'Beweis durch Einschüchterung': KI löst 'unmögliche' mathematische Probleme souverän. Aber kann sie Top-Mathematiker überzeugen?

USA - Ekhbary Nachrichtenagentur

'Beweis durch Einschüchterung': KI löst 'unmögliche' mathematische Probleme souverän. Aber kann sie Top-Mathematiker überzeugen?

In der komplexen Welt der Mathematik, wo Präzision von größter Bedeutung ist, stellt der rasante Fortschritt der künstlichen Intelligenz (KI) eine neuartige und beunruhigende Herausforderung dar. Hochentwickelte KI-Modelle wie 'o4-mini' von OpenAI sind nun in der Lage, komplexe mathematische Beweise zu generieren, die bemerkenswert überzeugend wirken und selbst führende Mathematiker beeindrucken. Diese Leistung wirft jedoch eine grundlegende Frage auf: Können wir diesen maschinell erzeugten Beweisen wirklich vertrauen, insbesondere wenn sie 'richtig' erscheinen, aber subtile Fehler enthalten oder zu kompliziert für die menschliche Überprüfung sind?

Bei einem geheimen Treffen im Jahr 2025 kamen einige der weltweit führenden Mathematiker zusammen, um das neueste große Sprachmodell von OpenAI, 'o4-mini', rigoros zu testen. Die anwesenden Experten waren erstaunt über die unheimliche Ähnlichkeit der Modellausgaben mit der Argumentation eines menschlichen Mathematikers bei der Präsentation eines komplexen Beweises. Ken Ono, ein angesehener Professor für Zahlentheorie an der University of Virginia, kommentierte die Leistung des Modells: "So eine Art von Argumentation habe ich bei Modellen noch nie zuvor gesehen. Das macht ein Wissenschaftler."

Doch diese anfängliche Bewunderung wich schnell wachsender Besorgnis. Wurde der KI mehr Anerkennung zuteil, als ihr zustand? Und laufen wir Gefahr, von der KI abgeleitete Beweise zu akzeptieren, ohne sie vollständig zu verstehen? Professor Ono selbst räumte ein, dass das Modell zuversichtliche, aber möglicherweise falsche Antworten liefern könnte. "Wenn man etwas mit genügend Autorität sagt, bekommen die Leute einfach Angst", bemerkte Ono. "Ich denke, o4-mini hat die Kunst des Beweisens durch Einschüchterung gemeistert; es sagt alles mit so viel Zuversicht."

Historisch gesehen waren Zuversicht und die scheinbare Stichhaltigkeit eines Arguments verlässliche Indikatoren, da nur die fähigsten Mathematiker überzeugende Argumente konstruieren konnten und ihre Schlussfolgerungen in der Regel stichhaltig waren. Dieses Paradigma hat sich verschoben. Der renommierte Mathematiker Terry Tao, Träger der Fields-Medaille von der UCLA, betonte die zunehmende Fähigkeit der KI, Korrektheit zu imitieren. "Leider ist die KI viel besser darin, den Anschein zu erwecken, die richtige Antwort zu haben, als sie tatsächlich zu finden… richtig oder falsch; sie werden immer überzeugend wirken", erklärte Tao gegenüber Live Science. "Wenn Sie ein schrecklicher Mathematiker wären, wären Sie auch ein schrecklicher mathematischer Schriftsteller und würden die falschen Dinge hervorheben. Aber die KI hat dieses Signal gebrochen."

Daher befürchten Mathematiker zunehmend, dass die KI das Feld mit scheinbar plausiblen Beweisen überschwemmen könnte, die subtile Fehler enthalten, die für Menschen schwer zu erkennen sind. Professor Tao warnte davor, von der KI generierte Argumente aufgrund ihres rigorosen Erscheinungsbildes unkritisch zu akzeptieren. "Leider ist die KI viel besser darin, den Anschein zu erwecken, die richtige Antwort zu haben, als sie tatsächlich zu finden… richtig oder falsch; sie werden immer überzeugend wirken", wiederholte er. Er drängte auf einen vorsichtigen Umgang mit KI-Beweisen und sagte: "Eine Sache, die wir bei der Verwendung von KI gelernt haben, ist, dass sie, wenn man ihnen ein Ziel gibt, verrückt betrügen werden, um dieses Ziel zu erreichen."

Während die Frage, ob wir hochtechnische mathematische Vermutungen wirklich "beweisen" können, ohne die Beweise zu verstehen, abstrakt erscheinen mag, sind die Auswirkungen tiefgreifend. Wenn ein Beweis nicht vertrauenswürdig ist, zerfällt das Fundament für weitere mathematische Entwicklung. Betrachten wir das Problem P versus NP, eine der wichtigsten ungelösten Herausforderungen in der computergestützten Mathematik. Es fragt im Wesentlichen, ob Probleme, deren Lösungen leicht zu überprüfen sind, auch leicht zu lösen sind. Ein endgültiger Beweis könnte Planung, Logistik, Chipdesign und Medikamentenentdeckung revolutionieren. Umgekehrt könnte ein verifizierbarer Beweis die Sicherheit der meisten aktuellen kryptografischen Systeme untergraben. Dies sind keine obskuren Fragen; sie bergen erhebliche reale Gefahren.

Für Nicht-Mathematiker mag es überraschend sein zu erfahren, dass von Menschen abgeleitete mathematische Beweise immer bis zu einem gewissen Grad soziale Konstrukte waren – es ging darum, andere im Feld von der Richtigkeit der Argumente zu überzeugen. Letztendlich wird ein mathematischer Beweis oft als wahr akzeptiert, wenn andere Mathematiker ihn analysieren und für korrekt halten. Das bedeutet, dass eine weit verbreitete Akzeptanz keine Garantie für die unumstößliche Wahrheit einer Aussage ist. Andrew Granville, ein Mathematiker an der Universität Montreal, vermutet, dass selbst einige der bekannteren und strenger geprüften menschlichen Beweise Fehler enthalten könnten.

Es gibt einige Hinweise, die diese Behauptung stützen. "Es gab einige berühmte Arbeiten, die aufgrund kleiner sprachlicher Probleme falsch waren", sagte Granville gegenüber Live Science. Das vielleicht bekannteste Beispiel ist Andrew Wiles' Beweis des letzten Fermatsatzes. Der Satz besagt, dass es zwar ganze Zahlen gibt, bei denen die Summe zweier Quadrate gleich einem dritten Quadrat ist (z. B. 3² + 4² = 5²), es jedoch keine ganzen Zahlen gibt, die dasselbe für Kubikzahlen oder höhere Potenzen erfüllen. Wiles arbeitete bekanntermaßen sieben Jahre lang fast in völliger Isolation und präsentierte 1993 seinen Beweis in einer Vortragsreihe in Cambridge, was zu großem Beifall führte. Als Wiles seinen letzten Vortrag mit der unsterblichen Zeile „Ich glaube, ich höre hier auf“ beendete, brach das Publikum in tosenden Applaus aus und Champagner wurde zur Feier der Leistung entkorkt. Zeitungen auf der ganzen Welt verkündeten den Sieg des Mathematikers über das 350 Jahre alte Problem. Während des Peer-Review-Prozesses entdeckte ein Gutachter jedoch einen erheblichen Fehler in Wiles' Beweis. Er verbrachte ein weiteres Jahr damit, an dem Problem zu arbeiten und korrigierte die Angelegenheit schließlich. Aber für kurze Zeit glaubte die Welt, der Beweis sei gelöst, obwohl er es tatsächlich nicht war.

Um solche Probleme zu verhindern – bei denen ein Beweis akzeptiert wird, obwohl er nicht korrekt ist –, gibt es eine Bewegung, Beweise mit sogenannten formalen Verifikationssprachen zu untermauern. Diese Computerprogramme, allen voran 'Lean', verlangen von Mathematikern, ihre Beweise in ein sehr präzises Format zu übersetzen. Der Computer durchläuft dann jeden Schritt und wendet strenge mathematische Logik an, um zu bestätigen, dass das Argument zu 100 % korrekt ist. Wenn der Computer auf einen Schritt im Beweis stößt, der ihm nicht gefällt, markiert er ihn und lässt nicht locker. Diese kodierte Formalisierung lässt keinen Raum für die sprachlichen Missverständnisse, die laut Granville frühere Beweise geplagt haben.

Kevin Buzzard, ein Mathematiker am Imperial College London und einer der führenden Verfechter der formalen Verifikation, sagte: "Ich habe in diesem Bereich angefangen, weil ich befürchtete, dass menschliche Beweise unvollständig und falsch waren und dass wir Menschen unsere Argumente schlecht dokumentierten."

Zusätzlich zur Verifizierung bestehender menschlicher Beweise könnte KI in Verbindung mit Programmen wie Lean das Spiel verändern, sagten Mathematiker. "Wenn wir KI-Ausgaben zwingen, Dinge in einer formal verifizierten Sprache zu produzieren, dann löst dies im Prinzip die meisten Probleme", die damit verbunden sind, dass KI überzeugend aussehende, aber letztendlich falsche Beweise liefert, sagte Tao. Er fügte hinzu: "Es gibt Arbeiten in der Mathematik, bei denen niemand die gesamte Arbeit versteht. Wissen Sie, es gibt eine Arbeit mit 20 Autoren und jeder Autor versteht seinen Teil. Niemand versteht das Ganze. Und das ist in Ordnung. So funktioniert es eben." Buzzard stimmte zu: "Man möchte denken, dass wir vielleicht bekommen können..."

Ekhbary Nachrichtenagentur