延伸閱讀

業餘玩家用ChatGPT|破解百年數學難題

一個驚人的突破：業餘者如何「作弊」成功？

2026年4月，一則消息在Hacker News上引爆了全球科技圈：一位完全沒有學術背景的業餘數學愛好者，利用ChatGPT成功解決了一個困擾數學界數十年的Erdős問題。這個問題由傳奇數學家Paul Erdős提出，屬於組合數學中「極值集合論」的範疇，長期以來被認為需要頂尖的數學直覺和深厚的理論功底才能攻克。

這位不願具名的業餘玩家，在Reddit上自稱「MathAma」，職業是一名軟體工程師。他並非數學系出身，僅在大學修過基礎的離散數學。他的「武器」不是論文庫或學術人脈，而是免費版的ChatGPT（基於GPT-5.5架構）。他描述自己的過程：「我先用自然語言向ChatGPT描述問題，就像跟一個聰明的朋友聊天。它給出了幾個初步方向，但都是錯的。」

關鍵在於他沒有放棄。他開始使用「遞迴提示工程」（Recursive Prompt Engineering）——將ChatGPT的錯誤答案作為新的問題輸入，要求它分析為何錯誤，並提出修正。經過47輪反覆對話，ChatGPT最終生成了一個基於「機率方法」和「圖論嵌入」的證明框架。MathAma花了三天時間驗證邏輯，發現證明是自洽的，並將結果提交到arXiv預印本平台。

這不是一個孤立事件。2025年，DeepMind的AlphaProof已經在國際數學奧林匹克競賽中獲得銀牌。但這次的突破意義完全不同：它顯示AI不僅能輔助專業數學家，甚至能讓缺乏專業訓練的業餘者，在特定領域做出世界級的貢獻。AI正在將「創造力」從學術壟斷中解放出來。

運作機制：AI如何「思考」一個百年難題？

要理解這個案例的顛覆性，必須拆解ChatGPT解決Erdős問題的實際流程。這不是簡單的「問一句，得到答案」。MathAma在後續的技術部落格中詳細還原了整個過程，揭示了AI在數學推理中的新能力。

第一步：問題轉譯與框架化。 MathAma沒有直接輸入數學符號，而是用自然語言描述：「有一個集合族F，其中任意兩個集合的交集大小至少為1，且集合大小都為k。Erdős猜想，當k很大時，F的最大可能大小是某個指數函數。你覺得對嗎？」ChatGPT立即識別出這是「Erdős–Ko–Rado定理」的變體，並給出了經典的上界。但MathAma追問：「如果交集條件改為恰好為1呢？」這正是問題的核心。

第二步：生成反例與邊界測試。 ChatGPT先試圖用「投影幾何」構造反例，但失敗了。關鍵轉折點出現在第23輪提示：MathAma要求AI「以一個不相信這個猜想的懷疑論者身份思考」。ChatGPT開始生成一系列「幾乎是反例」的構造，並在過程中發現了這些構造的共同缺陷——它們都違反了某個隱含的對稱性條件。

第三步：歸納與證明合成。 利用這些失敗的嘗試，ChatGPT提出了一個「機率方法」的變體：隨機選擇一個集合，然後以特定機率進行「修剪」。這個想法在數學界並不新鮮，但ChatGPT成功將它與另一個看似無關的「拉姆齊理論」工具結合。最終證明長達12頁，包含3個引理和一個核心定理。

結果與ROI數據：

  • 時間成本： 傳統數學家解決同類問題平均需要6-12個月，而MathAma僅用了3天。
  • 計算成本： 使用免費版ChatGPT，總共花費$0（API版本約$12.47）。
  • 準確性： 經過三位獨立數學家審查，證明邏輯無誤，但存在一處次要的符號錯誤，已修正。
  • 可複現性： 其他業餘愛好者使用相同提示策略，成功解決了另一個較簡單的Erdős問題。

與業界標杆對比： 2024年，Google DeepMind的AlphaProof解決IMO題目時，需要專門訓練的模型和大量計算資源（約10萬美元）。而MathAma使用通用對話模型，成本幾乎為零。這顯示通用AI的推理能力正在快速逼近專用工具。

脈絡分析：為什麼這不僅僅是一個數學故事？

這個案例的深層意義，遠超數學界。它觸及了AI時代最根本的權力轉移：知識壁壘的崩塌。

傳統上，解決Erdős問題需要多年的數學訓練、對前沿論文的熟悉、以及與頂尖同行的交流。這些都是「隱性知識」（tacit knowledge），只能透過學術體制內部的學徒制獲得。但ChatGPT將這些隱性知識「外顯化」了。它將數百萬篇論文、無數次失敗的嘗試、以及數學家們在咖啡廳閒聊時迸發的靈感，壓縮成了一個可對話的介面。

這對香港和台灣的產業具有直接啟示。兩地都面臨「人才斷層」問題——香港的科研人才流向金融業，台灣的理工畢業生被半導體巨頭吸走。中小企業往往請不起頂尖的AI博士或數據科學家。但MathAma的案例證明：一個聰明的業餘者 + 通用AI = 專業級的問題解決能力。

具體啟示：

  1. 研發外包給AI： 傳統上需要博士級人才的任務（如最佳化供應鏈、設計新材料），現在可以由內部工程師搭配AI完成。一家台灣紡織業者已開始用ChatGPT設計新的編織結構，將研發週期從6個月縮短到2週。
  2. 知識民主化的風險： 當任何人都能「破解」難題時，專利和學術聲望的價值將被稀釋。香港的大學需要重新思考「研究貢獻」的定義——是證明本身，還是提出正確問題的能力？
  3. 新職業誕生： MathAma的核心技能不是數學，而是「提示工程」——如何引導AI進入正確的思維模式。這預示著「AI對話架構師」將成為高需求職位。

結論與未來影響：你該做什麼？

這個案例標誌著一個新時代的開端：創造力不再是人類的專利，但「提問」的能力將變得稀缺。

對於企業領導者，教訓非常明確：

  • 不要問「AI能取代我嗎？」 ——應該問「我的團隊如何用AI解決過去解決不了的問題？」
  • 投資提示工程能力，而不是盲目採購AI工具。MathAma的成功來自於他懂得如何「引導」AI，而不是被動接受答案。
  • 重新定義人才策略。香港和台灣的企業應該開始招募「AI-native」的員工——他們可能沒有頂尖學歷，但擅長與AI協作解決複雜問題。

對於個人，這個故事給出希望：你不需要是天才，才能做出天才級的工作。你只需要學會與一個聰明的「數位合夥人」對話。未來十年，最成功的專業人士，將不是最聰明的人，而是最會「問問題」的人。

Erdős問題只是一個開始。當AI能幫業餘者解決百年難題時，還有什麼壁壘不能被打破？答案或許是：沒有任何壁壘。剩下的，只是我們敢不敢問對的問題。