Anthropic zufolge ist eines seiner unveröffentlichten Claude-Modelle bei dem Versuch, ein Problem zu lösen, das Forscher seit 1859 vor ein Rätsel stellt, auf einen mathematischen Durchbruch gestoßen.
Das Unternehmen erklärte, eine interne Forschungsversion von Claude sei gebeten worden, einen „ernsthaften Versuch“ zu unternehmen, die Riemannsche Vermutung zu lösen – eines der Millennium-Probleme des Clay Mathematics Institute, für dessen Beweis ein Preisgeld von 1 Million US-Dollar ausgesetzt ist.
Claude hat die Vermutung nicht bewiesen. Stattdessen hat das Modell laut Anthropic eine bessere untere Schranke für eine eng verwandte Frage entdeckt, bei der es um die Nullstellen der Riemannschen Zetafunktion geht. Nach Angaben des Unternehmens erhöhte das Modell die bekannte untere Schranke von 41,6 % auf 67,2 %.
Anthropic schrieb, „Wir erwarten nicht, dass die von Claude verwendeten Techniken zum Beweis der Riemannschen Vermutung führen werden. Seine Arbeit ist jedoch das jüngste Beispiel für die Geschwindigkeit, mit der sich die mathematischen Fähigkeiten von KI-Modellen.”
Das Ergebnis wurde von den Anthropic-Mathematikern Levent Alpöge und Ralph Furman geprüft. Das Unternehmen erklärte außerdem, es habe die Arbeit den externen Experten Brian Conrey und Dan Goldston vorgelegt. Claude erstellte zudem einen formal überprüfbaren Beweis mithilfe des Beweisassistenten Lean.
Wie das Modell zu dem Ergebnis kam
Anthropic zufolge arbeitete das Forschungsmodell über zwei Claude Code-Sitzungen hinweg und erzeugte 31 Millionen Ausgabetokens. Zunächst untersuchte es 650 erfolglose Ansätze, bevor es etwa 60 Subagenten koordinierte, die Tausende numerische Prüfungen durchführten, 2.400 Shell-Befehle ausführten und Hunderte Python-Skripte schrieben.
Die Arbeit wurde von einem Anthropic-Mitarbeiter ohne nennenswerte mathematische Ausbildung angestoßen, der das Modell lediglich aufforderte, einen „ernsthaften Versuch“ zu unternehmen, die Vermutung zu beweisen, und es dann etwa eineinhalb Tage lang autonom weiterarbeiten ließ.
Anthropic zufolge entstand der Durchbruch durch die Kombination mehrerer bestehender Forschungsrahmen, die von Mathematikern wie Baluyot, Goldston, Suriajaya, Turnage-Butterbaugh und Bombieri entwickelt worden waren.
Die Behauptung dürfte Aufmerksamkeit erregen, weil sie darauf hindeutet, dass KI-Systeme als Forschungspartner zunehmend nützlicher werden könnten und nicht nur als Problemlöser. Das Modell hat jahrzehntelange mathematische Arbeit nicht ersetzt, sondern darauf aufgebaut und ein Ergebnis hervorgebracht, das Experten prüfen und verifizieren konnten.
Anthropic selbst betonte, dass die Leistung deutlich begrenzter ist als eine Lösung der Riemannschen Vermutung. Das Unternehmen stellte sie als unerwartetes Nebenprodukt eines gescheiterten Versuchs dar, das größere Problem zu lösen.
Was als Nächstes daraus entstehen könnte
Sollte der Beweis einer umfassenderen mathematischen Prüfung standhalten, könnte das Ergebnis ein weiteres Zeichen dafür sein, dass fortschrittliche KI-Modelle über das Beantworten von Fragen hinausgehen und sich zunehmend am Forschungsprozess selbst beteiligen.
Das ist weit über die Mathematik hinaus von Bedeutung. Forscher in Wissenschaft und Technologie verbringen enorme Mengen an Zeit damit, Ideen zu testen, Berechnungen zu überprüfen, Code zu schreiben und Ansätze auszusortieren, die zu nichts führen. Claudes Experiment deutet darauf hin, dass KI-Systeme zunehmend Teile dieser explorativen Arbeit übernehmen und menschlichen Forschern dabei helfen könnten, schneller mehr Möglichkeiten zu untersuchen.
Wichtige Einschränkungen bleiben bestehen. Anthropics Ergebnis hat nicht das normale wissenschaftliche Peer-Review-Verfahren durchlaufen, und Claude hat die Riemannsche Vermutung nicht gelöst. Für alle, die die Entwicklung der KI beobachten, stellt sich jedoch die übergeordnete Frage, ob Systeme wie Claude nicht nur Antworten finden, sondern dabei helfen können, tatsächlich neues Wissen hervorzubringen.
Weiterführende Lektüre: Einen weiteren Blick darauf, wie Regierungen KI-Modelle auf die Probe stellen, bietet der Beitrag darüber, wie Japan seine selbst entwickelten LLMs in einem groß angelegten KI-Pilotprojekt im öffentlichen Sektor mit Claude und Amazon Nova vergleicht.