Miesiąc temu Donald Knuth zrobił coś, co powinno było rozerwać internet na pół. 87-letni autor The Art of Computer Programming — wielotomowej biblii algorytmicznej, przed którą informatycy klękają od lat 60. — opublikował pracę matematyczną zatytułowaną 'Claude's Cycles". Nazwaną po modelu AI. Bo ten model znalazł to, czego on sam nie mógł.

Internet, jak można się było spodziewać, był zbyt zajęty benchmarkowaniem chatbotów na zagadkach programistycznych, żeby to zauważyć.

Oto dlaczego to ma większe znaczenie niż jakakolwiek wojna na leaderboardach, którą śledzisz w tym tygodniu.

Knuth utknął na kilka tygodni na problemie dekompozycji hamiltonowskich grafów skierowanych. Tłumaczenie dla ludzi: wyobraź sobie sieć ulic jednokierunkowych. Cykl hamiltonowski to trasa, która odwiedza każde skrzyżowanie dokładnie raz i wraca na start — najefektywniejszy rajd po knajpach na świecie, bez powtórek, kończysz tam, gdzie zacząłeś. Knuth potrzebował ogólnej konstrukcji działającej dla dowolnego sześcianu nieparzystowymiarowego większego niż 2×2×2. Małe przypadki rozgryzł ręcznie. Komputery zweryfikowały rozwiązania do 16×16×16. Elegancka ogólna reguła? Tygodnie dłubania. Nic.

28 lutego Filip Stappers — kolega — podrzucił problem Claude'owi Opus 4.6. W ciągu 31 prowadzonych rozmów trwających mniej więcej godzinę Claude atakował hipotezę z każdej strony. Formuły liniowe. Przeszukiwanie brute-force. Frameworki geometryczne. Symulowane wyżarzanie — technika pożyczona z metalurgii, gdzie 'podgrzewasz" i 'schładzasz" rozwiązanie, żeby uciec z lokalnych ślepych zaułków. Uderzał w ściany. Zmieniał podejście. Ciągnął dalej.

I rozgryzł. Claude samodzielnie zidentyfikował strukturę bazową jako digraf Cayleya — specyficzny typ sieci zbudowany z operacji na grupach matematycznych — i przeformułował problem odpowiednio. Wynikowy 'serpentynowy" wzorzec okazał się odpowiadać klasycznemu kodowi Graya, sekwencji kombinatorycznej, w której kolejne elementy różnią się dokładnie jednym bitem. Claude wyprowadził to od zera, nie wiedząc, że klasyczna wersja istnieje. AI wynalazł od nowa znaną strukturę matematyczną, rozwiązując problem, którego żywa legenda nie mogła ruszyć.

Suche liczby dla pedantów: 11 502 cykle hamiltonowskie dla przypadku 3×3×3. Z nich 1 012 uogólnia się na 5×5×5, a 996 działa zarówno dla 5×5×5, jak i 7×7×7. Dokładnie 760 dekompozycji 'typu Claude'a" trzyma się dla wszystkich wymiarów nieparzystych większych od 1.

A teraz część, w której psuję imprezę.

Claude nie zrobił tego sam. Nawet blisko. Stappers sterował każdą z tych 31 rozmów. Knuth sam napisał formalny dowód. Przypadek parzystowymiarowy — dosłownie druga połowa problemu — pozostaje nierozwiązany, a Claude nie poczynił żadnych użytecznych postępów w tym kierunku. Mówimy więc o modelu, który przy wprawnym człowieku za kierownicą rozwiązał połowę problemu w wysoce ustrukturyzowanej dziedzinie. Nie do końca Skynet.

Ale oto co sceptycy muszą przetrawić: 'wprawny człowiek za kierownicą" sam już próbował. I nie dał rady. To narzędzie zrobiło różnicę. Nie marginalną — jakościową. Tygodnie wysiłku jednego z najwspanialszych umysłów algorytmicznych w historii, rozwiązane w godzinę przez model, który nie rozumie, czym jest graf.

Knuth napisał: 'to radość dowiedzieć się nie tylko, że moja hipoteza ma eleganckie rozwiązanie, ale też świętować ten dramatyczny postęp w automatycznej dedukcji". A w zrewidowanej wersji (16 marca) dorzucił: 'Wygląda na to, że któregoś dnia będę musiał zrewidować swoje opinie o 'generatywnym AI'".

Z ust człowieka, który zapomniał więcej o algorytmach, niż większość wydziałów informatyki łącznie wie — to zdanie detonuje cicho. To nie jakiś influencer z LinkedIna ogłaszający zwycięstwo sztucznej inteligencji. To osoba, która zdefiniowała standardy złożoności obliczeniowej, przyznając w opublikowanej pracy naukowej, że jej wcześniejsze przekonania o AI były błędne.

A my kolektywnie zareagowaliśmy przewijając dalej, żeby się kłócić, czy okno kontekstowe Gemini to naprawdę 2 miliony tokenów.

Lekcja nie polega na tym, że AI idzie po matematyków. Jest ciemniejsza i prostsza. Ludzie najlepiej przygotowani do używania tych narzędzi — eksperci dziedzinowi z trudnymi, dobrze zdefiniowanymi problemami — uzyskują wyniki wyglądające jak magia. Cała reszta używa tych samych modeli do generowania postów na LinkedIna i kłócenia się o benchmarki. Przepaść między 'AI jako ostre narzędzie w rękach eksperta" a 'AI jako sztuczka na imprezie" nie zamyka się. Pogłębia.

Knuth nie nazwał paperu po chatbocie, bo zmiękł na starość. Nazwał go tak, bo intelektualna uczciwość tego wymagała. AI znalazł odpowiedź. Knuth miał na tyle kręgosłupa, żeby to powiedzieć.

Większość z nas go nie ma. Będziemy dalej udawać, że narzędzia są albo bezużyteczne, albo wszechmocne, bo niewygodna prawda — że są potężne, ale tylko w kompetentnych rękach — nie pasuje nikomu do narracji.