17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

我的 17 岁,是坐在教室里苦哈哈地刷数学卷子;而这个名叫 Enrique Barschkis 的高中生,利用课间休息时间,成功解决了困扰数学家多年的埃尔德什第 347 号问题。

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

这一成就不仅在社交平台 X 上引发热议,更得到了谷歌首席科学家 Jeff Dean 的盛赞。

什么是埃尔德什第 347 号问题?

埃尔德什第 347 号问题,最初由埃尔德什和格雷厄姆在 1980 年提出,核心问题是:是否存在一个整数序列,其中相邻项的比值趋近于 2,并且对于该序列的任何余有限子序列,其有限子集和构成的集合在自然数中的密度都是 1?

这个问题触及了数论中完全序列理论的核心,其难度在于需要在严格的增长率限制下,保证几乎所有足够大的正整数都能表示为序列中某些项的和。

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

去年 10 月,著名数学家、菲尔兹奖得主陶哲轩在 Erdős 问题网站的讨论区里,用 ChatGPT 搜索相关文献,找到了一篇 Burr 和 Erdős 的旧论文。

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

然而数学家沃特很快发现,那篇论文中的结果使用的是相邻两项的比值条件,与本问题要求的相邻项比值条件略有不同。

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

陶哲轩提出了一个巧妙的构造思路:将序列分成若干个区块,每个区块长度缓慢增长,通过精心设计每个区块内的元素比例和区块之间的连接,使得序列既满足比值趋近于 2 的要求,又能保证其子集和覆盖几乎所有自然数。这个想法基于一种类似进位制的表示方法,通过在每个区块末尾添加调整项,为数的表示提供足够的灵活性。

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

17 岁少年完成完整证明

这个构想在讨论区挂了三个月,直到 2026 年 1 月 21 日晚上,这个 17 岁的高中生 Enrique 发帖宣布:他完成了完整的证明。

他在陶哲轩和沃特的思路基础上,构造了一个具体的序列:将序列分成若干区块,第 n 个区块的长度大约是对数的对数级别增长,区块内部由几何级数构成,区块之间通过精心设计的调整项连接。这种构造确保了相邻项比值在整体上趋近于 2,同时通过「进位调整」机制,使得几乎所有正整数都能表示为序列中某些项的和。

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

他还使用人工智能工具 Aristotle 将这个证明完全形式化为 Lean 语言代码,这是数学证明可以被计算机严格验证的形式。

陶哲轩在看到 Enrique 的证明后评论道:「干得漂亮!你处理 k 随 n 缓慢增长的方式在我看来是合理的,而且很高兴看到 Lean 确认了所有各种簿记和边界情况。」

他随即询问:「创建非形式证明时使用了 AI 工具吗?」Enrique 坦诚地回答,他使用了 GPT Codex 来编写 LaTeX 代码并改进部分内容,同时得到了数学家 Bartosz Naskręcki 的大量帮助。

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

Bartosz Naskręcki 随后转发并评论:「Enrique 几周前给我发邮件,随意聊了聊椭圆曲线离散对数问题。我们用模型和 Aristotle 测试了他的许多想法。我为他感到非常自豪,在高中课间休息的间隙,他在 17 岁时就开辟了通往数学前沿的道路!我的建议只包含适度的提示和鼓励。Enrique 理应获得全部荣誉,他的勇气和热情值得赞扬。好运,伙计 —— 向星辰进发!」

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

谷歌的 Jeff Dean 也转发了这条消息:「爱看这种事,17 岁的 Enrique 解决了一个有趣的数学问题,与陶哲轩讨论,并感谢 Bartosz Naskręcki 给予的『 大量帮助 』,而 Bartosz 说他实际上提供的帮助很少。这种广泛分享荣誉的本能真是太棒了!」

17岁高中生借力AI攻克数论难题,陶哲轩、Jeff Dean盛赞,数学研究进入人机协作新时代

目前 Erdős Problems 网站已经将问题 #347 标记为「肯定解决」,这意味着 Enrique 的解决方案得到了数学社区的认可。

这件事的意义远不止一个少年解决了一道难题那么简单。它标志着数学研究正在进入一个新阶段:年轻研究者借助 AI 工具,能够更快地触及学科前沿。

随着 AI 工具的不断进步,类似的突破可能会越来越多。未来的数学研究,或许将是人类创造力与人工智能计算力深度融合。


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:https://www.itsolotime.com/archives/18741

(0)
上一篇 2026年1月25日 上午11:16
下一篇 2026年1月25日 上午11:37

相关推荐

  • 小模型突破计算瓶颈:WorldModel-Qwen实现推理中WASM代码执行

    最近,开发者 bigattichouse 分享了一个有趣的实验:让 Qwen-0.6B 这样的小模型在推理过程中生成并执行 WASM 代码,从而获得确定性的计算结果。 这个项目的灵感借鉴了人类思维。在关于 AGI 与 LLM 智能的讨论中,“世界模型”的概念变得越来越重要。就像人类接球时大脑会建立物理模型一样,AI 模型也需要某种形式的世界建模能力。但对于 …

    AI产业动态 2026年1月17日
    38800
  • 智算中心建设蓝图:2026年规划方案与关键技术解析

    一、前言 智算中心的建设需要大量的资金投入,涵盖数据存储设备、计算资源、网络设施以及人工智能模型的开发与优化。尤其在初期阶段,其运营成本较高,特别是电力和冷却系统的需求。因此,如何有效降低长期运营成本并确保投资回报,是企业决策中必须审慎考量的核心问题。 智算中心的建设背景,既根植于持续的技术进步与不断变化的市场需求,也与国家发展战略及产业转型升级紧密相连。随…

    2026年2月1日
    93500
  • 情感动态轨迹评估框架:大语言模型情感支持能力的科学度量

    在人工智能技术快速发展的今天,大语言模型(LLMs)已从单纯的信息处理工具演变为具备情感交互能力的复杂系统。近日,趣丸科技与北京大学软件工程国家工程研究中心联合发表的《检测情感动态轨迹:大语言模型情感支持的评估框架》论文获AAAI 2026录用,标志着情感计算领域迈入了全新的评估范式。AAAI作为人工智能领域的顶级学术会议,本届会议投稿量达31000篇,录用…

    2025年12月7日
    53900
  • Meta揭秘:保障万亿参数AI模型稳定训练的硬件可靠性之战

    关键词:AI 硬件可靠性、沉默数据损坏(SDC)、故障检测机制、硬件故障缓解、Meta 硬件故障会对 AI 训练和推理产生重大影响。 静默数据损坏(SDC,指由硬件导致、未被检测到的数据错误)对 AI 系统的危害尤为严重——这类系统无论是训练过程还是生成有用输出,都依赖于准确的数据。 本文将分享 Meta 在不同规模下,为检测 AI 和非 AI 基础设施中的…

    2026年1月29日
    50400
  • 世界模型破解VLA监督稀疏难题:DriveVLA-W0如何放大自动驾驶数据规模定律

    在自动驾驶技术从实验室走向商业化的关键阶段,视觉-语言-动作(VLA)大模型正面临着一个根本性的发展瓶颈:监督稀疏问题。特斯拉在ICCV会议上公开指出,当前VLA模型虽然能够处理高维、稠密的视觉信息流,但其训练监督信号却仅限于低维、稀疏的驾驶动作(如转向角度、加速度等路径点指令)。这种输入与监督之间的维度不匹配,导致模型无法充分利用PB级海量数据的潜力,严重…

    2025年11月17日
    37500