Astra löste, woran Mathematiker scheiterten

Die Mathematikprobleme, an denen alle scheiterten

Seit mindestens einem Jahrzehnt starrten Mathematiker auf zehn offene Probleme in Bereichen von hochdimensionaler Geometrie bis Quantenkomplexität. Niemand knackte sie. Dann erzeugte ein KI-System namens Astra von OpenAI Beweise für alle zehn in einem einzigen Durchlauf, zu Rechenkosten von etwa 2.000 Dollar.

Noam Brown, einer der Forscher hinter der Testzeit-Reasoning-Technologie von Astra, verkündete die Ergebnisse am 1. August. "Eine interne Version von Astra, OpenAIs nächster großer Modellfamilie, hat zehn große offene Probleme in Mathematik und theoretischer Informatik gelöst", schrieb er. "Wir glauben, dass dies ein großer Schritt für wissenschaftliches Denken sein wird." Der Beitrag erreichte 8,4 Millionen Aufrufe.

OpenAI bestätigte die Ergebnisse in einem Blogbeitrag mit dem Titel "Ten advances in mathematics and theoretical computer science", der auch erstmals den Namen Astra öffentlich machte. Das Unternehmen erklärte, eine interne Version seiner nächsten großen Modellfamilie habe Argumente für alle zehn Probleme erzeugt und dann mit menschlichen Forschern zusammengearbeitet, um daraus formale Forschungsarbeiten zu machen.

Die 2.000-Dollar-Beweise

Die Probleme, die Astra löste, decken bemerkenswert unterschiedliche Gebiete ab. Sie reichen von hochdimensionaler Geometrie über Codierungstheorie, Gruppentheorie, Quantenkomplexität und Gitterkryptografie bis hin zu extremaler Kombinatorik. Ein Beweis etabliert die Existenz nicht-sofischer Gruppen und löst damit eine wichtige offene Frage der Gruppentheorie, die jahrelang jedem Lösungsversuch widerstand.

OpenAI gab an, dass die Token für alle zehn Lösungen zu Sol-API-Preisen etwa 2.000 Dollar gekostet hätten. Nachdem das Modell seine Argumente erzeugt hatte, arbeiteten Menschen mit demselben Modell zusammen, um daraus Forschungsarbeiten zu machen. Das Modell formalisierte außerdem jeden Beweis in Lean, dem interaktiven Theorembeweiser, und erzeugte maschinenprüfbare Zertifikate der mathematischen Korrektheit. OpenAI veröffentlichte eine detaillierte Darstellung des Denkprozesses des Modells für jede Lösung.

Das Unternehmen argumentierte, dass die Behauptung einer menschlichen Autorenschaft für von KI erzeugte Beweise sowohl den Beitrag des Systems als auch die Natur echter menschlicher intellektueller Arbeit verfälschen würde. Es verwies auf die Leidener Erklärung zu KI und Mathematik als Referenz für die Zuordnung von Anerkennung in KI-gestützter Forschung.

Mathematiker reagieren: Große Neuigkeiten mit Einschränkungen

Thomas Bloom, Mathematiker an der University of Manchester und Betreiber von erdosproblems.com, nannte die Ergebnisse "große Neuigkeiten" auf X. Er hält sie für bedeutender als das Gegenbeispiel zur Unit-Distance-Vermutung, das im Mai veröffentlicht wurde. "Vielleicht nicht größer als ein Beweis der Unit-Distance-Vermutung, aber in Bezug auf Konstruktionen ist das groß", schrieb Bloom.

Bloom wies jedoch auch die Vorstellung zurück, dass KI Mathematiker ersetze. Er argumentierte, dass diese Behauptung wenig Sinn ergebe, wenn die KI auf mehr als einem Jahrhundert mathematischer Theorie aufbaue, von Mathematikern entwickelt wurde und auf allem trainiert sei, was Mathematiker je geschrieben haben.

Noam Brown fügte eine Dosis Perspektive hinzu. "Leider noch keine Millennium-Probleme", schrieb er. Das Clay Mathematics Institute bietet 1 Million Dollar für die Lösung jedes der sieben Millennium-Probleme, aber nur eines wurde seit der Ausschreibung im Jahr 2000 gelöst. Brown wies auch auf die Kosteneffizienz hin: "Wir haben nicht viel für jedes Problem ausgegeben. Es ist möglich, Testzeit-Rechnen viel weiter zu treiben."

Die Argumente der Skeptiker

Gary Marcus, Kognitionswissenschaftler und häufiger KI-Kritiker, veröffentlichte eine ausführliche Antwort, in der er argumentierte, dass die Aufregung um Astra auf einem Fehlschluss der Zusammensetzung beruhe -- der Annahme, dass ein System, das in Mathematik hervorragend ist, auch in allem anderen hervorragend sei.

"Mathematik eignet sich für Verifikation und riesige Mengen billig produzierter synthetischer Daten, bei denen Sie garantieren können, dass die Antworten korrekt sind", schrieb Marcus. "Dasselbe gilt für Programmierung, aber nicht allgemein. Sie können so viele mathematische Fakten erzeugen, wie Sie wollen; Sie können die offene Welt nicht simulieren."

Marcus wies auf mehrere fehlende Informationen hin. OpenAI hat nicht offengelegt, wie viele Vermutungen versucht wurden, bevor zehn Erfolge erzielt wurden. Die Rechenkosten von 2.000 Dollar enthalten nicht die Gehälter der menschlichen Forscher, die halfen, die Beweise in Arbeiten zu verwandeln. Henry Yuen, Professor an der Columbia University, stellte fest, dass die Beweisaufbereitungen die charakteristischen Merkmale von ChatGPT-generiertem Text aufwiesen: ausführliche Darstellung von Standardmaterial bei gleichzeitiger Übergehung der schwierigsten Schritte.

Ernie Davis, Informatikprofessor an der NYU, fügte hinzu, dass das Problem der Autoformalisierung -- die Umwandlung von von Menschen geschriebener Mathematik in eine streng logische Form -- noch lange nicht gelöst sei. Er verwies auf das laufende Projekt zur Formalisierung von Andrew Wiles' Beweis des Fermatschen Satzes in Lean, das Jahre gedauert hat und immer noch nicht abgeschlossen ist.

Was Astra tatsächlich ist

Astra ist kein einzelnes Modell, sondern eine neue Modellfamilie, die durch Koordination mehrerer KI-Agenten stunden- oder tagelang an Problemen arbeiten kann. CEO Sam Altman demonstrierte das System Politikern und Regulierungsbehörden in Washington, D.C., in derselben Woche, in der die mathematischen Ergebnisse veröffentlicht wurden.

Die Astra-Familie würde eine neue Modellklasse neben OpenAIs bestehenden Familien Sol, Terra und Luna bilden. Ob sie als GPT-6 oder als Variante innerhalb der GPT-5-Linie ausgeliefert wird, ist noch nicht entschieden. Es gibt kein Veröffentlichungsdatum.

Astra wäre das erste Modell, das im Rahmen des geplanten neuen KI-Rahmenwerks der Trump-Administration getestet wird, das eine Vorabgenehmigung durch die Bundesregierung vor der öffentlichen Freigabe vorsieht. Die Administration will das Rahmenwerk bis Ende dieser Woche finalisieren.

OpenAIs langfristiges Ziel ist vollständig autonome KI-Forschung. Chefwissenschaftler Jakub Pachocki sagte im Unternehmenspodcast, dass OpenAI Systeme bauen will, die stunden- oder tagelang an einem Problem arbeiten können. Bis März 2028 strebt das Unternehmen einen vollständig autonomen KI-Forscher an, der eigenständig Forschungsprojekte durchführen kann. Bereits im September plant OpenAI ein KI-System mit Fähigkeiten auf dem Niveau eines Forschungspraktikanten.

Bodenhaftung, nicht Magie

Die Astra-Ergebnisse sind zweifellos beeindruckend. Zehn offene Probleme zu lösen, die ein Jahrzehnt lang niemand knacken konnte, zu Rechenkosten von 2.000 Dollar, mit formaler Verifikation in Lean -- das ist ein Meilenstein, den man ernst nehmen sollte.

Aber der Sprung von "KI kann schwierige Matheprobleme lösen" zu "KI ist ein universeller Problemlöser" ist ein Sprung, den die Beweise nicht stützen. Mathematik ist ein Sonderfall. Sie hat klare Regeln, überprüfbare Antworten und ein unendliches Angebot an Trainingsdaten mit garantiert korrekten Ergebnissen. Die reale Welt funktioniert nicht so.

Der eigentliche Test für Astra wird kommen, wenn es außerhalb der kontrollierten Bedingungen mathematischer Beweise eingesetzt wird -- wenn es Dinge tun muss wie zuverlässig PDFs lesen, kohärente Texte schreiben oder offene Aufgaben bewältigen, ohne über Stunden hinweg Fehler anzuhäufen. Das sind die Probleme, die jedes KI-System, auch dieses, noch immer besiegen.

Für den Moment ist die Botschaft klar: Eine Maschine hat neuartige mathematische Beweise erzeugt, an denen Menschen jahrelang gescheitert waren, und es kostete etwa so viel wie ein anständiger Laptop. Das ist eine große Sache. Es ist nicht die Singularität.