Дональд Кнут, знаменитый американский ученый-алгоритмист, написал несколько дней назад заметку о том, как LLM помогла ему, точнее его соавтору, решить алгоритмическую задачу, над которой Кнут работал несколько недель. Заметка начинается словами "Shock! shock!"

Задача, которую решил Клод, не какая-то знаменитая, и у нее нет, насколько мне известно, важных применений. Мне кажется, интересно даже не столько то, что ИИ ее решил, сколько *как* решил. Это подробнее описано в статье Кнута, но если вкратце - перед Клодом поставили задачу и он работал над ней примерно в 30 подходов-итераций. После каждой итерации он записывал в файл для самого себя краткое описание того, что он только что попробовал и что из этого вышло, и это помогало ему искать новые подходы и не зацикливаться. В процессе решения он испробовал много разных идей, как математических, так и программистских, и в конце концов нашел одну работающую, проверив ее на куче вариантов (хоть и не доказал ее строго, доказательство написал позже сам Кнут). Весь процесс занял около часа, и был почти автоматическим - человеку пришлось несколько раз останавливать или подправлять итерации, в которой Клод путался в своих следах и терял контекст.

Мне кажется, что работа ИИ в этом случае вполне сравнима с тем, как мог над такой задачей работать талантливый студент-аспирант, которому дал ее научный руководитель. Конечное решение не супер сложное и до него вполне можно дойти с помощью упорства и дисциплины (важно проверять свои идеи путем написания тест-программ, не заходя слишком далеко в теорию). Те же 30 итераций аспирант мог сделать за неделю-две; только ИИ сделал за час и без аспиранта.

Это возможно здесь и сейчас, в 2026 году. Обратите внимание, вглядитесь хорошенько. Будущее продолжает наступать на настоящее ударными темпами. Полгода или год назад модели еще не могли настолько самостоятельно работать над математическими задачами на таком уровне.

Теперь попытаюсь вкратце объяснить и показать суть проблемы, которую решил Клод для Кнута.👇