Anthropic-Mathematiker behauptet, KI-gestützten Beweis der Riemannschen Vermutung gefunden zu haben
Levent Alpöge veröffentlichte eine mit Lean verifizierte Lösung für die 1859 formulierte Riemannsche Vermutung unter Verwendung von Claude, während der Stanford-Postdoc Alessandro Masullo einen rein menschlichen Beweis der Verallgemeinerten Riemannschen Vermut
Automatisch aus dem englischen Original übersetzt.
In einer bedeutenden Woche sowohl für Unternehmensmeilensteine als auch für die Geschichte der Mathematik kündigte Levent Alpöge, ein Mathematiker bei Anthropic, eine mögliche Lösung der Riemannschen Vermutung an. Dieses 167 Jahre alte Problem, eines der Millennium-Probleme, betrifft die verborgene Struktur der Primzahlen. Die Ankündigung fiel zeitlich zusammen damit, dass Anthropic das erste börsennotierte Frontier-KI-Labor wurde, was den Hintergrund dieser Offenlegung komplex gestaltete.
Alpöge beschrieb das Timing als schwierig, fühlte sich aber verpflichtet, seine Erkenntnisse sofort zu teilen. Er kontaktierte Anthropic-CEO Dario Amodei, um zu besprechen, wie er eine in Lean kompilierbare Lösung ankündigen könne, die er entdeckt hatte. Der Dringlichkeit lag eine lebenslange Faszination für das Problem zugrunde, die ihn dazu veranlasste, die Arbeit zu veröffentlichen, bevor sie vollständig in eine für Menschen verständliche Erklärung übersetzt war.
Was passiert ist
Der Kern von Alpöges Ankündigung ist ein formaler Beweis, geschrieben in Lean, einer Open-Source-Programmiersprache, die entwickelt wurde, um mathematische Ideen als Code auszudrücken. Dieser Ansatz ermöglicht eine formale Verifizierung, was bedeutet, dass die Logik von einem Computer überprüft werden kann, anstatt sich ausschließlich auf die Begutachtung natürlichsprachlicher Argumente durch Kollegen zu verlassen. Mehrere Experten, darunter der MIT-Mathematiker Andrew Sutherland, haben bestätigt, dass Alpöges Lösung in Lean erfolgreich kompiliert.
Die Mathematikgemeinschaft hat mit großem Interesse und etwas Verwirrung reagiert. Auf der Chat-Plattform Zulip analysierten Zahlentheoretiker wie Chris Birkbeck von der University of East Anglia die Komponenten des Beweises. Birkbeck bemerkte die Verwendung fortgeschrittener Konzepte wie Automorphie-Lifting-Argumente und Galois-Darstellungen. Während die technischen Details dicht bleiben, hat die erfolgreiche Kompilierung das Vertrauen erzeugt, dass das formale Ergebnis gültig ist, auch wenn das menschliche Verständnis hinterherhinkt.
Gleichzeitig kam eine separate Entwicklung von der Stanford University. Ravi Vakil, Präsident der American Mathematics Association, teilte einen Entwurf eines Beweises der Verallgemeinerten Riemannschen Vermutung vom Postdoc Alessandro Masullo. Im Gegensatz zu Alpöges Arbeit ist Masullos Beweis vollständig menschlich abgeleitet und nutzt keine KI-Unterstützung. Vakil erklärte, dass der Entwurf früher als geplant veröffentlicht wurde, um auf das aktuelle Klima zu reagieren, und betonte, dass menschliche Mathematiker im Feld weiterhin vital und aktiv sind.
Wie es funktioniert
Lean dient als kritische Infrastruktur für Alpöges Behauptung. Es ist ein Beweisassistent, der von Mathematikern verlangt, logische Schritte in rigorosen Code zu übersetzen. Wenn der Code kompiliert, ist der Beweis per Definition logisch schlüssig, was die oft in traditionellen Papers vorhandene Mehrdeutigkeit beseitigt. Alpöge nutzte Claude, das KI-Modell von Anthropic, um den komplexen Suchraum potenzieller Argumente zu navigieren. Er beschrieb den Prozess als einen „Bewusstseinsstrom-Ausflug“, bei dem die KI half, das Argument inmitten von Verwirrung zusammenzusetzen.
Diese Methode steht im starken Kontrast zu Masullos Ansatz, der zwölf Jahre traditioneller mathematischer Arbeit repräsentiert. Masullos Beweis stützt sich auf Standard-Begutachtungsprozesse und menschliche Verifizierung. Ohne eine Lean-Formalisierung bleibt seine Gültigkeit unsicher, bis die breitere Gemeinschaft die Logik manuell verdauen und überprüfen kann. Die Gegenüberstellung hebt zwei divergierende Wege in der modernen Mathematik hervor: KI-beschleunigte formale Verifizierung versus traditionelle menschliche Einsicht.
Wichtige Details
- Levent Alpöge, ein Mitarbeiter von Anthropic, behauptet, eine Lösung für die 1859 formulierte Riemannsche Vermutung gefunden zu haben.
- Der Beweis ist in Lean geschrieben, einer Open-Source-Sprache für formale Verifizierung, und wurde von unabhängigen Experten kompiliert.
- Alpöge nutzte Claude, das KI-Modell von Anthropic, um bei der Entdeckung der Teile des Arguments zu unterstützen.
- Der Stanford-Postdoc Alessandro Masullo veröffentlichte einen separaten, rein menschlichen Beweis der Verallgemeinerten Riemannschen Vermutung.
- Masullos Arbeit repräsentiert 12 Jahre Aufwand und wurde frühzeitig veröffentlicht, um die Rolle menschlicher Mathematiker zu bekräftigen.
- Alpöge und sein Mitarbeiter Tristan Buckmaster veröffentlichten zudem einen Beweis im Zusammenhang mit den Navier-Stokes-Gleichungen.
Warum es wichtig ist
Für Software-Ingenieure und technische Führungskräfte unterstreicht dieses Ereignis die wachsende Fähigkeit von KI, Aufgaben mit hoher logischer Komplexität zu bewältigen. Die Nutzung von Lean zeigt, dass formale Methoden nicht mehr nur akademische Kuriositäten sind, sondern praktische Werkzeuge zur Verifizierung kritischer Systeme. Da KI-Modelle besser darin werden, formale Logikräume zu navigieren, verschwimmt die Grenze zwischen Programmierung und mathematischem Beweis und bietet neue Wege, die Korrektheit in Software und Algorithmen sicherzustellen.
Die doppelten Ankündigungen heben zudem einen kulturellen Wandel in der Forschung hervor. Alpöges Abhängigkeit von KI deutet auf eine Zukunft hin, in der Entdeckungen durch maschinelle Intuition beschleunigt werden, selbst wenn die menschliche Erklärung hinterherhinkt. Umgekehrt dient Masullos Arbeit als Erinnerung daran, dass tiefgehende, anhaltende menschliche Forschung unerlässlich bleibt. Für Teams, die KI-Produkte entwickeln, signalisiert dies die Notwendigkeit, Automatisierung mit Interpretierbarkeit auszubalancieren und sicherzustellen, dass Ergebnisse nicht nur korrekt, sondern auch für menschliche Stakeholder verständlich sind.
Was Sie tun können
- Erkunden Sie Lean und andere Beweisassistenten, um zu verstehen, wie formale Verifizierung in der Praxis funktioniert.
- Untersuchen Sie die Integration von KI-Modellen in logische Schlussfolgerungsaufgaben, um potenzielle Anwendungsfälle in Ihrem Bereich zu identifizieren.
- Verfolgen Sie den laufenden Begutachtungsprozess für beide Beweise, um zu sehen, wie die Gemeinschaft diese Behauptungen validiert.
- Überlegen Sie, wie formale Methoden die Zuverlässigkeit Ihrer eigenen kritischen Softwaresysteme verbessern könnten.
- Fördern Sie Teamdiskussionen über die Balance zwischen KI-unterstützter Entdeckung und menschlicher Interpretierbarkeit.
- Bleiben Sie über Entwicklungen in der KI-getriebenen Mathematik auf dem Laufenden, um Verschiebungen in Problemlösungsmethodologien vorherzusehen.



