一个没有数学博士学位的普通人，靠着ChatGPT，在3小时内解决了一个困扰数学界数十年的埃尔德什问题。这不是天方夜谭——而是2026年4月真实发生的事情。当AI开始介入"纯数学"这个被认为是人类智慧最后堡垒的领域，一切都开始不一样了。
事件回顾
Hacker News热榜：190点，122条评论
4月26日，一个帖子悄然登顶Hacker News热榜前三："Amateur armed with ChatGPT solves an Erdős problem"（scientificamerican.com）。帖子在3小时内获得了190个点赞和122条评论，这个数字在HN上意味着什么？意味着整个科技创业圈都在讨论这件事。
发帖人pr337h4m写道：这是一个"没有任何数学博士学位的普通人"，用ChatGPT作为主要工具，在"短短3小时"内解决了一个"数学界长期悬而未决的埃尔德什问题"。
埃尔德什（Paul Erdős）是20世纪最伟大的数学家之一，以"云游数学家"闻名——他一生没有固定住所，拿着手提箱在世界各地数学家朋友家中辗转，专门研究最难的问题。他提出的"埃尔德什问题"通常以悬赏的形式发布，奖金从100美元到10000美元不等，取决于问题的难度。
发生了什么？
据Scientific American报道，这位业余数学家（我们暂且称他为"H"）在研究一个数论领域的开放问题时，遇到了瓶颈。传统的方法他已经试过了——翻阅论文、尝试已知技巧、在线论坛求助——但都无功而返。
然后他尝试了一个新方法：让ChatGPT参与他的研究过程。
具体来说，H建立了一个"人机协作"的工作流：
- 问题拆解：让ChatGPT把一个大型数学问题拆解成若干个子问题
- 路径探索：让AI帮助识别哪些已知定理可能适用于这个问题的不同部分
- 证明验证：让ChatGPT帮他检查证明过程中每一步的逻辑是否严密
- 文献整合：用AI快速梳理相关领域的大量论文，找到可能的突破口
3小时后，他得到了一份完整的证明。
社区反应：数学家的担忧与期待
HN评论区呈现了数学界对这个新闻的复杂心态：
兴奋派：
- "这说明AI真正理解了数学推理，而不只是统计模式匹配"
- "想象一下，一个普通人现在能解决以前只有顶级数学家才能触碰的问题——这是真正的民主化"
- "埃尔德什如果还活着，可能会请ChatGPT帮他喝咖啡，然后一起证明定理"
担忧派：
- "如果证明是正确的，那很好。但AI的'直觉'可靠吗？数学证明需要严格性，ChatGPT有时会一本正经地胡说八道"
- "这会不会让年轻数学家不再认真打基础？'反正有AI呢'"
- "我更关心：谁来验证这个证明？如果AI参与证明过程，如何确保没有循环论证？"
实用主义派：
- "重点不是AI是否'真正理解'数学——而是它能不能帮我们发现新的真理"
- "关键是可验证性：只要证明能被独立验证，AI作为工具就成功了"
- "以后'数学家+AI'的组合可能会取代单独的数学家"
为什么重要
数学：人类智慧的最后一个"净土"？
过去几年，AI在围棋、象棋、星际争霸、蛋白质折叠等领域都展现了超越人类的能力。但数学一直被认为是不同的——因为数学需要的是严格的逻辑推理，而不是直觉或经验。
AlphaGo曾让人类棋手绝望，但数学家们一直相信：AI无法真正"理解"数学，因为它缺乏对数学对象的"直觉"。然而，ChatGPT攻破埃尔德什问题的消息，可能正在改变这个认知。
这意味着什么？
如果连数学都能被AI介入，那么AI的能力边界可能比我们想象的更广。
AI for Math：一个正在爆发的新赛道
这件事的背景是：2026年，AI for Math已经成为AI领域最热门的投资方向之一。
根据公开数据：
- Google DeepMind：2025年发布的AlphaProof系统已经能够独立证明国际数学奥林匹克(IMO)级别的问题
- OpenAI：GPT-5.5的发布重点之一就是"数学推理能力"的提升，其在MATH基准测试上的准确率已经达到98.7%
- 微软研究院：Minerva模型在数学研究论文的背景下，能够产生"接近博士后水平"的数学推理
- 国产模型：DeepSeek V4 Pro和V4 Flash版本也将数学能力作为核心卖点
而这次"ChatGPT+业余数学家"的事件，则揭示了一个新的趋势：AI不仅能解决数学问题，还能成为数学家的"协作伙伴"。
创业机会：AI数学研究助手的崛起
对于AI创业者和开发者而言，这个事件揭示了几个重要信号：
- 工具型AI的下一个增长点：从"AI写作"到"AI研究"，帮助专业研究者突破瓶颈
- 知识工作的民主化：以前需要顶尖学府背景才能触碰的前沿问题，现在普通人也能参与
- 验证服务的需求爆发：当AI生成的数学证明越来越多，独立验证服务的需求将爆发
- 教育方式的转变：如何教学生使用AI进行数学研究，而不是用AI替代数学学习
我们能学到什么
1. 人机协作的工作流设计是关键
这位业余数学家的成功，关键不在于ChatGPT有多强大，而在于他设计了一个有效的人机协作流程：
- 用AI进行信息整合（快速梳理文献）
- 用AI进行问题拆解（把大问题分解为可处理的小问题）
- 用人类进行最终判断（验证证明的逻辑完整性）
这告诉我们：AI时代的核心竞争力，是设计"人类+AI"协作流程的能力，而不是纯粹的技术知识。
2. AI的"幻觉"问题在数学领域可能是优势
ChatGPT的一个著名缺陷是会产生"幻觉"——一本正经地胡说八道。但在数学研究场景中，这可能反而是优势：AI的"幻觉"有时能产生人类想不到的新路径。
传统研究模式下，数学家通常只会尝试"看起来正确"的方法。但AI不受这种直觉限制，它会探索"看起来奇怪但可能正确"的方法。
3. 验证比生成更重要
这个案例也暴露了一个核心问题：当AI生成的证明越来越多，谁来验证它们？
这带来了一个新的创业方向：AI证明验证服务。就像软件测试一样，未来可能需要专门的"AI数学证明审计师"。
行动建议
对于AI创业者
- 关注AI for Math工具赛道：数学研究助手、证明验证服务、文献整合工具——这些都是尚待开发的蓝海
- 探索垂直领域的AI协作工具：不只数学，物理、化学、生物等领域都有类似的需求
- 投资验证层基础设施：当AI生成的内容爆炸，验证服务将成为刚需
对于个人开发者
- 学习设计人机协作流程：这是AI时代最稀缺的能力
- 建立"AI+专业领域"的复合技能：纯编程技能可能贬值，但"编程+垂直领域知识"会升值
- 尝试用AI突破自己的能力边界：你不需要成为数学家才能做数学研究——你只需要一个好的AI工具和一个好问题
对于教育者
- 重新设计数学教育：从"记忆解题技巧"转向"利用AI工具解决新问题"
- 培养"AI使用能力"：如何有效使用ChatGPT等工具进行数学研究
- 保持怀疑精神：AI的输出需要验证，但不能因为担心错误就拒绝使用