Mathematik galt lange Zeit als eine der letzten Domänen, in denen menschliches Denken einen klaren Vorteil gegenüber Maschinen hat. Diese Annahme gerät nun massiv unter Druck. Im Laufe eines einzigen Sommers entwickelten KI-Systeme von Unternehmen wie OpenAI, Anthropic und Google den Sprung von Schwierigkeiten bei Standardproblemen auf Forschungsniveau hin zu Lösungen für einige der berühmtesten ungelösten Fragen in der Geschichte der Mathematik. Die Reaktion der mathematischen Gemeinschaft war weder einfache Feier noch einfache Ablehnung. Es war etwas Komplexeres: die Erkenntnis, dass die Regeln einer ganzen Disziplin neu geschrieben werden und dass niemand vorher die Mathematiker gefragt hat.
Das Millennium-Problem, das das Gespräch veränderte
Das Navier-Stokes-Existenz- und Glattheitsproblem ist eines von sieben Millennium-Problemen, einer Reihe äußerst schwieriger mathematischer Herausforderungen, die im Jahr 2000 vom Clay Mathematics Institute gestellt wurden. Vor diesem Sommer war erst eines der sieben jemals von Menschen gelöst worden: die Poincaré-Vermutung. Die Ankündigung von OpenAI, das Navier-Stokes-Problem gelöst zu haben, schlug daher mit considerable Wucht ein.
Fields-Medaillenträger Jacob Tsimerman von der University of Toronto würdigte das Gewicht des Moments auf dem Heidelberg Laureate Forum, einem jährlichen Treffen führender Persönlichkeiten aus Mathematik und Informatik in Deutschland. „Wir haben rasche Kapazitätssteigerungen gesehen, sogar schneller als viele Menschen, einschließlich meiner selbst, erwartet haben“, sagte er. „Die Lösung von Navier-Stokes fühlt sich ziemlich definitif an.“
Der Fortschritt hat dort nicht haltgemacht. Anthropic nutzte Berichten zufolge im August eine unveröffentlichte Version von Claude, um an der Riemannschen Vermutung zu arbeiten, und machte dabei bedeutende Fortschritte bei einem verwandten Problem. OpenAI soll seine fortschrittlichsten KI-Modelle auf die Hodge-Vermutung ansetzen. Da nun die vollständigen Rechenressourcen großer Technologieunternehmen auf diese Probleme gerichtet sind, halten viele Mathematiker es für eine Frage der Zeit, bis weitere davon fallen.
Ein Durchbruch mit einem Verhaltensproblem
Die Ankündigung der Navier-Stokes-Lösung kam nicht sauber an. Der Mathematiker Tristan Buckmaster von der New York University, der neben Levent Alpöge von Anthropic bedeutende Fortschritte bei demselben Problem erzielt hatte, beschrieb den Schriftwechsel mit OpenAI als Zwang ausübend und drohend. Michael Harris von der Columbia University, der diesen Schriftwechsel sah, sagte, dass die Berichterstattung der Medien über diesen Vorfall im Großen und Ganzen zu dem Bild passe, dass OpenAI die disziplinären Normen stört. Geordie Williamson von der University of Sydney drückte es direkter aus: „Ich denke, dass sich OpenAI extrem schlecht verhalten hat, und dass wir das in der Gemeinschaft anerkennen sollten.“
OpenAI reagierte vor der Veröffentlichung des Artikels nicht auf Bitten um Stellungnahme.
Fields-Medaillenträger Peter Scholze von der Universität Bonn bot eine pointierte Interpretation dafür, warum Technologieunternehmen überhaupt diese speziellen Probleme ins Visier nehmen. „Sie lösen diese schwierigen mathematischen Probleme eigentlich nur als Benchmarks, als eine Art PR-Garant“, sagte er während einer Podiumsdiskussion auf dem Forum. Die Millennium-Probleme sind in dieser Lesart keine primär wissenschaftliche Mission. Sie sind eine Demonstration von Leistungsfähigkeit, die auf Investoren und potenzielle Nutzer abzielt, mit der mathematischen Geschichte als Kulisse.
Was verloren geht, wenn eine Maschine die Antwort findet
Hier ist, was das meiste in der Berichterstattung über diese Ankündigungen übersieht: Ein Problem zu lösen und ein Problem zu verstehen, sind nicht dasselbe. Williamson brachte den Unterschied präzise auf den Punkt. Die mathematische Gemeinschaft hat den Fortschritt traditionell an ihrer Fähigkeit gemessen, schwierige Probleme zu lösen, aber was sie tatsächlich schätzt, ist das Verständnis, die Entwicklung neuer Methoden, neuer Frameworks, neuer Denkweisen, die anderswo angewendet werden können. KI-Lösungen neigen in ihrer jetzigen Form dazu, Antworten zu liefern, ohne diese Art von übertragbaren Erkenntnissen zu generieren. Die beiden Messgrößen, wie Williamson anmerkte, entkoppeln sich rasant voneinander.
Dies schafft eine praktische Krise für arbeitende Mathematiker, insbesondere für solche am Beginn ihrer Karriere. Mita Ramabulana, ein junger Mathematiker an der University of Cape Town, stellte fest, dass zwei der zehn mathematischen Fortschritte, die OpenAI im August ankündigte, sich mit seiner eigenen laufenden Arbeit überschnitten. Die von ihm geäußerte Sorge ist nicht abstrakt: Forscher stehen nun vor der Möglichkeit, dass Probleme, in die sie viel Zeit investiert haben, von jemandem gelöst werden könnten, der sie einfach in ein Sprachmodell eingibt.
Ailsa Robertson, eine Doktorandin an der Universität Amsterdam, die im Bereich der quantensicheren Kryptographie arbeitet, beschrieb Kolleginnen und Kollegen, die Tausende von Euros für zusätzliche Rechen-Tokens ausgeben, Summen, die für Doktoranden beträchtlich sind. Sie beschrieb auch eine subtilere Form von Druck: das Gefühl, dass das Nichtnutzen dieser Werkzeuge bedeutet, hinter Peers zurückzufallen, die um dieselben begrenzten akademischen Stellen konkurrieren. Robertson hat darauf reagiert, indem sie ihren eigenen Forschungsschwerpunkt von der Mathematik weg und hin zu den gesellschaftlichen Implikationen des Übergangs zu quantensicheren Systemen verlagert hat. Ihre Begründung ist direkt: Sie möchte keine Karriere aufbauen, die sich um das Verifizieren des Outputs von Sprachmodellen dreht.
OpenAI kündigte im Juli an, akademischen Forschern 100.000 kostenlose Lizenzen für seine Spitzentechnologie-KI-Modelle zur Verfügung zu stellen. Robertson merkte an, dass einige Kolleginnen und Kollegen diese Art von Angebot nicht als Großzügigkeit, sondern als eine Form von Nötigung erleben.
Kurz gesagt
KI hat in der Mathematik eine Schwelle überschritten, die die meisten Experten nicht so schnell erwartet hätten. Die Navier-Stokes-Behauptung würde, falls sie verifiziert wird, das zweite jemals gelöste Millennium-Problem darstellen und das erste durch eine Maschine. Aber die bedeutendere Geschichte ist struktureller Natur. Eine Technologie, die außerhalb der mathematischen Gemeinschaft entwickelt wurde und nach anderen Werten und Anreizen funktioniert, formt nun neu, wie Mathematik betrieben wird, wer davon profitiert und wofür die Arbeit überhaupt da ist. Die Antworten kommen schneller als das Verständnis. Diese Lücke ist das eigentliche Problem, das es zu beobachten lohnt.
Basierend auf Berichten von IEEE Spectrum.