Maskinen kan finne snarveier i tanken

En av datavitenskapens vakreste ideer har nettopp blitt overgått – ikke av et menneske, men av en maskin. Det sier mer om fremtiden for tenkning enn om fremtiden for teknologi.

Jeg lærte algoritmisk tenkning av Edsger W. Dijkstra. Han var ikke en sentimental mann. Han mente at informatikkens mål var klarhet, ikke hastighet. Hans algoritme for å finne korteste vei i et nettverk ble stående som et av de mest presise uttrykkene for slik klarhet. For dette og annet arbeid fikk han Turing-prisen – datavitenskapens svar på nobelprisen. Nå, sytti år senere, har en ny algoritme forbedret hans livsverk. Og den ble ikke laget av et menneske.

Hva en algoritme egentlig er

En algoritme er en oppskrift på hvordan et problem skal løses – trinn for trinn. Ikke et program i seg selv, men logikken bak det. Alan Turing beskrev på 1930-tallet hvordan en slik oppskrift kunne utføres av en maskin, uansett om det gjaldt tall, tekst eller bilder.

Hele informatikkens historie siden den gang har handlet om å gjøre disse oppskriftene mer effektive.

Når kompleksitet blir konkret

Kompleksitet måler hvor mange trinn en slik oppskrift trenger. Et bilde: Du skal finne veien hjem i en by med én million gater. Hvis du må sjekke alle veier én etter én, vil det ta uendelig tid. En god algoritme finner snarveier – ved å bruke strukturen i byen, ikke styrken i musklene. Men når byen vokser, vokser problemet raskere enn vi intuitivt forstår. Dobbelt så mange gater kan kreve hundre ganger så mye regning.

Dette er grunnen til at alt fra trafikkstyring og energinett til språkmodeller møter grenser: Kompleksiteten spiser opp fremskrittene i datakraft.

Når Dijkstra ble slått

Edsger Wybe Dijkstra (1930–2002) var en nederlandsk matematiker, programmerer og ingeniør. Han fikk Turing-prisen i 1972.

Dijkstras metode reduserte dette problemet dramatisk. I stedet for å utforske alle veier, undersøkte han dem i en ordnet rekkefølge – alltid den korteste først. Det var logikkens snarvei.

I 2025 fant forskere ved Tsinghua-universitetet i Kina en ny måte å gjøre dette på. De klarte å fjerne en del av den matematiske sorteringen som har vært uunngåelig i sytti år. Den nye metoden reduserer kompleksiteten fra O(m log n) til O(m log^(2/3) n) – et tørt uttrykk, men i praksis betyr det at store beregninger kan gå opptil 40 prosent raskere.

Dette høres ut som en marginal gevinst, men det bryter en grense vi trodde var fast. Det er som å finne ut at man kan bygge en bro uten å bruke alle bærebjelkene – fordi geometrien viser seg å være mer tilgivende enn vi trodde.

Når elegante tanker erstattes med rå maskinkraft

Det mest interessante er hvordan det skjedde. Dijkstra fant sin løsning med penn og papir. Den nye algoritmen ble funnet gjennom systematisk maskinell utforsking: Millioner av mulige varianter ble prøvd og forkastet til mønstrene begynte å gi mening.

Menneskelig innsikt ble erstattet av maskinens utholdenhet. Og med det viskes forskjellen ut mellom den elegante løsningen og den brutale. Der Dijkstra søkte skjønnhet, finner maskinen styrke.

Et nytt nivå av forståelse

Dette handler om mer enn matematikk. Vi er i ferd med å flytte grensen for hva det betyr å forstå. Når maskiner finner bedre løsninger enn vi gjør, men uten å kunne forklare hvorfor, utfordrer det selve ideen om kunnskap. Kanskje er det ikke lenger vi som skal forstå algoritmene fullt ut, men de som hjelper oss å forstå verden på nye måter.

Dijkstra sa at programmering er det mest presise uttrykk for tanke som finnes. Turing viste at slik tanke kan formaliseres. Nå er det selve formaliteten som lærer seg å tenke.

‍