Kurz zusammengefasst
- Terence Tao argumentierte, dass KI das Angebot an fruchtbaren offenen Mathematikproblemen schneller erschöpft, als Mathematiker neue identifizieren können.
- Seine Warnung folgt einem realen Präzedenzfall von KI-Laboren, die historisch schwierige Probleme gelöst haben.
- Tao möchte, dass Mathematiker bestimmte Probleme als "analyse-erfordernd" kennzeichnen, sodass eine bloße KI-generierte Antwort ohne erklärte Begründung wenig zählt.
Terence Tao, der UCLA-Professor, der weithin als der beste lebende reine Mathematiker gilt, hat Alarm geschlagen wegen des sich beschleunigenden KI-Wettlaufs in der Mathematik, der gerade stattfindet.
Tao, dem 2006 die Fields-Medaille verliehen wurde, veröffentlichte gestern eine Warnung auf der mathematikzentrierten Mastodon-Instanz Mathstodon, in der er argumentierte, dass KI das Angebot an guten offenen Problemen des Fachgebiets erschöpft – die ungelösten Fragen, die die Mathematik tatsächlich voranbringen. Nicht Beweise. Nicht Papiere. Gute Fragen.
Jeder kann unendlich viele neue mathematische Fragen erfinden; die googolste Ziffer von Pi ist technisch gesehen ein offenes Problem, das niemand berechnet hat. Fast keine davon ist von Bedeutung, denn die meisten lehren nichts über das weitere Feld. Was wirklich zählt, schrieb Tao, ist zu wissen, was die Mühe tatsächlich wert ist.
„Kurz gesagt, der wahllose Einsatz leistungsfähiger Werkzeuge zur Lösungsextraktion kann das unmittelbare kurzfristige Ziel erreichen, die anstehenden Probleme zu lösen, aber auf Kosten der Aufrechterhaltung des Ökosystems für die nächste Welle des Fortschritts oder des Verständnisses des bereits erzielten Fortschritts“, schrieb Tao.
Mit der Veröffentlichung von Reasoning-Modellen und der neuesten Generation von Frontier-KI-Systemen haben Labore begonnen, enorme Mengen an Rechenleistung auf mathematische und wissenschaftliche Probleme zu werfen. Anthropic und OpenAI haben ihre Modelle an Problemen getestet, die menschlichen Mathematikern jahrelang, manchmal jahrzehntelang widerstanden haben.
Die Ergebnisse reichten von Quantenphysik über angewandte Mathematik bis hin zur Medizin. Aber Mathematik ist anders: Wirklich schwierige Probleme sind relativ selten, und Forscher wählen oft sorgfältig aus, welche sie Monate oder sogar Jahre verfolgen.
Das herauszufinden hing früher von der „Schwierigkeitslandschaft“ eines Fachgebiets ab – welche Fragen trivial sind, welche echte Anstrengung erfordern, welche mit aktuellen Werkzeugen hoffnungslos sind. Neue Methoden haben Teile dieser Landschaft immer eingeebnet, aber sie eröffneten auch neue Grenzen jenseits ihrer eigenen Grenzen. KI bricht mit diesem Muster, argumentiert Tao, weil niemand genau sagen kann, wo die Fähigkeit eines Modells endet.
Vom Gerücht zum Wettlauf
Tao beschreibt keine Hypothese. Im Mai hat ein OpenAI-Modell die Erdős-Unit-Distance-Vermutung widerlegt, eine 80 Jahre alte Frage darüber, wie viele Punktpaare auf einer Ebene genau eine Einheit voneinander entfernt sein können. Externe Mathematiker, darunter der Fields-Medaillengewinner Tim Gowers, haben sie verifiziert.
Innerhalb derselben Woche hat der Anthropic-Forscher Levent Alpöge dasselbe Problem mit Claude Mythos durchgespielt, dem unveröffentlichten Spitzenmodell des Unternehmens, das offline arbeitete, um die veröffentlichte Lösung von OpenAI nicht kopieren zu können. Der Anthropic-Ingenieur Sholto Douglas nannte das Ergebnis einen „niedlichen, einfachen Beweis“, kürzer als die Lösung von OpenAI. Der Mathematiker Daniel Litt nannte ihn „etwas schlechter“ als die Version von OpenAI, obwohl Mythos auch die Lösung von OpenAI selbst fand.
Große Anerkennung an das OAI-Team für die Lösung des Unit-Distance-Problems mit 5.5 – es ist jetzt mein Paradebeispiel dafür, dass Modelle tatsächlich unterschiedliche Ideen zu neuen Entdeckungen zusammenführen können.
Wie bei allen 4-Minuten-Meilen mussten wir es auch versuchen! Es stellt sich heraus, dass Mythos es mit einem niedlichen,… https://t.co/NFymE8P8lu
— Sholto Douglas (@_sholtodouglas) 26. Mai 2026
Erst diese Woche hat Anthropic einen jahrhundertealten Beweis des letzten Satzes von Fermat formalisiert und wenige Tage später hat OpenAI ein 90 Jahre altes Problem geknackt, Stunden nachdem ein Forscher seinen eigenen Beweis veröffentlicht hatte, und verfasste gemeinsam mit einem Anthropic-Forscher ein Papier.
Genau dieser Wettlauf bereitet Tao Sorgen. „Wir haben jetzt gesehen, dass selbst das Gerücht, dass jemand an einem Problem arbeitet, eine massive KI-gestützte Anstrengung auslösen kann, es zu plätten, bevor das ursprüngliche Forschungsprojekt Zeit hat, sein volles Potenzial zu entfalten“, schrieb er.
Tao argumentiert, dass dies letztlich Jahrhunderte offener Wissenschaft umkehrt.
Beurteile den Prozess, nicht nur die Antwort
Taos vorgeschlagener Fix besteht darin, bestimmte Probleme als „analyse-erforderlich“ zu kennzeichnen, was bedeutet, dass eine korrekte rohe Antwort wenig zählt, es sei denn, sie wird von einer Begründung begleitet, die etwas über verwandte Probleme offenbart. Er verglich dies mit Lebensmittelbanken, die keine Spenden mehr annahmen, die nur essbar waren.
Es ist entweder das oder ein KI-Verbot in der Mathematik, eine Lösung, die Tao für „technisch undurchführbar“ hält.
Der Vorschlag wurde noch nirgendwo in eine Politik umgesetzt, und basierend auf dem Verhalten der großen KI-Labore könnte selbst dies derzeit technisch undurchführbar sein.
