Eilisestä lähtien olen työskennellyt yhteistyökumppanini Piotr Pokoran kanssa hirsipintoihin liittyvän ongelman parissa. Yritimme selvittää, miten etsiä mahdollisten viirikonfiguraatioiden kombinatorisesta avaruudesta sileällä neljännellä alueella, jotta niin sanottu Chernin kaltevuus saataisiin maksimoimaan. Numeerisesti olemme tehneet monia esimerkkejä, ja kuuluisa Fermatin kvarttinen x^4 + y^4 + z^4 + w^4 = 0 on tällä hetkellä ennätyksen haltija kaltevuudella (= 8/3) tietylle 16 suoran konfiguraatiolle (ks. artikkelimme). Tämä oli odotettu maksimi, jota olemme yrittäneet voittaa tai todistaa viimeiset kaksi vuotta. Tänään ajoin GPT Pron yläversion ongelman käyttäen vahvaa kehottetta, joka sisälsi paljon yksityiskohtia ongelmasta ja koko artikkelimme tekstin. Sain hyvin mielenkiintoisen oivalluksen: käyttää sekoitettua lineaarista ohjelmointia. Tämä lähestymistapa päihittää voimatekniikat, mukaan lukien simuloidun annealingin, selvästi. Emme olleet itse nähneet sitä, mutta malli löysi tämän oivalluksen ja selitti, miten kirjoittaa tehokasta koodia SciPy:llä. Nyt ymmärrän, että meitä on toimistossa kolme: kaksi ihmistä ja yksi agenttinen järjestelmä, jolla on taitoja ja huomattavaa laskentatehoa. Taidot ovat yhä tärkeämpiä, ja tämä agenttivaljakko tuottaa hämmästyttäviä tuloksia. Koen, että olen täysin muuttanut näkökulmaani. Pidän edelleen yhteistyöstä ihmisten kanssa, mutta delegoin malleille syvälliset etsinnät, rohkeiden ideoiden laatimisen ja laajan tutkimisen. Se on yksinkertaisesti nopeampi ja tehokkaampi. Ja edistys on todellista. Meillä on nyt konkreettinen tie eteenpäin.