Legendarny ojciec algorytmiki, Donald Knuth, przyznał, że musi zrewidować swoje sceptyczne podejście do sztucznej inteligencji. Wszystko za sprawą modelu Claude Opus 4.6, który w zaledwie godzinę odnalazł rozwiązanie problemu matematycznego, nad którym profesor pracował bezskutecznie przez wiele tygodni.
Najważniejsze w skrócie:
- Donald Knuth opublikował pracę „Claude’s Cycles”, upamiętniającą wkład AI w teorię grafów.
- Model Anthropic odnalazł ogólną konstrukcję dekompozycji cykli Hamiltona dla nieparzystych wymiarów.
- Proces nie był autonomiczny – wymagał 31 interakcji i naprowadzania przez człowieka.
- Rozwiązanie opiera się na strukturze zbliżonej do klasycznego kodu Graya i grafów Cayleya.
Przełom w teorii grafów: Od intuicji do dowodu
Donald Knuth, autor monumentalnego dzieła The Art of Computer Programming, od lat uchodził za umiarkowanego sceptyka w kwestii zdolności LLM do rygorystycznego rozumowania matematycznego. Sytuacja uległa zmianie 4 marca 2026 roku, gdy na serwerach Stanforda pojawiła się publikacja „Claude’s Cycles”. Dokument otwiera okrzyk zdumienia: „Shock! Shock!”.
Problem, z którym mierzył się Knuth, dotyczył dekompozycji skierowanych grafów o wierzchołkach na trzy cykle Hamiltona. O ile profesor posiadał rozwiązania dla małych, konkretnych przypadków (np.), o tyle sformułowanie ogólnej zasady konstrukcyjnej dla wszystkich nieparzystych wartości pozostawało poza jego zasięgiem. Praca ta miała stać się częścią nowego tomu jego serii, jednak brak ogólnego wzoru blokował postęp.
Jak Claude „zhakował” matematykę?
Filip Stappers, współpracownik Knutha, postanowił wykorzystać model Claude Opus 4.6 jako partnera do burzy mózgów. Zamiast liczyć na „cudowne” rozwiązanie po jednym pytaniu, Stappers przeprowadził sesję składającą się z 31 kroków badawczych. AI nie zgadywało wyniku – przeprowadzało analizę strukturalną, testowało formuły liniowe, a po serii błędów i martwych punktów, samodzielnie zidentyfikowało problem jako graf Cayleya.
Kluczowym momentem było odkrycie przez model wzoru, który sam nazwał „serpentynowym”. Jak się później okazało, Claude nieświadomie zrekonstruował matematyczną strukturę znaną jako modularny m-arny kod Graya. Dzięki temu model wygenerował kod w języku Python, który poprawnie wyznaczał cykle dla wszystkich testowanych wymiarów nieparzystych (aż do m=101).
Metodologia sukcesu: Człowiek jako nawigator
Warto zauważyć, że sukces ten nie jest dowodem na pełną autonomię sztucznej inteligencji. W przeciwieństwie do wcześniejszych podejść opartych na czystym brute-force (przeszukiwaniu siłowym), sesja z Claude’em przypominała pracę z bardzo zdolnym doktorantem.
| Cecha procesu | Opis działania |
|---|---|
| Inicjatywa | Człowiek definiował ramy i dokumentował wyniki pośrednie. |
| Kreatywność AI | Model zaproponował „dekompozycję włóknistą” (fiber decomposition), by uprościć graf. |
| Weryfikacja | Knuth osobiście napisał formalny dowód matematyczny na podstawie wzoru AI. |
| Ograniczenia | Model całkowicie poległ na próbie rozwiązania przypadku dla wymiarów parzystych. |
Dla porównania, wcześniejsze próby wykorzystania prostszych modeli często kończyły się „halucynowaniem” nieistniejących twierdzeń. Tutaj Agentic AI wykazało się zdolnością do zmiany strategii, gdy pierwotne założenia (np. funkcje liniowe) okazywały się błędne.
Dlaczego to ważne?
To wydarzenie symbolizuje koniec ery, w której AI postrzegano jedynie jako zaawansowany edytor tekstowy lub generator obrazów. Gdy postać formatu Donalda Knutha – człowieka, który zdefiniował fundamenty współczesnej informatyki – przyznaje, że „musi zrewidować swoje opinie”, mamy do czynienia z tektoniczną zmianą w nauce.
Wkład Claude Opus 4.6 w „Claude’s Cycles” pokazuje, że sztuczna inteligencja staje się katalizatorem w dziedzinach wymagających najwyższego stopnia abstrakcji, takich jak kombinatoryka. Ważna jest tu subtelna różnica: AI nie dostarczyło dowodu (to zrobił Knuth), ale dostarczyło intuicji i konstrukcji, której ludzki umysł nie był w stanie dostrzec przez tygodnie intensywnej pracy. To dowód na to, że systemy te potrafią identyfikować głębokie matematyczne symetrie.
Jednocześnie przypadek ten definiuje nową rolę naukowca. Stappers nie był tylko „użytkownikiem”, lecz operatorem procesu badawczego. Bez jego nadzoru, sesja mogłaby utknąć w błędach technicznych (np. błędy sesji i utrata danych). To potwierdza, że przyszłość matematyki to symbioza: AI jako „poszukiwacz wzorców” i człowiek jako „weryfikator prawdy”.
Co dalej?
- Nowy paradygmat badawczy: Spodziewamy się wzrostu liczby publikacji naukowych, w których AI figuruje jako współautor lub inspiracja dla głównych twierdzeń.
- Rozwiązanie przypadku parzystego: Matematycy będą teraz szukać odpowiedzi, dlaczego „serpentynowy” wzór zawodzi dla parzystych wymiarów m – to kolejny otwarty problem dla duetów człowiek-AI.
- Integracja z narzędziami dowodowymi: Kolejnym krokiem będzie połączenie modeli językowych z systemami weryfikacji dowodów, aby proces od pomysłu do certyfikowanego twierdzenia był całkowicie zautomatyzowany.
Źródło: Awesome Agents, A BIT of future, every hour (abit.ee), 36Kr, Valeriy’s Substack, Oficjalna strona Wydziału Informatyki Uniwersytetu Stanforda: Publikacja Donalda E. Knutha pt. „Claude’s Cycles” (zrewidowana 2 marca 2026).
