OpenAIs Mathe-Modell: Über 100 gelöste Probleme und ein Beirat ohne Bremse

OpenAI meldet einen Rekord, der selbst für die an Superlative gewöhnte KI-Branche ungewöhnlich ist: Ein internes Modell, dessen Training erst am 28. August begann, soll mehr als 100 seit Langem offene Probleme aus den meisten Bereichen der Mathematik gelöst haben. Veröffentlicht hat das Unternehmen weder die Liste noch die Beweise. Stattdessen stellt es der Fachwelt einen unabhängigen Beirat an die Seite, der bei der Veröffentlichung helfen soll. Beides zusammen zeigt, wie weit maschinelle Mathematik inzwischen ist und wie wenig die Forschung darauf vorbereitet ist.

Das Wichtigste in Kürze

• Laut OpenAI hat dasselbe interne Modell, das Anfang September das Navier-Stokes-Millenniumproblem gelöst haben soll, seither über 100 weitere offene Probleme bewältigt. Unabhängig geprüft ist davon bislang nichts.
• Neun renommierte Mathematikerinnen und Mathematiker, darunter die Fields-Medaillen-Träger Timothy Gowers und Martin Hairer sowie der Physiker Edward Witten, bilden eine Beratungsgruppe am Institute for Advanced Study in Princeton.
• Die Gruppe arbeitet unbezahlt und darf ihre Empfehlungen veröffentlichen. Über das Forschungstempo von OpenAI berät sie ausdrücklich nicht.
• Auslöser ist ein offener Brief von mehr als zwei Dutzend Fields-Medaillen-Trägern, die in der Massenproduktion von KI-Beweisen eine Gefahr für ihr Fach sehen.

Was OpenAI behauptet

Die Ankündigung vom 21. September ist kurz. OpenAI schreibt, das Modell habe neben dem Navier-Stokes-Problem „mehr als 100 lange offene Probleme“ aus den meisten Teilgebieten der Mathematik gelöst, und das Tempo habe die eigenen Mathematiker überrascht. Welche Probleme das sind, verrät der Text nicht. Auch einen Namen oder einen Veröffentlichungstermin für das Modell nennt OpenAI nicht. Das Unternehmen prüfe noch, wie sich mathematische KI-Fähigkeiten verantwortungsvoll breiter bereitstellen lassen.

Wie ein solches Ergebnis entsteht, hat OpenAI beim Navier-Stokes-Beweis vom 8. September beschrieben. Ein System koordinierter Agenten, angetrieben vom internen Modell, arbeitete in Gruppen an verschiedenen Varianten der Aufgabe. An der erfolgreichen Gruppe waren ungefähr 10.000 gleichzeitig aktive Agenten beteiligt. Rund 88 Stunden nach dem Start stand die Lösung, weitere 17 Stunden dauerte es, den Beweis mit GPT-6 Astra in der Beweissprache Lean zu formalisieren. Über alle in diesem Projekt bearbeiteten Probleme hinweg tauschten die Agenten 4,9 Millionen Nachrichten aus und erzeugten rund 300 Milliarden Ausgabetoken. Das zeigt: Mathematische Forschung wird hier nicht mehr in einem Chatfenster betrieben, sondern mit Rechenaufwand im industriellen Maßstab.

Um den Navier-Stokes-Beweis hatte es bereits Streit gegeben. Der New Yorker Mathematiker Tristan Buckmaster warf OpenAI Druck und Einschüchterung vor; er hatte mit einem Anthropic-Mitarbeiter an einer verwandten Frage gearbeitet. Laut Scientific American sagte OpenAI der New York Times zudem, man habe bei einem weiteren Millenniumproblem deutliche Fortschritte gemacht, ohne zu sagen, bei welchem. Berichte, es gehe um die Hodge-Vermutung, sind bislang unbestätigt.

Warum Mathematiker nicht jubeln

Die Kritik aus dem Fach richtet sich nicht gegen die Technik selbst. Der offene Brief „A Severe Misalignment of AI in Mathematics“ vom 11. September räumt ein, dass Sprachmodelle inzwischen große offene Probleme lösen können. Das Problem sehen die Unterzeichner, zu denen Terence Tao, Peter Scholze und Maryna Viazovska gehören, im Anreiz: Für KI-Firmen sind gelöste Probleme ein Leistungsnachweis. Für die Mathematik sind sie nur ein Werkzeug auf dem Weg zum eigentlichen Ziel, dem Verständnis. Wenn in hoher Taktzahl Aussagen als wahr oder falsch abgehakt werden, fehlt die Zeit, neue Methoden herauszuarbeiten, ordentlich aufzuschreiben und frühere Arbeiten anderer zu zitieren. Der Brief kritisiert ausdrücklich, dass solche Lösungen oft überstürzt verkündet werden.

Hinzu kommt eine sehr praktische Frage: Wer prüft 100 Beweise? Ein einzelnes bedeutendes Resultat beschäftigt Fachleute oft über Monate. Wenn ein Unternehmen innerhalb weniger Wochen Dutzende davon vorlegt, kann die Fachwelt mit der Begutachtung nicht Schritt halten, und Doktoranden verlieren womöglich über Nacht ihr Dissertationsthema.

Ein Beirat mit klarer Grenze

Die neue Advisory Group on Mathematics and Artificial Intelligence soll hier vermitteln. Laut ihrer eigenen Website ging OpenAI auf einige der Mitglieder zu, um einen externen Beirat zu gründen. Die Forschenden entschieden sich stattdessen für eine unabhängige Gruppe am Institute for Advanced Study und luden weitere Kolleginnen und Kollegen ein. Zu den neun Gründungsmitgliedern gehören neben Gowers, Hairer und Witten auch Ulrike Tillmann aus Oxford, Ravi Vakil aus Stanford und Melanie Matchett Wood aus Harvard.

Die Gruppe soll OpenAI helfen, die Bedeutung neuer Resultate einzuschätzen und ihre Veröffentlichung zu koordinieren. Ihre Mitglieder nehmen kein Geld, können ungefragt Rat geben und diesen öffentlich machen. Die Grenze zieht OpenAI selbst: Der Beirat sei nicht dafür zuständig, das Unternehmen dabei zu beraten, wie es das interne Tempo seiner Fortschritte in der Mathematik steuert. Die Gruppe betont ihrerseits, sie habe keine Entscheidungsgewalt, die Verantwortung liege beim Unternehmen. Als aktuelle Aufgabe nennt sie, die Freigabe einer großen Zahl von Ergebnissen zu koordinieren, die OpenAI nach eigenen Angaben erzielt hat, und bittet die Fachwelt über ein Formular um Rückmeldung.

Dass mit Gowers ein Mitglied dabei ist, das den offenen Brief bewusst nicht unterschrieben hat, dürfte kein Zufall sein. In seinem Blog schrieb er am 17. September, er teile vieles aus dem Brief und sehe ebenfalls eine Krise, fürchte aber, dass sich die Mathematik in verfeindete Lager spaltet. Der Beirat ist so gesehen auch ein Versuch, das Gespräch zwischen Fach und Industrie offen zu halten.

Was die Entwicklung möglich macht

Bei aller berechtigten Skepsis lohnt der Blick auf die Chance. Wenn Maschinen Beweise nicht nur finden, sondern auch in Beweissprachen wie Lean formalisieren, prüft ein Computer jeden einzelnen Schritt. Genau das macht die Flut beherrschbar: Ein formalisierter Beweis lässt sich maschinell verifizieren, statt über Monate von Hand begutachtet zu werden. Anthropic hat Anfang September gezeigt, wie weit das trägt, als Claude-Agenten den Beweis von Fermats letztem Satz vollständig in Lean übertrugen. Für Forschende bedeutet das mittelfristig ein Werkzeug, das Routinearbeit übernimmt, Fehler in veröffentlichten Beweisen aufspürt und neue Ansätze vorschlägt, die ein Mensch dann verstehen und weiterentwickeln kann.

Auch außerhalb der Mathematik hätte das Folgen. Die Navier-Stokes-Gleichungen etwa beschreiben, wie sich Flüssigkeiten und Gase bewegen, und stecken in Wettervorhersagen und der Flugzeugentwicklung. OpenAI begründet seine Vorsicht gerade damit, dass neue mathematische Erkenntnisse weit über das Fach hinaus Anwendungen ermöglichen können.

Ausblick

Entscheidend wird, ob OpenAI seine Resultate so vorlegt, dass die Fachwelt sie prüfen kann: mit Liste, Ausarbeitung und formalem Beweis für jedes einzelne Problem. Bis dahin ist „mehr als 100 gelöste Probleme“ eine Unternehmensangabe, keine Erkenntnis. Der Beirat kann die Veröffentlichung ordnen, bremsen kann er sie nicht. Damit liegt die eigentliche Frage beim Unternehmen: ob es das Tempo seiner Mathematik-Offensive an der Aufnahmefähigkeit der Forschung ausrichtet oder am nächsten Wettlauf mit der Konkurrenz.