Berichten zufolge hat ein 23-jähriger Amateur ohne fortgeschrittene mathematische Ausbildung ChatGPT verwendet, um ein Problem zu lösen, das Weltklasse-Mathematiker sechs Jahrzehnte lang verwirrt hat. Der von Liam Price erzielte Durchbruch markiert einen möglichen Wendepunkt in der Interaktion künstlicher Intelligenz mit komplexer Mathematik.
Der Durchbruch: Jenseits von „Pattern Matching“
Während der KI in letzter Zeit die Lösung mehrerer „Erdős-Probleme“ zugeschrieben wird – Vermutungen des legendären Mathematikers Paul Erdős – bleiben Experten skeptisch. Viele frühere KI-Erfolge wurden als unoriginell kritisiert, da sie im Wesentlichen bekannte Wahrheiten wiederholten oder etablierten Pfaden folgten.
Die Entdeckung von Price scheint grundlegend anders zu sein. Indem er ein LLM (Large Language Model) auf hohem Niveau anregte, gelang es ihm, eine Lösung zu finden, die die „mentale Blockade“ umging, die menschliche Experten jahrelang blockiert hatte.
„Das LLM hat einen völlig anderen Weg eingeschlagen“, sagt Terence Tao, ein bekannter Mathematiker an der UCLA. „Es gab eine Standardfolge von Schritten, mit der jeder, der zuvor an dem Problem gearbeitet hatte, zuvor begonnen hatte … Das LLM verwendete eine Formel, die in verwandten Teilen der Mathematik gut bekannt war, von der aber niemand gedacht hatte, dass sie auf diese Art von Frage angewendet werden könnte.“
Das Problem: Primitive Mengen und der „Score“ von Zahlen
Um die Bedeutung zu verstehen, muss man sich die Art des Problems ansehen. Die Herausforderung betrifft primitive Mengen – Sammlungen ganzer Zahlen, bei denen keine einzelne Zahl in der Menge gleichmäßig durch eine andere geteilt werden kann.
Der mathematische Kontext ist wie folgt:
– Primzahlen als Grundlage: Eine Primzahl ist nur durch sich selbst und eins teilbar. Eine „Primitivmenge“ verallgemeinert dieses Konzept im Wesentlichen auf eine ganze Gruppe von Zahlen.
– Die Erdős-Summe: Erdős hat eine Methode entwickelt, um eine „Punktzahl“ (eine Summe) für diese Sätze zu berechnen.
– Die Vermutung: Erdős stellte die Hypothese auf, dass sich die „Punktzahl“ einer Grenze von genau eins nähern würde, wenn die Zahlen in einer primitiven Menge in Richtung Unendlich wachsen.
Jahrzehntelang versuchten Mathematiker – darunter auch Stanfords Jared Lichtman –, diese Grenze zu beweisen, doch sie stießen alle auf dieselbe Herausforderung. Das Problem bestand nicht darin, dass die Mathematik unmöglich war; Es lag daran, dass die menschliche Intuition die Forscher immer wieder auf die gleichen falschen Wege führte.
„Vibe-Mathing“: Ein neuer Ansatz zur Entdeckung
Die von Price und seinem Mitarbeiter Kevin Barreto verwendete Methode wurde scherzhaft „Vibe-Mathematik“ genannt. Anstatt das Problem mit strengen, traditionellen Beweisen anzugehen, verwendeten sie KI, um offene Probleme nach dem Zufallsprinzip zu untersuchen und die „Stimmung“ der mathematischen Argumentation der KI zu testen.
Der Vorgang ist jedoch nicht so einfach wie das Klicken auf eine Schaltfläche. Experten weisen auf mehrere kritische Vorbehalte hin:
1. Rohausgabe von geringer Qualität: Der erste von ChatGPT generierte Beweis war in seiner Präsentation „ziemlich schlecht“. Es erforderte menschliche Experten, den Text zu sichten, um die zugrunde liegende Logik zu finden.
2. Mensch-KI-Zusammenarbeit: Der Durchbruch lag nicht darin, dass die KI isoliert arbeitete, sondern darin, dass die KI einen „kognitiven Sprung“ ermöglichte, den die Menschen dann verfeinerten, destillierten und validierten.
3. Ein neues Werkzeug für die Anatomie: Mathematiker wie Tao und Lichtman meinen, dass es hier nicht nur darum geht, ein altes Rätsel zu lösen; Es geht um einen neuen Weg, die „Anatomie“ großer Zahlen zu verstehen.
Warum dies für die Zukunft der Wissenschaft wichtig ist
Dieses Ereignis wirft eine tiefgreifende Frage auf: Ist KI zu echter mathematischer Intuition fähig?
Wenn ein LLM einen Zusammenhang zwischen zwei scheinbar nicht zusammenhängenden mathematischen Bereichen identifizieren kann – etwas, das Menschen aufgrund kognitiver Voreingenommenheit übersehen –, deutet dies darauf hin, dass KI als „Querdenker“ in der wissenschaftlichen Forschung dienen könnte. Während die langfristige Bedeutung noch diskutiert wird, deutet die Fähigkeit der KI, langjährige menschliche Denkblockaden zu durchbrechen, darauf hin, dass sie sich von einem reinen Rechner zu einem echten Mitarbeiter bei der Entdeckung entwickeln könnte.
Schlussfolgerung: Durch die Nutzung einer unkonventionellen mathematischen Verbindung, die von Menschen übersehen wurde, hat ein Amateur, der KI nutzt, einen neuen Fahrplan für die Lösung komplexer Probleme der Zahlentheorie bereitgestellt und damit einen Wandel in der Art und Weise signalisiert, wie wir wissenschaftliche Durchbrüche angehen könnten.
