OpenAIs nächstes Modell, Astra, hat gerade zehn seit Jahrzehnten offene Matheprobleme gelöst

Am 1. August veröffentlichte OpenAI einen Bericht, wonach das nächste Modell, intern Astra genannt (noch nicht verfügbar), neue Ergebnisse zu zehn verschiedenen offenen Problemen der Mathematik erzielt hat. (Nein, es sind nicht die Millennium-Probleme, aber sie sind dennoch bedeutend.)

Bemerkenswert ist: Diese Lösungen sind kein kleiner Schritt nach vorn, sondern echte Auflösungen der Fragen, verifiziert mit Lean. (Lean ist eine Programmiersprache und ein Beweisassistent, der jeden Schritt eines mathematischen Arguments in maschinenlesbaren Details explizit macht.) 

Das ist eine Menge auf einmal. In diesem Artikel habe ich die Probleme nach Teilgebieten sortiert, skizziere, was passiert ist, was das für das Fach Mathematik bedeuten könnte und was wir sonst noch über Astra erfahren können.

Was sind die zehn Probleme?

Hier sind die einzelnen Ergebnisse, verständlich zusammengefasst, inklusive des jeweiligen Fachgebiets in Mathematik oder Informatik.

Nicht-sofische Gruppen

Fachgebiet: Gruppentheorie

Astra lieferte eine explizite Konstruktion einer Gruppe, die sich durch große endliche Strukturen, egal wie fein, nicht approximieren lässt — und schloss damit eine seit 1999 offene Frage, als der Begriff der „sofischen“ Gruppe eingeführt wurde. Die Konstruktion enthält einen Beweis, dass keine Folge endlicher Approximationen je funktionieren kann, formalisiert in Lean, sodass die Logik maschinell überprüfbar ist.

Wikipedia wurde bereits aktualisiert:

Kugelpackungen

Fachgebiet: Hochdimensionale Geometrie

Die Frage lautet, wie dicht identische, sich nicht überlappende Kugeln gepackt werden können, wenn die Anzahl der Dimensionen wächst. Astra bewies eine engere Obergrenze für diese Dichte in hohen Dimensionen — die erste Verbesserung dieser speziellen Schranke seit 1978. Es liefert keine bessere Packmethode, sondern verengt den Bereich dessen, was künftig überhaupt möglich ist.

Binäre und sphärische Codes

Fachgebiet: Kodierungstheorie

Fehlerkorrigierende Codes funktionieren, indem sie gültige Nachrichten weit genug voneinander entfernt halten, sodass kleine Fehler sie nicht ineinander verwandeln können. Astra bewies deutlich strengere (exponentiell verbesserte) Grenzen dafür, wie viele solcher Nachrichten bei einem gegebenen Mindestabstand existieren können, mit einem passenden Ergebnis für Punkte auf einer hochdimensionalen Sphäre.

Connes’ Rigiditätsvermutung

Fachgebiet: Operatoralgebren

Alain Connes vermutete, dass sich bestimmte Gruppen stets eindeutig aus einer aus ihnen gebildeten algebraischen Struktur, einer sogenannten von-Neumann-Algebra, rekonstruieren lassen. Astra widerlegte dies, indem es zwei wirklich verschiedene Gruppen konstruierte, die zur gleichen Algebra führen, und zeigte damit, dass die Rekonstruktion nicht immer eineindeutig ist.

Arithmetische Schaltkreis-Komplexität

Fachgebiet: Komplexitätstheorie

Die „Permanent“-Funktion, eine einzelne Zahl aus einem Zahlenraster, ist rechenaufwendig, und die Komplexitätstheorie fragt nach der minimal möglichen Anzahl arithmetischer Schritte. Astra bewies eine neue, stärkere Untergrenze für dieses Minimum — eine berüchtigt harte Art von Ergebnis, die sich selten bewegt.

Quanten-Parallelewiederholung

Fachgebiet: Quantenkomplexitätstheorie

Die klassische Theorie sagt: Zwingt man zwei nicht kommunizierende Spieler, ein schwieriges Spiel oft parallel zu wiederholen, sinkt die Erfolgschance fürs Schummeln exponentiell. Astra bewies, dass diese Garantie auch gilt, wenn die Spieler Quantenverschränkung teilen, und überträgt damit ein grundlegendes klassisches Prinzip in den Quantenkontext.

Closest-Vector-Problem

Fachgebiet: Gitterbasierte Kryptografie

Gegeben ein sich wiederholendes Gitter von Punkten (ein Gitter) und ein Zielpunkt, fragt dieses Problem nach dem nächstgelegenen Gitterpunkt — in hohen Dimensionen als sehr schwer geltend, weshalb es quantenresistente Verschlüsselung stützt. Astra bewies, dass selbst die Approximation der Antwort innerhalb eines bestimmten polynomiellen Faktors nachweislich schwer bleibt und stärkt damit die darauf aufbauende Kryptografie.

Ehrharts Volumenvermutung

Fachgebiet: Diskrete und konvexe Geometrie

Für eine konvexe Form, deren einziger innerer Gitterpunkt genau im Schwerpunkt liegt, wollten Mathematiker das maximal mögliche Volumen in beliebiger Dimension bestimmen. Astra berechnete dieses maximale Volumen für jede Dimension und entschied die Vermutung in voller Allgemeinheit.

Mehrfarbige Ramsey-Zahlen

Fachgebiet: Ramsey-Theorie / Kombinatorik

Mit genug Personen und genug Beziehungsarten zwischen ihnen findet man zwangsläufig drei Personen, die alle durch dieselbe Art verbunden sind. Astra bewies, dass die dafür nötige minimale Gruppengröße schneller wächst als jede feste Exponentialrate, wenn die Zahl der Kategorien steigt, und löste damit Erdős-Problem 183.

Extremale Zahlschrankheitsvermutungen

Fachgebiet: Extremale Graphentheorie

Dieses Teilgebiet fragt, wie viele Verbindungen ein Netzwerk haben kann und dabei dennoch bestimmte kleine, verbotene Muster vermeidet. Astra klärte zwei verwandte Vermutungen auf, entsprechend den Erdős-Problemen 146 und 180, und bestimmte, wie dicht solche Netzwerke werden können, bevor diese Muster unvermeidlich auftreten.

Jedes dieser Probleme war seit mindestens einem Jahrzehnt offen; mehrere standen seit über dreißig Jahren, darunter Fragen, an denen Turing-Preisträger auf der theoretischen CS-Seite gearbeitet hatten.

Ist ein Gegenbeispiel die „einfache“ Art von Beweis?

Wer bin ich, hier etwas Negatives zu sagen — aber ich weiß, dass das eine häufige Frage oder Reaktion ist, gerade von Menschen, die sich etwas mit Mathematik auskennen.

Die gängigste Kritik: Mehrere dieser Ergebnisse sind Gegenbeispiele statt neuer allgemeiner Theorie. Das ist wichtig, denn ein Gegenbeispiel beantwortet zwar eine Ja/Nein-Frage, erklärt aber nicht von selbst, warum das Muster bricht oder liefert eine Familie ähnlicher Objekte für die weitere Forschung. Eine Klassifikationsaussage oder eine neue Methode öffnet dagegen oft weitere Türen.

Ich finde, diese Kritik stimmt im Allgemeinen, taugt aber nicht als Pauschalabwägung für das gesamte Paket. Erstens ist das Ergebnis zu nicht-sofischen Gruppen keine kleine Korrektur eines Beinahe-Treffers — es ist die erste Konstruktion dieser Art nach 27 Jahren, in denen niemand eine hatte, und die zugrunde liegende Technik dürfte sich verallgemeinern lassen, um weitere zu finden.

Zweitens sind mehrere der anderen neun Ergebnisse, darunter die Schranke bei Kugelpackungen und die Härte des CVP, keine Gegenbeispiele, sondern direkte Verbesserungen bestehender Schranken. 

Was noch offen ist

Ein paar Punkte gilt es zu beobachten, während das Feld die Arbeit in den nächsten Tagen, Wochen und Monaten auseinandernimmt:

• Noch kein Peer Review. Die Beweise sind in Lean verifiziert und wurden informell von Mathematikerinnen und Mathematikern begutachtet, die Preprints gesehen haben, aber keiner ist bislang durch ein begutachtetes Journalverfahren gegangen. 
• Urheberschaft wird noch verhandelt. OpenAI sagt, man übernehme die Verantwortung für Manuskripte und Lean-Formalisierungen, während die mathematischen Argumente selbst dem Modell zugeschrieben werden. Eine unabhängige Replikation des Prozesses (im Gegensatz zur Verifikation der Beweise) ist derzeit schwer umzusetzen.

Was das für die Mathematik bedeutet

Die unmittelbarste Verschiebung betrifft die Frage, woran Mathematikerinnen und Mathematiker tatsächlich ihre Zeit verbringen. Wenn sich ein klar formuliertes offenes Problem an ein Modell übergeben und in Lean prüfen lässt, verlagert sich der Engpass von „Kann das jemand lösen?“ zu „Haben wir die richtige Frage gestellt und korrekt formalisiert?“. Die Kunst, gute Probleme zu formulieren und zu wissen, welche es sich lohnt anzugehen, ist eine echte, erfahrungsbasierte Kompetenz.

Auch Förder- und Reputationsfragen brodeln. Forschungsförderung, Tenure und Preise basierten historisch auf Knappheit: Diese Probleme waren so schwer, dass ihre Lösung etwas über die Lösenden aussagte. Wenn KI-unterstützte Resultate Routine werden, braucht das Fach neue Wege zu signalisieren, was wirklich schwer ist und was nun mit ein paar tausend Dollar Inferenz erreichbar ist. Klar, die breite Öffentlichkeit versteht diese Probleme nicht vollständig. Die Menschen mit echter Ausbildung schon, und das ändert sich nicht. Mathematisches Wissen ist also wertvoller denn je. 

So reagieren die Leute

Die Reaktionen in sozialen Medien drehen sich weniger darum, ob die Beweise halten, sondern eher darum, wofür sie als Beleg gelten.

Manche sehen im Tempo selbst die eigentliche Geschichte: zehn seit Jahrzehnten offene Probleme auf einmal, quer durch verschiedene Teilgebiete, schneller als Fachleute sie prüfen können. Eine Frage für die Zukunft: „Können wir mit dem Prüfen überhaupt noch Schritt halten?“

Andere entgegnen, dass das weniger über KI im Allgemeinen aussagt, als es scheint. Mathematik ist ein seltenes Feld, in dem sich die Arbeit eines Modells automatisch und vollständig prüfen lässt. Die meisten realen Probleme bieten keinen solchen eingebauten, automatischen Lösungsschlüssel. In dieser Sicht ist die Leistung real, sagt aber vielleicht mehr darüber aus, dass Mathematik für KI besonders gut geeignet ist.

Ein dritter Kommentarstrang: Ein korrekter Beweis, den noch niemand vollständig auditiert oder verinnerlicht hat, ist noch nicht wirklich verstanden, nur verifiziert. Ein Theorem zu entdecken und zu verstehen, was es bedeutet, sind in dieser Sicht zwei verschiedene Aufgaben.

Abschließende Gedanken

Mathematikerinnen und Mathematiker sagen, das Ergebnis zu nicht-sofischen Gruppen sieht nach „echter Ware“ aus: eine echte, seit Jahrzehnten offene Frage der Gruppentheorie, gelöst durch eine explizite Konstruktion, die in der Community ernst genommen wird. Die anderen neun Ergebnisse stehen zusammen für breite, fachlich substanzielle Fortschritte in der reinen Mathematik.

Was noch aussteht, ist der langsamere Teil: Peer Review, Replikation des Suchprozesses und dass das Fach tatsächlich auf diesen Ergebnissen aufbaut. Das dauert länger als ein Blogpost — und genau das wird zeigen, wie groß das wirklich war. Wir halten dich auf dem Laufenden.