OpenAI hat kürzlich ein mathematisches Problem gelöst, an dem menschliche Mathematiker seit 80 Jahren gescheitert sind. Die KI widerlegte die Vermutung von Paul Erdős zum sogenannten „Unit Distance“-Problem und lieferte einen Beweis, der nach Expertenmeinung die Standards führender Fachzeitschriften erfüllt. Dieser Erfolg markiert einen Wendepunkt für die Anwendung großer Sprachmodelle in der Forschung.
Das Ende der achtzigjährigen Ära der Erdős-Vermutung
Im Jahr 1946 stellte der ungarische Mathematiker Paul Erdős eine Frage, die so simpel klingt, dass man sie fast auf eine Serviette skizzieren könnte. Dennoch blieb sie über acht Jahrzehnte lang eine ungelöste Herausforderung für die mathematische Welt. Es geht um das sogenannte „Unit Distance“-Problem (Einheitsdistanz-Problem), bei dem es darum geht, die maximale Anzahl von Punktpaaren auf einer Ebene zu finden, die exakt den gleichen Abstand zueinander haben.
- Man zeichnet eine beliebige Anzahl von Punkten auf ein Blatt Papier.
- Das Ziel ist es, die Punkte so anzuordnen, dass so viele Paare wie möglich einen exakten Abstand von einer Einheit (z. B. einem Zentimeter oder einer Meile) aufweisen.
- Bisherige Annahmen gingen davon aus, dass hochgradig regelmäßige Strukturen, wie ein quadratisches Gitter, die optimale Lösung darstellen würden.
Erdős selbst vermutete, dass die beste Strategie auf einer Art Gitter basierte, wobei eine sehr präzise Abstandssteuerung zwischen den Punkten nötig wäre, um die Anzahl der Paare leicht über das Maß eines einfachen Rasters hinaus zu heben. Doch während die Intuition der Mathematiker diese Gitterstruktur stützte, konnte niemand jemals beweisen, dass es keine noch effizientere Methode gibt. Wie Scientific American berichtet, hat ein internes Reasoning-Modell von OpenAI diese jahrzehntelange Ungewissheit nun beendet, indem es die langfristige Vermutung von Erdős widerlegte.
Die KI lieferte hunderte Seiten voller präziser Logik und Berechnungen, die zeigen, dass es Anordnungen gibt, die die bisherigen Rekorde übertreffen. Für die Forscher, die das Ergebnis analysierten, war die Geschwindigkeit und Tiefe der Lösung beeindruckend. „Es fühlt sich wie Magie an“, so Sawhney, ein Beteiligter am Prozess.
Der methodische Durchbruch durch algebraische Zahlentheorie
Was diesen Durchbruch von früheren, weniger beeindruckenden Fortschritten der KI in der Mathematik unterscheidet, ist nicht nur das Ergebnis, sondern der Weg dorthin. Während menschliche Forscher das Problem primär durch die Linse der Geometrie betrachteten – also durch das visuelle und räumliche Arrangement von Punkten –, wählte die KI eine völlig andere Disziplin.
For more on this story, see OpenAI: KI-Modell widerlegt mathematische Erdős-Vermutung.
Sie bediente sich der algebraischen Zahlentheorie. Vereinfacht ausgedrückt versuchte die Geometrie das Problem mit den klassischen Werkzeugen der räumlichen Anordnung zu lösen, während die KI durch die Suche nach exotischen Zahlenbereichen Bausteine fand, die weitaus raffinierter ineinandergreifen. Diese mathematische Querverbindung ermöglichte es der KI, Punktmengen zu identifizieren, bei denen die Gleichung für den Zielabstand ungewöhnlich oft lösbar ist.
Dieser Erfolg bestätigt eine Entwicklung, die in der KI-Branche oft als „the bitter lesson“ bezeichnet wird. Wie die ZEIT beschreibt, zeigt sich immer wieder, dass spezialisierte Systeme, die mühsam für eine bestimmte Aufgabe trainiert wurden, letztlich von allgemeinen Sprachmodellen überflügelt werden. Letztere gewinnen durch schiere Rechenpower und gewaltige Datenmengen an Fähigkeiten, die weit über die reine Spezialisierung hinausgehen.
Wissenschaftliche Bewertung und die Reaktion der Fachwelt
In der mathematischen Gemeinschaft wird das Ergebnis mit einer Mischung aus Erstaunen und analytischer Ernsthaftigkeit aufgenommen. Es handelt sich nicht um eine bloße statistische Spielerei, sondern um einen Beweis, der die strengen Anforderungen der Spitzenforschung erfüllt.
Timothy Gowers, ein Mathematiker an der University of Cambridge, betonte die Qualität der Arbeit. Er merkte an, dass kein bisheriger KI-generierter Beweis auch nur annähernd an diese hohen Standards herangekommen sei. Auch die praktische Überprüfbarkeit des Ergebnisses durch menschliche Experten steht im Fokus.
„Dies ist das einzige interessante Ergebnis, das bisher autonom von einer KI erzeugt wurde.
Die Welle der Entdeckungen scheint jedoch nicht abzureißen. Kurz nach der Veröffentlichung der OpenAI-Ergebnisse folgte der US-Mathematiker Will Sawin derselben logischen Kette und gelangte sogar zu einem noch besseren Ergebnis. Zudem nutzte ein Team von Google DeepMind in der vergangenen Woche ein eigenes Modell, um neun weitere, kleinere offene Probleme zu lösen, die Erdős hinterlassen hatte. Wie t3n meldet, unterstreicht diese Häufung von Erfolgen, dass die Ära, in der KI lediglich bestehendes Wissen zusammenfasst, der Ära der autonomen wissenschaftlichen Entdeckung weicht.
Praktische Relevanz für die räumliche Optimierung
Obwohl die Lösung des „Unit Distance“-Problems auf den ersten Blick abstrakt und rein theoretisch wirkt, hat sie fundamentale Implikationen für die reale Welt. Die Frage, wie man Punkte im Raum so anordnet, dass bestimmte Abstände optimal genutzt werden, ist kein rein akademisches Interesse.
In unserer vernetzten Welt ist die präzise Platzierung von Objekten im Raum entscheidend für die Infrastruktur.
- **Telekommunikation:** Die optimale Positionierung von Mobilfunkmasten und WLAN-Routern, um Funklöcher zu minimieren und Signalüberlagerungen zu vermeiden.
- **Satellitentechnik:** Die effiziente Konfiguration von Satellitenkonstellationen im Erdorbit.
- **Navigation:** Verbesserte Algorithmen für die räumliche Orientierung und Positionsbestimmung.
Indem die KI neue Wege aufgezeigt hat, wie man die Geometrie des Raumes durch die Brille der Zahlentheorie effizienter nutzen kann, liefert sie nicht nur eine Antwort auf eine 80 Jahre alte Frage, sondern auch Werkzeuge für die technologische Gestaltung unserer physischen Umgebung.
