AI 破解数学难题，让人类专家卡壳几周

我刚看完一个超级牛的AI解题故事，忍不住要分享给大家。主角是唐纳德·克努斯——没错，就是写《计算机程序设计艺术》的那位大牛，计算机科学界的活传奇。他最近发了一篇论文，标题叫《Claude的循环》，一看就让人眼前一亮。

难题是怎么来的

想象一个3D网格，每个点连着另外三个点，规则超级严格。任务是找出三条路径，每条路径走遍所有点，一点不重样，还得用上所有连接线。

克努斯小规模的已经搞定，但通用解法怎么都找不到。他纠结了好几周，头都大了。

Claude 上场了

克努斯的同事菲利普·斯塔珀斯心血来潮，把问题扔给Anthropic的Claude Opus 4.6。本来没抱啥希望，结果Claude玩真的。它搞了31步“探索”，一步步推进。

先试简单招（失败），再上复杂玩法。它重塑问题，挖出隐藏模式，慢慢逼近答案。特别亮眼的是第15步，它发明“纤维分解”——聪明地把大问题切成小块。这可不是傻力气算，是真有数学洞察力。

关键突破

折腾几小时后，第31步，Claude灵光一闪。给出了一个通用构造，不仅解决克努斯测试的案例，还适用于所有大于2的奇数。代码就几行，优雅又实用。

斯塔珀斯验证了从3到101的所有奇数，全都完美通过。

这事儿有啥意义

别慌，AI还没取代数学家。克努斯自己说，还得人类补上严格证明。Claude找到模式，但懂“为什么行”还得靠人脑。

牛的地方在于合作：AI系统探索+认模式，人脑直觉+证明。不是取代，是给数学家添了个神器。

真实不那么光鲜

克努斯讲得最接地气：过程乱七八糟。Claude老出错，得重启好几次。还得反复提醒它记笔记。有时卡壳，代码还崩。

跟AI干复杂活儿，就是活儿。没魔法，不轻松。但成功时，惊喜满满。

未来咋样

偶数情况还没解，Claude也没辙。人类直觉、创意还有大把用武之地。

不过这种故事让我超乐观。AI不会抢饭碗，而是变身顶级助手：帮探索空间、挖模式、提思路——人类容易忽略的那些。

克努斯结尾说得好：“向Claude致敬！”对。还有向会问对问题、读懂结果的人类致敬！