Eine Mathematikerin verbrachte zwei Jahre damit, eine Technik zu verfeinern, die seit über einem Jahrzehnt feststeckte. Sie verschob eine berühmte mathematische Grenze um sechs Einheiten. Drei Tage später war ihr Rekord weg.
Diese Abfolge von Ereignissen, komprimiert auf die erste Septemberwoche, ist zu einem Brennpunkt in einer Debatte geworden, die weit über die Zahlentheorie hinausreicht. Sie wirft Fragen darüber auf, wie Wissen entsteht, wer die Anerkennung dafür bekommt und was mit der Kultur eines Fachgebiets passiert, wenn Maschinen menschliche Anstrengungen fast augenblicklich überholen können.
Ein zwölfjähriger Stillstand, dann ein Sprung um sechs Einheiten
Die Primzahlzwillingsvermutung ist eines der beständigsten ungelösten Probleme der Mathematik. Sie stellt die Frage, ob es unendlich viele Paare von Primzahlen gibt, die genau zwei voneinander entfernt sind, wie 3 und 5 oder 17 und 19. Es wird allgemein angenommen, dass die Vermutung wahr ist, aber niemand hat sie bewiesen.
Im Jahr 2013 leistete der Mathematiker Yitang Zhang, der jetzt an der Sun Yat-sen University im chinesischen Guangzhou tätig ist, einen Meilensteinbeitrag. Er bewies, dass eine gewisse Lückengröße unterhalb von 70 Millionen unter Primzahlen unendlich oft vorkommen muss. Das war die erste konkrete Obergrenze für das Problem. Gemeinsame Anstrengungen drückten diese Zahl bis Mitte 2014 schnell auf 246. Dann hörte der Fortschritt auf. Zwölf Jahre lang war 246 der Rekord.
Julia Stadlmann, eine Postdoktorandin an der University of Illinois Urbana-Champaign, begann vor etwa zwei Jahren intensiv an dem Problem zu arbeiten, nachdem sie ihre Doktorarbeit bei James Maynard an der University of Oxford abgeschlossen hatte. Maynard hatte dazu beigetragen, den vorherigen Rekord aufzustellen, und 2022 die Fields-Medaille gewonnen, unter anderem für seine Arbeit über Primzahllücken. Stadlmanns Aufgabe bestand darin, neuere mathematische Techniken mit Zhangs früherem Rahmenwerk zu integrieren, unter Verwendung einer Methode namens Siebtheorie, die zusammengesetzte Zahlen mithilfe sorgfältig kalibrierter Gewichte herausfiltert. Die Bestimmung der optimalen Gewichte erforderte die Berechnung von Volumina in hochdimensionalen Räumen mit nur einem ungefähren Bild davon, wie diese Regionen aussehen. Andrew Granville, ein Zahlentheoretiker an der Universität Montreal, beschrieb die Schwierigkeit treffend: Es geht weit über die Suche nach der Nadel im Heuhaufen hinaus.
Bis zum frühen Sommer 2026 hatte Stadlmann die Grenze von 246 auf 240 verschoben. Es war der erste Fortschritt seit mehr als einem Jahrzehnt. Kannan Soundararajan von der Stanford University nannte es „wirklich ziemlich beeindruckend“ und verwies auf ihre Ausdauer und ihren Mut.
Drei Tage an der Spitze
Stadlmanns Postdoc-Mentor Kevin Ford drängte sie, ihr Ergebnis sofort im Mathe-Preprint-Archiv zu veröffentlichen, als Gerüchte aufkamen, dass OpenAI an demselben Problem arbeitete. Sie tat es. Der Rekord hielt drei Tage.
Forscher bei Axiom Math, einem KI-Startup, das frühere Beweise aus den Jahren 2013 und 2014 überprüft hatte, schwenkten schnell um, nachdem Stadlmanns Ergebnis erschienen war. Sie integrierten ihre neuen Ideen in eine Theorembeweis-KI und drückten die Grenze in Nachtarbeit auf 212 nach unten.
Innerhalb von zwei Stunden nach der Ankündigung von Axiom veröffentlichte OpenAI ein eigenes Ergebnis. Das Unternehmen hatte an einem verwandten Problem gearbeitet, den größten Lücken zwischen Primzahlen, als Benchmark für sein neuestes Large Language Model GPT-6 Astra. Das Problem der kleinen Lücken war, so der OpenAI-Informatiker Sébastien Bubeck, eine Art Zusatz, den Mathematiker innerhalb des Unternehmens verfolgten. GPT-6 Astra brachte die Grenze auf 186 herunter.
OpenAI gibt an, während dieses Zeitraums in Kontakt mit Maynard gestanden zu haben, sich aber nicht direkt an Stadlmann gewandt zu haben. Dieses Versäumnis stieß auf scharfe Kritik. In der Mathematik ist es die professionelle Norm, sich zurückzuziehen, wenn ein anderer Forscher, insbesondere ein jüngerer, bereits an einem Problem arbeitet, oder den Kontakt zu suchen und zusammenzuarbeiten. Granville erklärte direkt, er sehe keine Beweise dafür, dass OpenAI sorgfältig bedacht habe, wie man mit ihr umgegangen ist. Stadlmann selbst sagt, sie fühle sich nicht schlecht behandelt. Viele ihrer Kollegen sehen das in ihrem Namen anders.
Was verloren geht, wenn Maschinen davonrauschen
Das ist es, was die meiste Berichterstattung über die Geschichte verpasst: Der Streit dreht sich eigentlich nicht darum, wer einen Rekord hält. Er dreht sich darum, wozu mathematischer Fortschritt da ist.
Terence Tao von der UCLA, ein Fields-Medaillenträger und eine der meistgelesenen Stimmen in der Mathematik, schrieb, dass das Geschehene bewusste Entscheidungen widerspiegelt, jeden Vorwand aufzugeben, menschliches Verständnis zu erlangen, und stattdessen KI-Tools ausschließlich zur Erreichung eines Benchmarks eingesetzt werden. Dieser Rahmen weist auf eine echte Spannung hin. Wenn eine Maschine einen Beweis liefert, ist dieser möglicherweise formal korrekt und dennoch undurchsichtig. Mathematiker bezeichnen Ausgaben, die mit Inhalten gefüllt sind, die Menschen nicht sofort analysieren können, als „KI-Slop“. Ein gültiger Beweis, den niemand verstehen kann, bringt das Fachgebiet nicht auf dieselbe Weise voran wie ein vom Menschen konstruierter Beweis.
Die tiefere Sorge betrifft das, was der Kampf selbst hervorbringt. Tao, der an früheren Bemühungen zu kleinen Primzahllücken mitgearbeitet hat, hat angemerkt, dass der Wert bei Problemen wie diesen nicht in der Antwort liegt, sondern in dem, was aus dem Prozess hervorgeht: neue Techniken, neue Wege zur Formulierung von Problemen, ein reichhaltigeres Verständnis der Mathematik als Ganzes. Granville bot ein konkretes Beispiel für den echten Nutzen von KI und wies darauf hin, dass ein Beweis, für den er früher einen Monat gebraucht hätte, heute zwei Stunden dauert. Das Tool ist mächtig. Die Frage ist, ob sein Einsatz, um menschliche Forscher ohne Koordination oder Transparenz zu überholen, dem übergeordneten Ziel des Aufbauens von Wissen dient oder einfach nur Benchmarks anhäuft.
Bubeck erklärte, dass OpenAI nicht die Absicht hat, bei dem Problem der Primzahllücken weiter voranzugehen, und dass die Strategie des Unternehmens darin besteht, Mathematiker zu stärken. Ob dieser Ansatz Bestand hat, während die KI-Fähigkeiten wachsen, ist eine Frage, mit der sich das Fachgebiet derzeit intensiv auseinandersetzt.
Kurz gesagt
Eine menschliche Mathematikerin brach einen zwölf Jahre alten Rekord. Innerhalb weniger Tage brachen zwei KI-Systeme ihren. Die Zahlen 246, 240, 212, 186 erzählen eine Geschichte. Die wichtigere Geschichte handelt von professionellen Normen, der Undurchsichtigkeit von maschinell generierten Beweisen und der Frage, ob das Rennen um die Erfassung mathematischer Benchmarks mit dem langsameren, reichhaltigeren Prozess des tatsächlichen Verstehens von Mathematik vereinbar ist.
Basierend auf Berichten von Science News.