Was passiert mit der Mathematik, wenn KI besser ist?

Das Problem ist nicht, ob KI Mathematik kann

Terence Tao macht sich keine Sorgen darüber, ob KI mathematische Probleme lösen kann. Sie kann es, und sie wird jeden Monat besser. Was ihn beunruhigt, ist etwas Seltsameres: die Möglichkeit, dass das Fach Mathematik selbst diesen Aufprall nicht überleben könnte.

In einem neuen Essay für den 2026 International Congress of Mathematicians argumentiert der Fields-Medaillist, dass KI die Mathematik in eine Krise stürzen könnte, die mit der grundlegenden Erschütterung um 1900 vergleichbar ist - der Gödel-Krise, die Mathematiker zwang, Annahmen explizit zu machen, die sie immer implizit gelassen hatten. Diese Krise brachte ein rigoroses Rahmenwerk hervor, das ein Jahrhundert lang Bestand hatte.

Dieses Mal ist der Belastungstest anders. Es geht nicht um mathematische Wahrheit, sondern um das, was Tao "das weitgehend implizite Rahmenwerk mathematischer Werte und Praktiken" nennt: was als Beitrag zählt, was belohnt wird, was es bedeutet, etwas zu verstehen, und ob eine Maschine beanspruchen kann, die Arbeit getan zu haben.

Beweisschwemme ist das Problem

Taos Arbeitshypothese ist klar: "KI-Werkzeuge werden bald in der Lage sein, einen angemessenen Teil der mathematischen Aufgaben auf Forschungsebene mit vernünftigem Erfolg, vernünftiger Qualität, vernünftiger Überwachung und vernünftigen Kosten durchzuführen."

Das ist keine Spekulation. In einem kontrollierten Test wurden zehn nie veröffentlichte Forschungsprobleme gegen vier KI-Systeme getestet. Sieben der zehn erhielten mindestens eine Bestehensnote von mindestens einem System - eine Lösung, die als im Wesentlichen fehlerfrei oder nur geringfügig verbesserungsbedürftig beurteilt wurde. Die Kosten lagen zwischen einigen zehn und einigen hundert Dollar pro Problem.

Wenn die Hypothese zutrifft, warnt Tao, könnte das Fach von Beweisknappheit zu Beweisschwemme wechseln. KI-generierte Beweise würdensich schneller anhäufen, als irgendjemand sie überprüfen, lesen oder aufnehmen könnte. Der arXiv-Preprint-Server enthält bereits Dutzende von KI-generierte Einreichungen, die kein menschlicher Experte freiwillig überprüft hat.

Die vielen Ziele der Mathematik

The Decoder, das zuerst über Taos Essay berichtete, stellt fest, dass der Mathematiker das Problem als strukturell ansieht. Die vielen Ziele der Mathematik - Probleme lösen, Theorien entwickeln, Gemeinschaft fördern und die nächste Generation ausbilden - waren immer eng miteinander verbunden. KI droht, sie auseinanderzureißen.

Wenn KI auf Abruf Ergebnisse produzieren kann, bricht der Anreiz zusammen, gemeinsames Verständnis aufzubauen. Warum Monate damit verbringen, eine Theorie zu entwickeln, wenn ein Modell in Minuten einen Beweis generieren kann? Warum die nächste Generation ausbilden, wenn die Maschine die Antwort bereits kennt?

Tao beruft sich auf Goodharts Gesetz: "Wenn eine Kennzahl zum Ziel wird, hört sie auf, eine gute Kennzahl zu sein." Generative KI ist dafür besonders anfällig, weil sie das Erscheinungsbild einer guten Ausgabe jagt, nicht die wirkliche Sache. Die finanziellen Anreize der KI-Industrie verschlimmern die Lage, indem sie genau die Art von zitierfähigen, benchmarkfähigen Erfolgen belohnen, die Mathematiker lange als Stellvertreter für tiefere Ziele verwendet haben.

KI-Beweise sind leicht zu lesen und schwer zu lernen

Eine von Taos bemerkenswertesten Beobachtungen betrifft die Textur von KI-generierter Mathematik. In menschlich geschriebenen Beweisen behalten die schwierigen Teile eine natürliche Reibung: ein sorgfältiges Lemma, ein Wechsel der Notation, ein Absatz, der offensichtlich mehrfach umgeschrieben wurde. Diese "Fehler" in der menschlichen Darstellung, schreibt Tao, "können für den Leser wirklich hilfreich sein."

Ein KI-geglätteter Beweis entfernt sowohl das Durcheinander als auch diese nützlichen Signale und produziert Text, der "leicht zu lesen und schwer zu lernen" ist. Das Ergebnis ist ein Paradox: Je besser die KI darin wird, saubere Beweise zu schreiben, desto weniger nützlich sind diese Beweise für den Aufbau menschlichen Verständnisses.

New Scientist, das Taos Essay in einem Artikel mit dem Titel "Why mathematician Terence Tao thinks AI must spark a rapid revolution" behandelte, stellt fest, dass Tao selbst KI für die Literatursuche, Diagrammerstellung, Textvervollständigung und die Umwandlung seiner Folien in Papierformat verwendet. Er ist nicht gegen KI. Er versucht herauszufinden, was passiert, wenn der implizite Vertrag des Fachs - dass ein Beweis etwas ist, das ein Mensch verstehen und erklären kann - zusammenbricht.

Der Test, der zählt

Tao schlägt einen einzigen Test für KI-unterstützte Mathematik vor: Wenn die Autoren nicht überzeugend zeigen können, dass sie einen klaren Vortrag auf Expertenniveau über ihre Ergebnisse halten können, einen, der korrekt und ordnungsgemäß zugeordnet ist, dann sollte das Ergebnis nicht veröffentlicht werden. Ein Beweis, den kein Mensch richtig erklären kann, sollte als unvollständig betrachtet werden, selbst wenn er formal verifiziert wurde.

Die Ausbildung junger Mathematiker bedarf nach Taos Ansicht besonderer Sorgfalt, weil das Fach den "unverzichtbar menschlichen Aspekt" ihrer Arbeit schützen muss. Der Einsatz von KI-Werkzeugen sollte in der Ausbildung streng eingeschränkt werden - nicht weil die Werkzeuge gefährlich sind, sondern weil das Ziel der Ausbildung eines Mathematikers nicht dadurch erreicht wird, dass eine Maschine die Arbeit erledigt.

Eine Krise für jedes Fach, nicht nur für die Mathematik

Taos Essay erscheint zu einem Zeitpunkt, an dem die breiteren Auswirkungen sichtbar werden. The Malaysian Reserve veröffentlichte einen Artikel mit dem Titel "Math's AI crisis has a lesson for the rest of us", der argumentiert, dass dieselben Spannungen, die Tao in der Mathematik identifiziert - was als Beitrag zählt, wie man die nächste Generation ausbildet, was passiert, wenn die Maschine besser ist als der Experte - in jedem Berufsfeld wirken, das KI berührt.

Die Frage, die Tao stellt, ist nicht, ob KI Mathematik betreiben kann. Sie kann es, und sie wird besser werden. Die Frage ist, ob das Fach neu definieren kann, was es wertschätzt, bevor die Maschine es für sie neu definiert.

Quellen

• The Decoder: Terence Tao says AI could trigger maths biggest crisis since Godel
• New Scientist: Why mathematician Terence Tao thinks AI must spark a rapid revolution
• The Malaysian Reserve: Math's AI crisis has a lesson for the rest of us