2026 年 4 月，一個有着 58 年曆史的數學難題——埃爾德什問題 #1196（Erdős Problem #1196）——被一名 23 歲的業餘愛好者通過提示 GPT-5.4 Pro 解決了。AI 僅用一條提示詞、大約 80 分鐘的 處理時間，就破解了近六十年來困擾世界頂級數學家的難題（BuildFastWithAI）。
埃爾德什問題 #1196 是一個涉及“本原集”的複雜猜想，即一組整數中沒有任何一個數能整除集合中的另一個數（Terry Tao，arXiv）。58 年來，人類數學家試圖用解析數論的傳統工具來解決這個問題。一代又一代專家依賴梅滕斯型估計、“殆素數”和迪克森分佈（Webiano）。人類研究社羣繼承了對“自然證明路徑”該是什麼樣子的假設，所有人都推着同一扇上鎖的門。
ChatGPT 走上了一條完全不同的道路，使用馬爾可夫過程理論。AI 的方法沒有將數字視爲靜態實體，而是將其看作一個不斷演化的隨機過程，其中素因子會隨時間被添加或移除（Terry Tao）。它把一個來自概率與統計的工具，應用到了一個僵硬的數論難題上。
最近在社交媒體上逛一逛，你會發現關於這條新聞存在尖銳分歧。有人稱之爲機器創造力的勝利；另一些人則強烈主張 AI 本質上並不具有創造力，認爲它只是重複數據，或者暴力窮舉各種組合直到某種方法奏效（Reddit，Mathstodon）。
那麼，創造力究竟是什麼？梵高的畫作有創造力嗎？達·芬奇的雕塑？一個巧妙的法律論點？科學發現？生命本身？如果這些東西都有創造力，那麼人類創造力與 AI 創造力之間真的有區別嗎？
合成引擎（並非人類獨有）
讓我們從一個正式定義開始。《牛津英語詞典》將創造力定義爲“運用想象力或原創想法來創造事物”。再深入認知科學，創造力被廣泛認爲是“通過連接看似無關的概念，生成新穎、原創且有價值的想法、解決方案或產品的能力”。
按照這個確切定義，GPT-5.4 Pro 對埃爾德什問題的解答是極具創造力的。它產生了一個新穎且寶貴的想法：從一個截然不同的數學領域（馬爾可夫鏈）取來框架，並將其應用到另一個領域（本原集）（Terry Tao）。
常見的反駁是，AI 並沒有“獲得靈感”。它只是在暴力窮舉海量數據，嘗試不同方法，直到某個參數吻合。但這種批評忽略了一個基本事實：人類也這樣做。試錯和精神上的暴力窮舉是人類創造過程的基石。
想想托馬斯·愛迪生和商業上可行的白熾燈泡的發明。愛迪生測試了數千種不同的燈絲材料，從棉線到竹子再到人的頭髮，才找到一種能用的。他有一句廣爲人知的話：“我沒有失敗，我只是發現了一萬種行不通的方法。”這並不是突然降臨的神聖靈感，而是一次詳盡、系統、暴力窮舉地在龐大的物理材料數據集中搜索，直到找到一個有效的參數。如果 AI 在模擬中測試一萬種材料組合以發現一種新超導體，批評者稱之爲冰冷的計算；當愛迪生在實驗室裏這樣做時，我們稱之爲天才。
如果我們看得足夠深，就會意識到，我們認爲“有創造力”的一切，其實都只是對已有想法的合成。新穎性並不是從神奇的虛空中召喚出什麼，而只是以一種前所未有的方式把事物組合起來。我們確實站在巨人的肩膀上。
想想歷史上各個領域中所謂“原創”的人類創造力例子：
- 科學與物理：愛因斯坦並不是從零發明狹義相對論的。他綜合了麥克斯韋的電磁學、洛倫茲的數學和經典力學，形成了狹義相對論。他的“創造力”在於以一種前所未有的方式連接了已有的點。
- 文學：莎士比亞的《羅密歐與朱麗葉》基於幾十年前亞瑟·布魯克翻譯成詩的一個意大利故事；《哈姆雷特》則大量借鑑了斯堪的納維亞的阿姆雷特傳說。莎士比亞的創造力在於把已有的故事與他精湛的五步抑揚格和對人性的洞察合成在一起。
- 建築與工程：現代摩天大樓是兩項完全獨立的 19 世紀創新的合成：貝塞麥鍊鋼法大規模生產鋼材（提供輕質的結構框架）和奧的斯的安全電梯（使極高的建築便於通行）。
- 藝術：文森特·梵高的《星月夜》是人類表達的傑作。但梵高並沒有發明星星，也沒有發明夜空。他把自己對世界的視覺觀察——或許還經過他獨特神經狀態和精神掙扎的過濾——與畫布上的顏料合成在一起。讓一個大語言模型生成一幅融合梵高與畢加索截然不同風格的藝術作品，你也在複製同樣的過程：連接兩種不同的風格來創造一幅新作品。
- 史前與生存：早期人類並不是憑空發明火的。他們觀察到閃電帶來的熱量和煙霧；另一方面，他們又觀察到摩擦木棍會產生摩擦熱。最終，有人合成了這兩個迥異的數據點：如果熱會產生煙和火，而摩擦會產生熱，那麼你就可以創造火。
- 音樂：邁克爾·傑克遜公開說過，他一些標誌性的 律動 深受比吉斯（Bee Gees）啓發。比吉斯自己也曾說，他們的一首歌靈感來自車輛輪胎駛過橋樑時那種有節奏、沉悶的砰砰聲。每一首音樂作品都是對以往音樂和藝術家日常環境聲音的反應與混音。
- 生命本身：最早的自我複製有機體誕生於隨機有機分子在原始湯中四處碰撞、結合，直到發生一種新穎且有用的合成：生命。
我們攝取的數據
這個列表無窮無盡。給我們任何社會認爲“有創造力”的新事物，它無疑都是對已有事物的合成。
歸根結底，人類通過攝取數據來學習。我們聽音樂、讀書、刷社交媒體、觀察自然、經歷日常生活。我們的大腦處理這些龐大的生活經驗數據集，把看似無關的概念拉在一起，合成出有價值的全新創造。
AI 模型又有何不同呢？
它們正是在同樣的數據上開發和訓練的。人類歷史、藝術、文學、代碼和科學的集體輸出。它們處理這些信息，以便自己也能合成出有價值的、富有成效的新創造。其底層機制完全相同。
解決埃爾德什定理是新穎的。它以前從未被做到過，極具實用性，並且綜合了數學中完全不同領域的思想，開闢了一條新路徑。
當 AI 成功地結合不同領域的想法併產生有用且新穎的結果時，它所從事的正是帶給我們電燈泡、《哈姆雷特》和《星月夜》的同一過程。是時候放下這種幻覺了：只有當人類大腦在執行時，合成才被稱爲“創造力”。
