规标注AI贡献，类似“AI-assisted proof”。这将重塑同行评审和学术诚信标准。

4. 对教育与人才培养的影响

数学教育需调整：强调提示工程、AI验证技能和批判性思维，而非单纯计算能力。学生可借助AI探索高级问题，培养创新意识。但过度依赖也可能削弱基础训练，教育者需找到平衡点。

5. 更广泛科学领域的启示

数学是自然科学基础。AI在纯数学的突破，预示其在物理、生物、化学等领域的类似潜力。科研人员可使用AI生成假设、模拟实验，加速从“假设-验证”到“AI协同发现”的转变。但知识产权、责任归属和偏见风险等问题需同步解决。

挑战与未来展望

尽管成果显著，AI在数学中的应用仍面临局限：模型规模、训练数据偏见和可解释性不足可能导致错误。专家如Tao强调，AI目前更适合“辅助”而非“独立”发现，人类智慧在最终验证和意义解读中至关重要。

随着GPT等模型持续迭代，AI在数学领域的角色将更加重要。开源社区和学术机构正探索“AI+数学”新工具，预计2026年后将出现更多突破。

这一事件不仅是数学界的新闻，更是AI时代科学发现方式的