算法教父Don Knuth对生成式AI的态度反转
算法教父Don Knuth对生成式AI的态度反转
导语：
在计算机科学的殿堂里，唐纳德·克努斯（Donald Knuth，中文名高德纳）是一个如图腾般的名字。作为图灵奖得主、排版系统TeX的发明者以及计算机科学界“圣经”《计算机程序设计艺术》（TAOCP）的作者，这位八十多岁的学术泰斗向来以极度的严谨和对技术炒作的冷感而闻名。
面对近年来席卷全球的生成式AI（GenAI），Knuth曾是不折不扣的“怀疑论者”，批判大模型的缺陷。
然而，时间来到2026年。在斯坦福大学的个人主页上，Knuth发表了一篇名为《Claude’s Cycles》的论文。这篇论文不仅以AI模型命名，其开篇的第一句话更是打破了他一贯的沉稳，连用了两个感叹号：“Shock! Shock!（震惊！震惊！）”
一向桀骜的算法教父，究竟经历了什么，才让他坦言“看来我迟早得修正我对‘生成式AI’的看法了”？这背后不仅是一道图论难题的破解，更是一次关于机器智能、知识生产与人类思维边界的深刻范式转移。
一、 困住教父的“三维网格”与31步AI推理
故事的起因是Knuth正在为他的毕生心血《计算机程序设计艺术》新卷撰写关于“有向哈密顿圈（Directed Hamiltonian Cycles）”的内容。他遇到了一个棘手的图论难题：在一个三维网格（具有 $m^3$ 个顶点的有向图）中，如何找到一种通用的方法，将所有路径完美地分解为三个有向哈密顿圈？
Knuth靠人工计算出了 $m=3$ 时的解，但对于更高维度（$m > 2$）的通用数学构造，这位算法宗师苦思冥想了数周，依然毫无头绪。
随后，他的朋友Filip Stappers将这个问题抛给了Anthropic在2026年初发布的混合推理模型——Claude Opus 4.6。
奇迹并非瞬间发生，而是一次极具“人味儿”的探索过程。在人类的引导下，Claude并非给出一个黑盒式的直接答案，而是像一名真正的数学研究生一样，进行了长达31步的探索：
1. 初期：它尝试了传统的暴力破解写代码（brute-force），很快发现计算量太大，对于大网格根本行不通。
2. 中期：它开始寻找对称性，测试蛇形路径（serpentine patterns）和代数变体，甚至使用了“模拟退火（Simulated Annealing）”算法。
3. 元认知觉醒：在第25次探索时，Claude令人惊讶地展现出了“元认知”能力。它在日志中写道：“模拟退火只能找到特解，无法提供通用构造，我们需要纯数学（Need pure math）。”
4. 破局：在第31次探索时，Claude发现了一种类似格雷码（Gray-code）的模式，成功构造出了针对所有奇数 $m$ 的通用解程序。
二、 从“算法构造”到“形式化验证”：一场完美的双人舞
收到Claude的构造解后，Knuth大受震撼。但他作为顶尖数学家的工作才刚刚开始。
Claude提供的是一种算法构造和程序，而非严格的数学证明。Knuth接过了接力棒，他基于Claude的思路，亲自写下了严谨的形式化数学证明，证明了这条路径确实遍历了所有顶点，形成了一个长度为 $m^3$ 的完整圈。
更有趣的是，在将其一般化的过程中，Knuth发现满足这种结构的分解方法实际上有760种，但他感叹道，没有任何一种比Claude最先发现的那一种更优美。为了纪念这一贡献，Knuth在论文中正式将这类解法命名为“Claude式分解”（Claude-like decompositions），不仅是向AI模型致敬，也是向信息论之父Claude Shannon致敬。
这一事件在Hacker News、Reddit等硬核技术社区引发了轩然大波。著名的Lean定理证明器创造者Leo de Moura由此提出了一个灵魂拷问：“当AI编写软件（或提出解法）时，谁来验证它？”（When AI writes the software, who verifies it?）
这恰恰揭示了当前最前沿的“人机协作新分工”：
* AI擅长“发现”（Discovery）：在庞大的高维可能性空间中，AI能以远超人类的算力进行模式识别、启发式搜索和跨学科直觉碰撞。
* 人类/机器系统擅长“验证”（Verification）：在需要绝对真理的逻辑链条上，人类专家的严谨推演（或形式化验证工具如Lean、Coq）依然是知识合法性的最终守门人。
三、 数字人文视角的反思：走向计算与直觉的共生
站在数字人文的视角来看，Knuth与Claude的合作远远超越了一个孤立的技术新闻，它在认识论层面上为我们提供了深刻的启示。
1. 智能主体角色的演进：从“随机鹦鹉”到“科研协作者”
过去，人文学界常常批评大模型只具备预测下一个词的概率能力，是缺乏真正理解的“随机鹦鹉（Stochastic Parrots）”。然而，Claude Opus 4.6在这个数学问题中展现出的反思能力（自我意识到模拟退火的局限性并主动切换策略）表明，带有复杂反思框架（Hybrid reasoning）的AI已经开始展现出解决创新性问题的特质。它不再仅仅是回答问题的百科全书，更是探索未知的“同伴”。
2. 知识生产的重塑：人机互信边界的延伸
在人文学科和科学探索中，我们如何确立“信任”？Knuth的论文给出了示范。AI给出的并非真理本身，而是通向真理的“手电筒”。在知识生产链条中，“灵感获取”的成本被AI极大降低，而“意义赋予”与“逻辑奠基”的价值则被进一步凸显。知识的生产不再是单向的“人类思考-机器计算”，而是“机器涌现-人类验证”的闭环。
3. 大师的纯粹与开放：科学精神的终极体现
在这个事件中最令人动容的，或许是Don Knuth本人的态度。面对一个自己钻研数周无果、却被机器一小时攻克的难题，这位88岁的学术巨匠没有表现出人类中心主义的傲慢或防御心理，而是充满热情地拥抱了这一变化。他坦诚地公开了AI的贡献，惊叹于其优美，甚至用自己的学术声誉为AI正名。这是一种超越了物种自尊的纯粹求知欲，也是人文精神在数字时代最闪耀的体现。
结语
从2023年到2026 年，Donald Knuth态度的转变，可以说是生成式AI发展史上的一个微观缩影。
《Claude's Cycles》不仅解开了一个三维图论的哈密顿圈，也完成了一个人机交互的认知循环。在这个新的纪元里，机器的智能不再是对人类智慧的剥夺，而是对人类探索未知的无限延展。
也许在不远的将来，无论是计算机科学还是数字人文研究，最伟大的洞见都将诞生于那些既精通传统严谨治学，又懂得如何与AI进行高阶思维对话的研究者手中。而Knuth的这篇开创性短文，将作为历史的见证，被长久地引用下去。
智能数字人文 · 用 AI 重新丈量人文的边界
本文首发于微信公众号"智能数字人文"。引用请注明出处。