OpenAI veröffentlicht 372 KI-generierte mathematische Beweise auf GitHub
OpenAI hat 372 KI-erstellte mathematische Ergebnisse auf GitHub publiziert, darunter Lean-Formalisierungen zur maschinellen Verifikation. Jedes Ergebnis erforderte im Schnitt rund drei Stunden Rechenzeit auf ChatGPT Pro. Gleichzeitig warnen 25 Fields-Medaillengewinner, dass die Massenproduktion mathematischer Wahrheiten fruchtbaren Boden für echte Forschung zerstören könnte.
OpenAI hat eine umfangreiche Sammlung mathematischer Ergebnisse veröffentlicht, die von einem internen KI-Modell erzeugt wurden. Die Beweise erscheinen auf GitHub statt in akademischen Fachzeitschriften, mit einer formalen Verifikation, die die Begutachtung praktikabler machen soll.
OpenAI hat 372 neue mathematische Ergebnisse veröffentlicht, die von einem internen Frontier-Modell erzeugt wurden. Jedes Ergebnis soll ein offenes Problem lösen oder einen wesentlichen Fortschritt in Richtung einer Lösung erzielen. Die Sammlung umfasst Verbesserungen wichtiger Computer-Algorithmen sowie Fortschritte im Zusammenhang mit der Riemannschen Vermutung.
Das Unternehmen hostet die Ergebnisse in einem GitHub-Repository, vollständig mit Revisionsprotokollen und Zitationen. Laut OpenAI hat dasselbe Modell bereits eine Lösung für ein Navier-Stokes-Problem erzeugt, das seit Wochen in formaler Begutachtung ist. Anzeige
Fast jedes Ergebnis stammt aus einem einzigen Prompt an einen einzigen KI-Agenten, so OpenAI, wobei einige mehrere Anläufe benötigten. Das steht in scharfem Kontrast zur Navier-Stokes-Lösung, für die ein Schwarm von 10.000 Agenten und Rechenleistung im Wert von Millionen Dollar nötig war. Im Durchschnitt verbrauchte jedes Ergebnis etwa drei Stunden an ChatGPT Pro Thinking Rechenleistung. Anzeige
Viele der Beweise liegen mit Formalisierungen in Lean vor, einer Programmiersprache, die für maschinenprüfbare mathematische Beweise entwickelt wurde. Weitere Formalisierungen sind geplant. Der Grund ist praktischer Natur: Die schiere Menge der KI-generierten Ergebnisse könnte die Kapazität der mathematischen Community für manuelle Begutachtung leicht überfordern.
OpenAI hat außerdem Details zur Methodik veröffentlicht, darunter Zusammenfassungen des Reasoning-Prozesses, Statistiken darüber, wie viele Probleme das Modell bearbeitet hat, sowie Schätzungen der Rechenkosten. Anzeige
OpenAI hat seine Ergebnisse auf GitHub statt in Peer-Review-Fachzeitschriften veröffentlicht. Das ist eine bewusste machtdemonstrierende Geste, denn sie legt nahe, dass der traditionelle wissenschaftliche Prozess für diese Menge potenziell neuer Erkenntnisse zu langsam ist.
OpenAI hat sich mit der Advisory Group on Mathematics and Artificial Intelligence am Institute for Advanced Study beraten und sich lose an deren öffentlichen Empfehlungen orientiert, da das Unternehmen keine Prompts veröffentlicht hat und nur durchschnittliche Rechenkosten statt Zahlen pro Problem geteilt hat. Der Beratungsgruppe gehört unter anderem der Fields-Medaillengewinner Timothy Gowers an, daneben weitere renommierte Mathematiker. Anzeige
Das Unternehmen kündigte außerdem Pläne an, Workshops und Konferenzen zu finanzieren, die sich mit dem Verständnis KI-erzeugter Ergebnisse befassen. OpenAI räumte ein, dass es die Qualität seiner Zitationen und Präsentation verbessern möchte, und erklärte, an einer verantwortungsvollen Veröffentlichung des Modells zu arbeiten, um "Wissenschaftler direkt mit modernsten Fähigkeiten auszustatten." Anzeige
Eine wesentliche Grenze hatte OpenAI der Beratungsgruppe jedoch vorab gesetzt: Die Mathematiker dürfen beraten, wie die Ergebnisse kommuniziert werden, nicht aber, ob und wie schnell sie erzeugt werden.
Lean-Formalisierungen können die logische Korrektheit prüfen, aber sie können nicht beurteilen, ob ein Ergebnis mathematisch relevant oder originell ist. OpenAI setzt darauf, dass seine Ergebnisse die Grenze des menschlichen Wissens verschieben. Ob die mathematische Community dem zustimmt, bleibt eine offene Frage. Die Reaktionen reichen bisher von Begeisterung bis Frustration.
In einem kürzlich erschienenen offenen Brief mit dem Titel "A Severe Misalignment of AI in Mathematics" warnen 25 Fields-Medaillengewinner vor einer tiefen Kluft zwischen den Zielen der KI-Industrie und denen der Mathematik. Problemlösung sei lediglich ein Werkzeug und ein Stellvertreter für das eigentliche Ziel, nämlich konzeptionelles Verständnis und Erkenntnis, schrieben sie. Die Massenproduktion wahrer Aussagen könnte fruchtbaren Boden zerstören, statt neue Ideen hervorzubringen, so ihr Argument. Die Auswirkungen würden sich auf andere Fachgebiete übertragen.
Gowers hat gewarnt, dass die mathematische Literatur innerhalb von ein bis zwei Jahrzehnten enorm wachsen könnte, während keine menschliche Community mehr verbleibt, die sie wirklich versteht. Der Fields-Medaillengewinner Terence Tao hat ergänzt, dass die Ausbildung junger Mathematiker die menschliche Seite betonen und den Einsatz von KI-Werkzeugen strikt begrenzen müsse, damit echtes Lernen und Verständnis überleben.
Abonniere THE DECODER für werbefreies Lesen, einen wöchentlichen KI-Newsletter, unseren exklusiven "AI Radar" Frontier-Report sechs Mal pro Jahr, vollen Archivzugang und Zugang zu unserem Kommentarbereich.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
OpenAI has released a large collection of mathematical results produced by an internal AI model. The proofs are published on GitHub rather than in academic journals, with formal verification intended to make review more practical.
OpenAI has published 372 new mathematical results generated by an internal frontier model. Each result is supposed to solve an open problem or make substantial progress toward one. The collection includes improvements to major computer algorithms and advances related to the Riemann hypothesis.
The company is hosting the results in a GitHub repository, complete with revision logs and citations. According to OpenAI, the same model already produced a solution to a Navier-Stokes problem that has been under formal review for weeks. Ad
Nearly every result came from a single prompt to a single AI agent, OpenAI says, though some took multiple attempts. That's a sharp contrast to the Navier-Stokes solution, which required a swarm of 10,000 agents and millions of dollars in compute. On average, each result consumed roughly three hours' worth of ChatGPT Pro Thinking compute. Ad
Many of the proofs come with formalizations in Lean, a programming language built for machine-checkable mathematical proofs. More formalizations are planned. The reason is practical: the sheer volume of AI-generated results could easily overwhelm the math community's capacity for manual review.
OpenAI also published details on its methodology, including summaries of the reasoning process, statistics on how many problems the model attempted, and estimates of compute costs. Ad
OpenAI put its results on GitHub instead of peer-reviewed journals. It's a statement move, since it implies that the traditional process of doing science is too slow for this volume of potentially new knowledge.
OpenAI consulted with the Advisory Group on Mathematics and Artificial Intelligence at the Institute for Advanced Study and loosely followed their public recommendations, since the company didn't publish any prompts and only shared average compute costs rather than per-problem figures. The advisory group includes Fields Medal winner Timothy Gowers among other renowned mathematicians. Ad
The company also announced plans to fund workshops and conferences focused on understanding AI-produced results. OpenAI acknowledged it wants to improve the quality of its citations and presentation, and says it's working on a responsible release of the model to "directly empower scientists with state-of-the-art capabilities." Ad
OpenAI set one significant boundary for the advisory group beforehand, though: the mathematicians can advise on how results get communicated, but not on whether or how fast they're produced.
Lean formalizations can verify logical correctness, but they can't judge whether a result is mathematically relevant or original. OpenAI is betting that its results push the boundary of human knowledge. Whether the mathematical community agrees remains an open question. So far, reactions range from excitement to frustration.
In a recent open letter titled "A Severe Misalignment of AI in Mathematics," 25 Fields Medal winners warned of a deep disconnect between the AI industry's goals and those of mathematics. Problem-solving, they wrote, is merely a tool and proxy for the real goal of conceptual understanding and insight. Mass-producing true statements could destroy fertile ground rather than bring new ideas to life, they argued. The effect would spill over into other fields.
Gowers has warned that within one to two decades, mathematical literature could grow enormously while no human community remains that truly understands it. Fields Medal winner Terence Tao has added that training young mathematicians needs to emphasize the human side and tightly limit AI tool use so that genuine learning and understanding survive.
Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section.