OpenAIs Astra loest zehn grosse mathematische Probleme, wirft aber tiefgreifende Bedenken auf

Am 1. August veröffentlichte OpenAI einen Blogbeitrag, in dem behauptet wurde, dass eine interne Version von Astra, seinem Sprachmodell der nächsten Generation, zehn offene Probleme in Mathematik und theoretischer Informatik gelöst oder entscheidend vorangebracht habe. Die Probleme umfassen fortgeschrittene Themen wie hochdimensionale Geometrie, Codierungstheorie, arithmetische Schaltkreiskomplexität, Gruppentheorie, Operatoralgebren, Quantenkomplexität, gitterbasierte Kryptografie und extremale Kombinatorik. OpenAI gab an, dass die gesamte Leistung etwa 2.000 US-Dollar an Tokens pro Problem gekostet habe, wobei die Ergebnisse mit dem formalen Beweisassistenten Lean zertifiziert wurden. Die Ankündigung löste in der mathematischen Gemeinschaft sowohl Aufregung als auch Besorgnis aus. Der Forscher Jay Cummins merkte an, dass zum ersten Mal eine KI ein Problem gelöst habe, an dem er persönlich jahrelang gearbeitet habe, was die Niederlage schwer zu akzeptieren mache. Der Investor Nicolas Bustamante stellte die Zukunft der Fields-Medaille in Frage und fragte, wer Anerkennung erhalte, wenn Probleme nur noch einen Prompt entfernt seien. Bemerkenswerterweise unterbrach der Fields-Medaillengewinner Jacob Tsimerman Ende Juli seine Professur an der University of Toronto, um zu OpenAI zu wechseln, wobei er sich nicht auf mathematische Fähigkeiten, sondern auf KI-Sicherheit konzentrierte. Terence Tao, ein weiterer Fields-Medaillengewinner, warnte vor einer gefährlichen Verschiebung: Mit automatisierter Beweisgenerierung durch KI bewege sich die Mathematik von Knappheit zu Überfluss, aber Forscher könnten mit der Verifizierung und „Verdauung“ von Beweisen nicht Schritt halten. Er verglich rohe KI-Beweise mit „mysteriösen Tierkadavern“, die bei einem Gemeinschafts-Potluck abgeladen würden, wo niemand Zeit habe, sie zu reinigen und zu kochen. Tsimerman beklagte auch den Aufstieg von „mathematischem Slop“ von Nutzern ohne Fachkenntnisse, die rohe ChatGPT-Ausgaben an Labore schickten. Beide warnten davor, dass formale Lösungen berühmter Vermutungen die Finanzierung und das Interesse an diesen Themen killen könnten, obwohl kein Mensch die Lösungen verstehe, was zu einer Disziplin führe, die fortschreite, ohne zu verstehen.