Ihre Arbeit zeigt, dass ChatGPT-5.2 (Thinking) ein im Jahr 2024 gestelltes Problem eigenständig gelöst hat, das mit einer von den Mathematikern Ran und Teng formulierten Vermutung zusammenhängt. Das Modell lieferte die Hauptarchitektur des Beweises nach mehreren Dialog-Sitzungen mit den Forschern.
Dieser von den Wissenschaftlern als "Vibe-Proving" bezeichnete Ansatz besteht darin, diese Werkzeuge zu nutzen, um komplexe theoretische Ideen zu organisieren und zu erforschen. Einer der Autoren gibt an, dieses Potenzial schon lange geahnt zu haben, sei aber angenehm über die Effizienz des Prozesses überrascht. Die Methode ist vom in der Programmierung verwendeten "Vibe-Coding" inspiriert.
Die Forscher des Data Analytics Lab präzisieren, dass der menschliche Beitrag unerlässlich bleibt, insbesondere für die endgültige Überprüfung und die Lösung der letzten Ungenauigkeiten. So beschleunigt die künstliche Intelligenz die Formulierung von Beweisskizzen, aber der Schritt der Validierung durch Experten stellt nach wie vor einen wichtigen Punkt dar, der Zeit erfordert.
Dieser Fortschritt stellt eine bemerkenswerte Etappe für die künstliche Intelligenz in den Grundlagenwissenschaften dar. Über Hilfe beim Schreiben oder Programmieren hinaus beteiligen sich Sprachmodelle nun aktiv an der mathematischen Entdeckung.
Professor Vincent Ginis vom Data Analytics Lab stellt fest, dass so manche Vorurteile über die begrenzte Kreativität solcher Systeme infrage gestellt werden. Die Erfahrung zeigt, dass diese Werkzeuge über die einfache Neuformulierung von Trainingsdaten hinausgehen und originelle Argumentationswege vorschlagen können.
Die Wissenschaftler gehen davon aus, dass sich Sprachmodelle weiter verbessern werden, um Forscher noch stärker in der Überprüfungsphase zu unterstützen. Diese Synergie könnte die Praktiken in der theoretischen Forschung verändern, indem der Entdeckungsprozess interaktiver und sicherlich deutlich schneller wird.
Was ist eine mathematische Vermutung?
In der Mathematik bezeichnet eine Vermutung (Conjecture) eine Aussage, die auf Beobachtungen oder Teilergebnissen basierend als wahrscheinlich wahr angesehen wird. Sie unterscheidet sich von einem Theorem, einer durch einen logischen und rigorosen Beweis endgültig etablierten Aussage.
Diese Hypothesen entstehen oft aus der Intuition von Mathematikern, die Regelmäßigkeiten oder wiederkehrende Strukturen erkennen. Sie dienen als Ziel für die Forschung und motivieren die Suche nach einem formalen Beweis, der die Hypothese in eine unbestreitbare mathematische Wahrheit verwandeln würde.
Der Prozess des Beweisens einer Vermutung ist ein kollektives Unterfangen, das Jahre oder sogar Jahrhunderte dauern kann. Er erfordert methodische Kreativität, um ein lückenloses Argument zu konstruieren, das logische Schritte ausgehend von bereits anerkannten Axiomen und Theoremen aneinanderreiht.
Die Lösung einer Vermutung ist stets ein bedeutendes Ereignis in der Disziplin. Sie bestätigt nicht nur die ursprüngliche Intuition, sondern bereichert auch das mathematische Gebäude, indem sie neue Zusammenhänge offenbart und den Weg für weitere Fragen ebnet.
Wie funktionieren große Sprachmodelle (LLMs)?
Große Sprachmodelle, wie das in dieser Studie verwendete, sind Systeme der künstlichen Intelligenz, die mit massiven Textmengen trainiert wurden. Sie lernen, Wortfolgen kohärent vorherzusagen und zu generieren, indem sie die Strukturen der menschlichen Sprache und bestimmte Formen des logischen Denkens erfassen.
Diese Modelle "verstehen" die Bedeutung nicht im menschlichen Sinne, sondern erkennen ausgefeilte statistische Muster in den Daten. Wenn man ihnen ein mathematisches Problem vorlegt, können sie gelernte Konzepte zusammensetzen, um eine Abfolge von Ideen vorzuschlagen, die einem Beweis ähnelt.
Ihre Stärke liegt in ihrer Fähigkeit, einen riesigen Raum theoretischer Möglichkeiten schnell zu erkunden. Sie können Denkrichtungen oder Formulierungen vorschlagen, die der menschliche Geist nicht unbedingt an erster Stelle erwogen hätte, und wirken so als Katalysator für die Kreativität des Forschers.
Ihre Produktion erfordert jedoch stets eine kritische Prüfung. Sie können Argumente generieren, die plausibel erscheinen, aber logische Fehler oder ungerechtfertigte Sprünge enthalten. Ihre Rolle ist daher ergänzend; sie helfen beim Strukturieren des Denkens, überlassen das letzte Wort aber der Strenge der menschlichen Überprüfung.