86岁高德纳的"哈密顿坑"被AI填平：算法泰斗与生成式AI的传奇相遇

86岁高德纳的"哈密顿坑"被AI填平：算法泰斗与生成式AI的传奇相遇

86岁高德纳的"哈密顿坑"被AI填平：算法泰斗与生成式AI的传奇相遇

2026年3月，86岁的高德纳"自己挖的坑"终于被填平——困扰他数十年的哈密顿分解难题，被两个AI模型Claude Opus 4.6和GPT-5.4 Pro联手攻克。Claude负责疯狂路径搜索，GPT-5.4严谨验证并生成14页顶级数学论文。高德纳感慨：“我们确实生活在极其有趣的时代。”

核心内容

  • 问题：m×m×m三维网格有向图的哈密顿分解，要求将全部边分解为三个互不重叠的有向哈密顿圈，适用于所有奇数m>2。
  • AI解决过程：Claude Opus 4.6经过31次迭代探索，尝试群论、DFS、模拟退火、纤维分解等方法，最终在第31步通过"纤维分解"找到通用解法。
  • 人类验证：高德纳本人用C语言简化代码并完成严谨证明，确认AI解法的正确性。
  • 论文生成：GPT-5.4 Pro将发现整理成14页数学论文，通过Lean社区专家审查。
  • 科研范式意义：人类从"计算者"转变为"问题定义者"，AI负责执行和验证，预示科研协作模式的根本性变化。

关键实体

  • [[唐纳德-高德纳]] — 算法泰斗，TAOCP作者，难题的提出者和最终验证者
  • [[Claude Opus 4.6]] — Anthropic发布的AI模型，负责探索性搜索
  • [[GPT-5.4 Pro]] — OpenAI发布的AI模型，负责严谨验证和论文生成
  • [[Filip Stappers]] — 高德纳的朋友，将问题喂给AI并验证初步结果
  • [[《计算机程序设计艺术》(TAOCP)]] — 高德纳的毕生巨著，难题来源于此书的未来卷

关键概念

  • [[哈密顿分解]] — 将图的边集分解为多个互不重叠的哈密顿圈
  • [[测试时计算扩展]] — 在推理阶段投入更多计算资源提升模型性能
  • [[纤维分解]] — Claude在解题过程中使用的数学技巧
  • [[AI驱动的数学发现]] — AI在数学研究中的新角色
  • [[科研范式革命]] — 人类从"计算者"转变为"问题定义者"

与现有维基的连接

  • 扩展了[[anthropic]]和[[openai]]的能力认知
  • 与[[大模型不是真理机器-而是论证机器]]形成张力：在结构化数学问题中，AI可通过迭代探索逼近真理
  • 为[[karpathy-ai-jobs-map]]中高暴露度职业提供积极案例：AI是顶尖学者的"认知外骨骼"
  • 强化[[ai-as-amplifier]]论点：AI放大了高德纳的"问题定义"能力

开放问题

  • 偶数m的哈密顿分解问题：AI能否解决？
  • AI的"直觉"来源：Claude为何在第31步转向"纯数学"？
  • 这种"AI探索+人类验证"模式能否推广到其他数学领域？
分享到