Mathematik-Star Terence Tao skizziert Vision für KI-gestützte "industrielle Mathematik"
Kurz & Knapp
- Der renommierte Mathematiker Terence Tao sieht in KI-Assistenten das Potenzial, die mathematische Forschung grundlegend zu verändern, indem sie Routineaufgaben übernehmen und eine breitere Zusammenarbeit ermöglichen.
- Tao vergleicht den möglichen Einsatz von KI in der Mathematik mit der Rolle von Schachcomputern, die das Schachspiel nicht ersetzt, sondern um neue Möglichkeiten erweitert haben. Er betont jedoch, dass aktuelle KI-Modelle wie OpenAI o1 noch weit von echten Forschungsassistenten entfernt sind.
- Tao skizziert eine Vision der "industriellen Mathematik", in der große Teams mit KI-Unterstützung breitere, aber weniger tiefgehende Forschung betreiben. Er betont jedoch, dass Menschen und KI komplementäre Stärken haben und an der Forschungsfront immer beide benötigt werden.
Der renommierte Mathematiker Terence Tao sieht in KI-Assistenten das Potenzial, die mathematische Forschung grundlegend zu verändern. Statt Einzelkämpfertum könnte bald industrielle Zusammenarbeit den Ton angeben.
Terence Tao, Professor für Mathematik an der UCLA und einer der bedeutendsten lebenden Mathematiker, hat in einem Interview mit The Atlantic seine Vision für den Einsatz von KI in der mathematischen Forschung dargelegt.
"Ich kann mir eine Zukunft vorstellen, in der man Forschung durch ein Gespräch mit einem Chatbot betreibt", erklärt Tao. "Man hat eine Idee, und der Chatbot geht darauf ein und füllt alle Details aus."
Der Mathematiker vergleicht den möglichen Einsatz von KI in der Mathematik mit der Rolle von Schachcomputern: "KI hat vor Jahren bekanntlich das Schach erobert, aber Schach blüht heute immer noch, weil es jetzt für einen einigermaßen guten Schachspieler möglich ist, darüber zu spekulieren, welche Züge in welchen Situationen gut sind, und er kann die Schach-Engines nutzen, um 20 Züge vorauszuschauen."
OpenAIs o1 sei dazu im Ansatz in der Lage. Allerdings betont Tao, dass KI-Modelle derzeit noch weit davon entfernt sind, echte Forschungsassistenten zu sein. Er vergleicht sie mit "mittelmäßigen, aber nicht völlig inkompetenten" Forschungsassistenten, die zwar Routineaufgaben bewältigen können, aber oft unkreativ und unflexibel sind.
"Ein wichtiger Unterschied zwischen Doktoranden und KI ist, dass Doktoranden lernen", erklärt Tao. "Man sagt einer KI, dass ihr Ansatz nicht funktioniert, sie entschuldigt sich, korrigiert vielleicht vorübergehend ihren Kurs, aber manchmal fällt sie einfach wieder in das zurück, was sie vorher versucht hat. Und wenn man eine neue Sitzung mit KI beginnt, fängt man wieder bei Null an."
Vision einer "industriellen Mathematik"
Tao skizziert eine Vision von "industrieller Mathematik", die durch KI und andere Computerwerkzeuge ermöglicht werden könnte. Statt dass einzelne Mathematiker jahrelang an schwierigen Problemen arbeiten, könnten große Teams mit KI-Unterstützung breiter angelegte, aber weniger tiefgehende Forschung betreiben. Chatbots könnten hier als Beschleuniger dienen, indem sie natürliche Sprache in Programmier-Code für sogenannte "Proof Assistants" übersetzen.
"Statt enger, tiefer Mathematik, bei der ein menschlicher Experte sehr hart an einem engen Bereich von Problemen arbeitet, könnte man breite, crowdgesourcte Probleme mit viel KI-Unterstützung haben, die vielleicht oberflächlicher sind, aber in einem viel größeren Maßstab", erklärt Tao. "Und das könnte eine sehr komplementäre Art sein, mathematische Erkenntnisse zu gewinnen."
Tao betont jedoch, dass Menschen und KI sich ergänzende Stärken haben und an der Forschungsfront immer beide gebraucht werden: "KI ist sehr gut darin, Milliarden von Datenpunkten in eine gute Antwort umzuwandeln. Menschen sind gut darin, aus zehn Beobachtungen wirklich inspirierte Vermutungen anzustellen."
Mathematikprofessor gelingt KI-Beweis, aber Mensch macht’s besser
Robert Ghrist, Mathematikprofessor an der University of Pennsylvania, hat mithilfe des KI-Modells GPT-o1-mini von OpenAI einen komplexen mathematischen Beweis erbracht. Nach monatelangen Versuchen mit verschiedenen KI-Modellen gelang Ghrist der Durchbruch: GPT-o1-mini konnte einen fehlerhaften Beweis analysieren, die Fehler erkennen und einen neuen, eleganteren Beweis generieren.
Ghrist räumt jedoch ein, dass die Zusammenarbeit mit KI die Arbeit nicht unbedingt erleichtert hat und ein anderer Mathematiker zeigte kurz nach der Veröffentlichung, dass der Beweis ohne KI-Unterstützung deutlich simpler gewesen wäre.
KI-News ohne Hype
Von Menschen kuratiert.
- Mehr als 20 Prozent Launch-Rabatt.
- Lesen ohne Ablenkung – keine Google-Werbebanner.
- Zugang zum Kommentarsystem und Austausch mit der Community.
- Wöchentlicher KI-Newsletter.
- 6× jährlich: „KI Radar“ – Deep-Dives zu den wichtigsten KI-Themen.
- Bis zu 25 % Rabatt auf KI Pro Online-Events.
- Zugang zum kompletten Archiv der letzten zehn Jahre.
- Die neuesten KI‑Infos von The Decoder – klar und auf den Punkt.