Das Millennium-Mathematikproblem wurde von der KI innerhalb einer Woche gelöst, aber Tao Zhexuan sagte, dass die gesamte Disziplin vor einer Krise stehe

Zusammenfassung:

Das Magazin „New Yorker“ veröffentlichte kürzlich einen Sonderartikel über den heftigen Schock, den künstliche Intelligenz im Jahr 2026 auf die Welt der Grundlagenmathematik bringen wird. Während OpenAI und Anthropic nacheinander viele jahrhundertealte mathematische Probleme gelöst haben, haben Fields-Medaillengewinner Terence Tao und viele Spitzenwissenschaftler damit begonnen, die akademische Gemeinschaft aufzufordern, auf die Bremse zu treten und sich davor zu hüten, dass die mathematische Intuition und die akademische Ökologie des Menschen durch den Anstieg der Rechenleistung zerstört werden.

Das „Millenniumsproblem“ ist gelöst und die akademische Gemeinschaft befindet sich in einer existenziellen Krise

Am 8. September dieses Jahres gab OpenAI bekannt, dass es die Existenz- und Glätteprobleme von Navier-Stokes, eines der „Millennium-Prize-Probleme“, mit einer Millionen-Dollar-Belohnung überwunden hat. Drei Tage später erschien der 51-jährige Terence Tao auf der Bühne des California Institute of Technology. In einer seltenen Aktion zog er das Hemd aus, das er normalerweise bei Vorlesungen trägt, und zog Jeans und ein schwarzes T-Shirt mit der Aufschrift „Die große Welle vor Kanagawa“ an.

„Ich habe die seltsamste Woche meines Lebens erlebt.“

Er zeigte auf das grobe PPT hinter sich und lachte über sich selbst. Normalerweise würde er KI verwenden, um eine ausgefallene Präsentation zu erstellen, aber dieses Mal nutzte er nur die einfachste Software.

Was Tao Zhexuan beunruhigt, ist der Verlust der Kontrolle über die gesamte Disziplinarökologie. Ab Anfang 2026 haben große Modelle wie GPT-5.2 Pro und Claude Fable 5 nacheinander mehrere Erdős-Probleme und Jacobi-Vermutungen gelöst, die die akademische Gemeinschaft seit Jahrzehnten beunruhigen. Anfang Oktober veröffentlichte OpenAI auf einen Schlag 372 neue Ergebnisse zu ungelösten mathematischen Problemen. Allerdings fehlen diesen KI-generierten Antworten häufig Ableitungsdetails. Sie sind voller gesundem Menschenverstand, den Studenten auf einen Blick verstehen können, aber beim kritischsten logischen Sprung werden nur wenige Zeilen geschrieben. Mathematikzeitschriften werden mit umfangreichen KI-Aufsätzen überschwemmt, und die Einreicher können manchmal nicht einmal ihre eigenen Aufsätze verstehen. Sie verlassen sich vollständig auf Humanmathematiker, die ihnen kostenlose Arbeitskräfte für freiwillige Überprüfungen und Verifizierungen zur Verfügung stellen.

„Wir müssen langsamer werden, die Geschwindigkeit ist im Moment verrückt.“

Tao Zhexuan wies darauf hin, dass die mathematische Welt vor 2025 in eine Ära des „Beweisüberflusses“ von „Beweisknappheit“ eingetreten sei. In der mathematischen Forschung sei die endgültige Antwort oft nicht so wichtig. Es sind die methodischen Innovationen auf dem Weg zur Antwort, die die Disziplin wirklich voranbringen, und nun wird der langsame Denkprozess, aus dem neue Fragen entstehen, zerstört.

Black-Box-Operationen und ein riesiger Ansturm bei der Ausgabe von Aktien lösten öffentliche Empörung aus

Neben der erdrückenden Rechenleistung sind Mathematiker auch zutiefst beunruhigt über die geschlossene Vorgehensweise und den harten Wettbewerb der KI-Giganten.

Im August dieses Jahres veröffentlichte der Anthropic-Mathematiker Levent Alperger eine lange Reihe von Plus- und Minuszeichen auf der sozialen Plattform. Jody Williamson, ein Mathematiker an der Universität Sydney, ist der Meinung, dass der gesamte mathematische Garten mit Herbiziden besprüht wurde, was so ist, als würde man den Menschen die ultimative Antwort „42“ geben, ihnen aber alle Denkprozesse vorenthalten.

Die Ankündigung der Navier-Stokes-Affäre im September wurde zu einem Rashomon. Am Tag vor der offiziellen Ankündigung von OpenAI gab Professor Tristan Buckmaster von der New York University eine Erklärung ab, in der er sagte, dass er und Alperger mithilfe von Tools, darunter dem öffentlichen Modell von OpenAI, erhebliche Fortschritte bei dem Problem gemacht hätten, und OpenAI, das Millionen von Dollar an Rechenleistung verbrannt habe, behauptete, die Lösung in weniger als einer Woche fertiggestellt zu haben. Buckmaster vermutete, dass OpenAI im Hintergrund an seine Forschungsdaten gelangt war, OpenAI bestritt dies jedoch. Buckmaster gab bekannt, dass Sebastian Bubeck, der Leiter des OpenAI-Teams, angeboten hatte, ihn als Autor des Papiers aufzuführen, unter der Bedingung, dass Alperger vom Konkurrenten Anthropic von der Unterschriftenliste gestrichen würde. Als Buckmaster sich weigerte und die Angelegenheit an die Öffentlichkeit bringen wollte, wurde er direkt gefragt, warum er seine Karriere ruinieren wolle.

Diese Kontroverse veranlasste Terence Tao und 25 weitere Fields-Medaillengewinner, gemeinsam einen offenen Brief zu veröffentlichen. In dem Brief wurde gewarnt, dass Problemlösung und Einsicht entkoppelt würden. Sich zu sehr auf KI zu verlassen, ist gleichbedeutend mit dem Verzicht auf Tagträume, Debatten und gründliches Nachdenken. Der Mensch wird in Zukunft immer weniger verstehen.

Das dringendste Problem ist die Ausbildung der nächsten Generation

Anfang dieses Jahres wurde Tao Zhexuan von den Medien aufgrund seiner Gespräche mit OpenAI-Führungskräften und seiner Zusammenarbeit beim Start eines KI-Mathematikprojekts als „Evangelist“ der KI bezeichnet. Aber jetzt betont er den Wert der „kognitiven Reibung“. Er verglich die aktuelle Krise mit der städtischen Transformation, bei der Autos die Pferdekutschen ersetzen. Bürgersteige müssen in der Stadt erhalten bleiben, und alle Räume können nicht nur in Autos umgewandelt werden, denn in einer solchen Stadt möchte niemand leben.

Nach Ansicht von Tao Zhexuan

besteht die dringendste Krise derzeit darin, wie man Doktoranden ausbildet.

In der Vergangenheit mussten sich Doktoranden monatelang mit mittelschweren Themen befassen und durch Versuch und Irrtum lernen, wie ein Mathematiker zu denken. Jetzt kann KI solche Probleme in wenigen Stunden lösen. Er verglich das Mathematiklernen mit dem Anschauen der Seifenoper „Emily in Paris“ mit seiner Frau. Obwohl die Handlung klischeehaft ist, ist sie voller Spaß. Wenn dem Publikum nur eine Zusammenfassung der Handlung in wenigen Sätzen gezeigt wird, geht der Sinn des Ansehens der Show völlig verloren und es wird den Zuschauern nicht ermöglicht, selbst zu filmen.

Dieses Gefühl des „verlorenen Spaßes“ verbreitet sich in der Wissenschaft. Der MIT-Mathematiker John Usher, der für die Baltimore Ravens in der NFL spielte, untersuchte zehn Jahre lang das Problem der Gaußschen Eliminierung. Um nicht von der KI überholt zu werden, gab er 200 US-Dollar pro Monat aus, um GPT-5.6 Sol und Claude Fable 5 zu abonnieren, gab seine Forschungsschritte an die KI weiter und erhielt schließlich einen korrekten, aber äußerst hässlichen Beweis, der dann manuell aufpoliert und veröffentlicht wurde. Obwohl die Ergebnisse erhalten blieben, sagte Usher unverblümt, dass es überhaupt keinen Spaß gemacht habe, weil der faszinierendste Teil der Mathematik genau der Kampf sei, im Dunkeln zu tappen, und das direkte Aufschreiben aller Antworten der langweiligste Teil sei.

Die ältere Generation von Wissenschaftlern bleibt jedoch immer noch optimistisch. Charlie Fefferman, ein 77-jähriger Professor der Princeton University, der die offizielle Beschreibung des Navier-Stokes-Problems verfasst hat, glaubt, dass der Beweis von OpenAI höchstwahrscheinlich richtig ist. Er verglich Mathematik mit „dem Teufelsschach, das man bereuen kann“. Selbst wenn Sie tausend dumme Ideen haben, solange Sie eine brillante Idee haben, sind Sie ein guter Mathematiker. Er glaubt, dass in der Vergangenheit einige Ideen mit einer Erfolgsquote von nur 5 % gezwungen waren, aufzugeben, weil die Verifizierung ein Leben lang dauerte. Wenn die Ergebnisse nun in nur zwei Tagen getestet werden können, werden Mathematiker mutiger und einfallsreicher.