Warum sind die Top-Mathematiker ausgerastet, als AI ein jahrhundertealtes Mathematikproblem „im Handumdrehen“ löste?
Hallo zusammen, ich bin euer Finanzjournalist und Wirtschaftswissenschaftler. Heute sprechen wir über eine Sache, die zwar wie Science-Fiction klingt, aber tatsächlich stattfindet: **AI hat ein Mathematikproblem gelöst, das die Menschheit seit fast einem Jahrhundert beschäftigt, doch die Mathematiker sind nicht nur unglücklich, sondern haben sogar eine gemeinsame Protesterklärung veröffentlicht und behauptet, AI würde „Schaden anrichten“.
Klingt das nicht etwas gegenintuitiv? Wir dachten immer, AI sei ein „Superhelfer“, der die Effizienz steigert und Probleme löst. Wenn es Probleme löst, sollte das doch eine gute Sache sein, oder?
Keine Sorge, lassen Sie uns die Sache genauer betrachten und es in einfachen Worten erklären. Hinter dieser Entwicklung steckt nicht nur Mathematik, sondern auch unsere berufliche Zukunft, unsere Lernmethoden – und sogar die Zukunft der menschlichen Zivilisation.
---
Zusammenfassung der Kernpunkte: Ein Krieg um „Antworten“ und „Verständnis“
Am 8. September kündigte OpenAI an, dass es mit Hilfe von AI in 88 Stunden eine formale Beweisführung für die Navier-Stokes-Gleichung gelungen sei. Dies ist eines der sieben großen Mathematikprobleme, für die das Clay Mathematics Institute eine Belohnung von einer Million Dollar ausgeschrieben hatte und die die Mathematikwelt seit fast einem Jahrhundert beschäftigen.
Theoretisch wäre dies ein Meilenstein für AI. Drei Tage später veröffentlichten jedoch 25 Fields-Preisträger, darunter Terry Tao und Deng Yu, einen strengen offenen Brief mit dem Titel „Die ernsthafte Fehlpositionierung der Künstlichen Intelligenz in der Mathematik“.
Ihre Hauptargumente sind:
AI liefert zwar die „richtige Antwort“, aber es überspringt den „Verständnisprozess“. Für Mathematik (und alle wissensbasierten Tätigkeiten) ist es wichtiger zu wissen, wie etwas erreicht wurde, als nur das Ergebnis zu kennen. AI wirft uns die Antworten einfach zu, ohne die Weisheit, die Werkzeuge und das Gespür, die der Mensch im Prozess der Erkundung entwickelt hat. Dieses Modell, bei dem es nur Ergebnisse gibt und kein Verständnis, zerstört die Grundlagen der mathematischen Forschung und könnte sogar jungen Wissenschaftlern die Möglichkeit nehmen, sich weiterzuentwickeln.
---
Detaillierte Erklärung: Warum sind die Mathematiker so besorgt?
Um Ihnen diese Kontroverse vollständig zu erklären, werde ich sie aus fünf Aspekten betrachten:
1. Tauschs „Umstellung“: Selbst die AI-Fans können nicht mehr stillsitzen
In diesem gemeinsamen Brief ist der Name Terry Tao besonders auffällig.
Viele wissen vielleicht nicht, dass Tao ein großer Befürworter von AI ist. Er nutzt bereits seit längerem GPT-4, um Code zu schreiben, Diagramme zu erstellen und sogar zur Unterstützung von Beweisführungen. Er hat öffentlich gesagt: „GPT-4 hat mir tatsächlich viel zeitaufwändige Arbeit erspart.“ Er prognostizierte sogar, dass AI bis 2026 zu einem vertrauenswürdigen „Mitverfasser“ in der Mathematikforschung werden könnte.
Warum protestiert er dann an vorderster Front?
Weil das Problem im „Maß“ und in der Vorgehensweise liegt. Tao hat festgestellt, dass AI, wenn es vollständige, fehlerfreie Beweise liefert, nicht mehr nur ein „Helfer“ ist, sondern zu einer „Blackbox“ wird.
Er verglich dies mit einem Wanderer, der auf der Suche nach einer Wasserfall in den Bergen ist: Man kann sich verirren, interessante kleine Bäche und Felsen entdecken und diese auf einer Karte festhalten – diese „Verirrungen“ und „Entdeckungen“ bilden eine Richtlinie für zukünftige Entdecker.
Aber heute wirft AI den Wanderer direkt vor den Wasserfall und holt ihn dann wieder ab. Der Wanderer sieht den Wasserfall (die Antwort), kennt aber nicht den Weg dorthin und hat keine Karte hinterlassen.
Für Mathematiker ist diese „Karte“ (neue Denkweisen, neue Werkzeuge im Lösungsprozess) wertvoller als der Wasserfall (das endgültige Ergebnis). Denn die Karte kann von späteren Generationen genutzt werden, während der Wasserfall nur einmal gesehen werden kann.
2. Die Theorie des „niedrigen Hintergrundstrahls“: Gute Probleme sind eine nicht erneuerbare Ressource
Die Mathematiker haben noch eine tiefere Sorge: AI verschwendet wertvolle Ressourcen der Mathematikwelt – offene Probleme.
Tao vergleicht die jahrzehntelang ausgewählten, wertvollen Mathematikprobleme mit „niedrigem Hintergrundstahl“. Das ist Stahl, der vor dem ersten Atomtest im Jahr 1945 hergestellt wurde. Da er nicht von radioaktiver Strahlung kontaminiert war, hat er einen sehr niedrigen Hintergrundstrahl und ist ein hervorragendes Material für die Herstellung präziser Instrumente (z. B. Kerndetektoren). Dieser Stahl ist nicht erneuerbar – je mehr man davon verwendet, desto weniger bleibt.
Mathematische Probleme sind ähnlich:
- Probleme können leicht erstellt werden: Man kann mit AI sofort Tausende von Mathematikproblemen erzeugen.
- Gute Probleme sind jedoch schwer zu finden: Ob ein Problem es wert ist, Zeit und Mühe in seine Lösung zu investieren, hängt von der Intuition und Erfahrung mehrerer Generationen von Mathematikern ab. Diese sorgfältig ausgewählten „guten Probleme“ sind wie niedriger Hintergrundstahl – sie sind nicht erneuerbar.
Jetzt nutzen AI-Unternehmen diese wertvollen „guten Probleme“ als „Bewertungsliste“. Sie verwenden enorme Rechenleistung (GPU), um diese Probleme zu lösen, und sobald die Antworten veröffentlicht werden, sinkt der Wert des Problems als „unberührtes Testset“ dauerhaft.
Noch schlimmer ist, dass dies die Begeisterung junger Wissenschaftler für die Lösung von Problemen dämpft. Früher konnte ein Doktorand drei Jahre für die Lösung eines schwierigen Problems brauchen – obwohl es schwierig war, ermöglichte der Prozess seine Entwicklung. Wenn AI das Ergebnis in 11 Minuten liefert, wird ein junger Mensch noch drei Jahre damit verbringen wollen, es „manuell“ zu beweisen? Wenn niemand mehr bereit ist, grundlegende Forschung zu betreiben, wer wird dann die Nachfolge antreten?
3. „Unverdauliche Beweise“: AI-Antworten, die der Mensch nicht aufnehmen kann
Sie fragen sich vielleicht: Wenn die Antwort richtig ist und die Logik stimmt (und sie von einem Lean-Programm überprüft wurde), warum akzeptieren die Mathematiker sie nicht?
Tao hat den Begriff „Unverdauliche Beweise“ geprägt.
AI-generierte mathematische Arbeiten erscheinen unabhängig davon, ob sie richtig sind oder nicht, sehr überzeugend – sie sind strukturiert und sprachlich fließend, aber oft fehlt der natürliche Fluss des menschlichen Denkens.
- Menschliche Beweise: Sie sind wie ein Essay mit einem Aufbau, einer Entwicklung und einer Schlussfolgerung – mit Erklärungen und Wendungen. Der Leser kann dem Gedankengang des Autors folgen und so neue Denkweisen lernen.
- AI-Beweise: Sie sind wie ein Codebericht mit nur „Schritt 1, Schritt 2, Schritt 3“ – jeder Schritt ist richtig, aber es fehlt die Erklärung dafür, warum.
Mathematiker haben festgestellt, dass das Lesen von AI-generierten Beweisen wie das Essen eines komprimierten Kekses ist: Man ist satt (man erhält das Ergebnis), aber der Körper (das Gehirn) kann die „Nährstoffe“ (die Denkweise) nicht aufnehmen. Wenn mathematisches Wissen nicht von Menschen „verdaut“ und „vererbt“ werden kann, ist es nur Daten – keine Weisheit.
4. Vom Pythagoras zum GPS: Der Prozess ist die Quelle der Innovation
Wenn Ihnen der Begriff „Wichtigkeit des Prozesses“ zu abstrakt erscheint, erzähle ich Ihnen eine Geschichte aus der Antike und dem GPS:
Im Jahr 300 v. Chr. schrieb Pythagoras die „Elemente der Geometrie“ und schuf das System der euklidischen Geometrie. Die fünfte Axiom ist besonders kompliziert – selbst Pythagoras nutzte sie selten.
Über zweitausend Jahre lang versuchten unzählige Mathematiker, die fünfte Axiom mit den ersten vier Axiomen zu beweisen – alle scheiterten. Erst im 19. Jahrhundert ging der russische Mathematiker Lobatschewski einen anderen Weg: Er nahm an, die fünfte Axiom sei falsch und stellte fest, was passieren würde.
Dadurch entwickelte er ein völlig neues geometrisches System – die nicht-euklidische Geometrie. Dieses System widerspricht dem Intuitiven (z. B. die Summe der Winkel in einem Dreieck ist kleiner als 180 Grad), ist aber logisch konsistent.
Damals dachte niemand, dass dies nützlich sein könnte – bis Einstein auftauchte.
Einstein entdeckte, dass die Allgemeine Relativitätstheorie die Beschreibung von gekrümmter Raumzeit erforderte, und die von Lobatschewski entwickelte nicht-euklidische Geometrie bot genau das richtige mathematische Werkzeug dafür. Ohne die „Fehlschläge“ und die „Erkundungen“ der Mathematiker beim Beweis der fünften Axiom gäbe es keine nicht-euklidische Geometrie, keine Allgemeine Relativitätstheorie – und auch kein GPS in unseren Handys (GPS muss die durch die Schwerkraft verursachten Zeitabweichungen korrigieren, sonst würde es sich täglich um 11 Kilometer irren).
Das ist die Bedeutung des Prozesses:
- Früher war das Erreichen der richtigen Antwort gleichbedeutend mit dem Verständnis – man musste viel verstehen, um zum Ergebnis zu gelangen.
- Heute könnte AI zum ersten Mal diese beiden Dinge trennen: Die Geschwindigkeit, mit der Antworten geliefert werden, übertrifft die Geschwindigkeit des menschlichen Verständnisses.
Wenn AI direkt die Formel für die gekrümmte Raumzeit liefern würde, ohne den zweihundertjährigen geometrischen Forschungsprozess zu durchlaufen, hätte Einstein vielleicht nie daran gedacht, die Schwerkraft mit Geometrie zu beschreiben. Innovation entsteht oft im Prozess des „Verirrens“, nicht am Ziel.
5. Von der Mathematik zur Arbeitswelt: AI zerstört die „Einstiegswege“ für die Karriereentwicklung
Dieses Problem beschränkt sich nicht nur auf die Mathematikwelt. Bill Gates warnte in einem Blogbeitrag im August 2026: AI zerstört „Einstiegspositionen“ in der Arbeitswelt.
- Frühere Karriereentwicklung: Ein junger Mensch beginnt in einer Anwaltskanzlei, einem Krankenhaus oder einem Softwareunternehmen mit einfachen Aufgaben. Obwohl die Arbeit einfach ist, sammelt er durch Beobachtung, Nachahmung und Fehler Erfahrungen und baut berufliche Beziehungen auf, bis er zu einem Experten wird.
- Heutige Karriereentwicklung: AI kann diese „einfachen“ Aufgaben sofort erledigen. Ein erfahrener Anwalt in Kombination mit AI kann die Arbeit einer ganzen Anwaltsmannschaft übernehmen.
Das Problem ist: Wenn junge Menschen keine Chance mehr auf solche „einfachen“ Aufgaben haben, wie können sie Erfahrungen sammeln und berufliches Gespür entwickeln?
Gates sagte: „Die Ausbildungszeit für neue Positionen nimmt viel langsamer zu als die Zahl der verschwindenden alten Positionen. Wer übernimmt dann die Lücke in dieser Zeit?“
Die Sorgen der Mathematiker, die Bedenken von Go-Spielern (wie Ke Jie) und die Befürchtungen von Gates sind im Grunde dasselbe: Wenn AI-Tools direkt Ergebnisse liefern und den menschlichen Lernprozess überspringen, trennen sich ‚richtige Antworten‘ und ‚Verständnis‘ voneinander.
Diese Kluft breitet sich von der Mathematik auf alle wissensbasierten Berufe aus.
---
Fazit: Was sollen wir tun?
Natürlich gibt es auch optimistische Stimmen. Professor Zhenghan Wang von der University of California, Santa Barbara, ist der Ansicht, dass die Mathematik nicht verschwinden wird – genauso wie Rennautos nicht verschwanden, nachdem Flugzeuge aufkamen, sondern zu einer anderen Form des Wettbewerbs wurden. Zukünftige Mathematiker könnten wie Rennfahrer AI als „Supermotor“ nutzen, um tiefere Bereiche zu erkunden.
Liu Cixin hat in seinem Science-Fiction-Roman „Unterstützung Gottes“ diese Situation vorhergesagt: Eine außerirdische Zivilisation überlässt der Menschheit all ihre technischen Informationen, aber die Menschheit versteht sie nicht, weil ihr der „Prozess“ und der „Kontext“ fehlen. Letztendlich degeneriert diese außerirdische Zivilisation, weil die Maschinen alles übernehmen und sie selbst wieder zu dem Punkt zurückkehren müssen, an dem sie die Grundlagen der Mathematik lernen müssen.
Die aktuelle AI-Belastung ist vielleicht nicht so extrem wie in der Science-Fiction, aber sie ist ein Warnsignal:
1. Für den Einzelnen: Verlassen Sie sich nicht nur auf AI, um Antworten zu erhalten. Legen Sie Wert auf den „Prozess“ und nutzen Sie AI als Werkzeug – nicht als Ersatz für Ihre eigenen Denkweisen. Sie sollten wissen, warum AI etwas tut, und nicht nur, was es tut.
2. Für die Bildung: Wir müssen den Zweck der Bildung neu überdenken. Wenn Prüfungen nur auf Antworten abzielen, ist AI der beste Schüler. Die Zukunft der Bildung muss mehr Wert auf kritischen Denken, Kreativität und die Kontrolle über den Prozess legen.
3. Für die Gesellschaft: Wir müssen „Pläne“ schaffen, um den Wachstum junger Menschen zu schützen und sicherzustellen, dass AI die Fähigkeiten der Menschen stärkt – nicht ihren Lernprozess ersetzt.
Denken Sie daran: Antworten können kopiert werden, aber Weisheit kann nur weitergegeben werden. Und Weitergabe erfordert einen Prozess.