Der renommierte Mathematiker Terence Tao warnt vor einer gefährlichen Entwicklung: Künstliche Intelligenz löst offene mathematische Probleme schneller, als Mathematiker neue identifizieren können. Dies gefährde das Ökosystem der mathematischen Forschung nachhaltig.
Der UCLA-Professor und Fields-Medaillengewinner Terence Tao hat kürzlich auf der Plattform Mathstodon Bedenken zu einer beschleunigten KI-Entwicklung in der Mathematik geäußert. Sein Argument: Während KI-Systeme zunehmend historisch schwierige Probleme lösen, schrumpft gleichzeitig die Vorratskammer echter, bedeutsamer offener Fragen. Tao betont, dass nicht die bloße Anzahl neuer Probleme zählt – diese könnten unendlich generiert werden – sondern die Qualität dieser Fragen für den wissenschaftlichen Fortschritt.
Das Problem liegt in der Unvorhersehbarkeit moderner KI-Fähigkeiten. Während frühere Methoden die "Schwierigkeitslandschaft" mathematischer Probleme relativ gut definierten, weiß niemand genau, wo die Grenzen der neuesten KI-Modelle liegen. Dies könnte dazu führen, dass potenziell fruchtbare Forschungsansätze übersehen werden. Tao plädiert dafür, wichtige Probleme mit dem Label "analysis-required" zu versehen – bloße KI-Lösungen ohne erklärte Begründung sollten dann nicht zählen.
Die Warnung ist nicht rein theoretisch: Im Mai bewies ein OpenAI-Modell die 80 Jahre alte Erdős-Vermutung. Eine Woche später lieferte Anthropics Claude-Modell sogar einen kürzeren, eleganteren Beweis. Solche rasanten Fortschritte verdeutlichen, dass Tao ein reales Problem identifiziert hat – die Gefahr, das mathematische Ökosystem auszulaugen, bevor eine neue Forschungsgeneration von dessen Früchten profitiert.