Terence Tao: KI-Modelle ändern die Mathematik
Der "Mozart" der Mathematik sieht den neuen wissenschaftlichen Engpass in der Prüfung maschineller Datenmengen.
Künstliche Intelligenz generiert wissenschaftliche Theorien mittlerweile beinahe kostenlos und in Sekundenschnelle. In einem aktuellen Podcast-Interview mit Dwarkesh Patel erklärt der renommierte Mathematiker Terence Tao, warum diese Entwicklung den Fortschritt jedoch nicht automatisch beschleunigt.
Der Kepler-Moment für KI-Modelle
Moderne KI-Modelle erzeugen Ideen heute nahezu zum Nulltarif. Tao zieht hierbei eine historische Parallele zum Astronomen Johannes Kepler. Dieser verbrachte Jahrzehnte damit, unzählige Theorien zur Planetenbewegung zu testen, bis eine einzige stimmte.
Große Sprachmodelle arbeiten nach einem ähnlichen Prinzip, allerdings im Zeitraffer. Sie spucken durch geschicktes Prompting unzählige Lösungsansätze in kürzester Zeit aus. Die Erzeugung der Idee selbst verliert dadurch stark an Wert. Diese Fülle an Ansätzen sorgt für völlig neue Dynamiken in der Wissenschaft. Forscher stehen nicht mehr vor einem leeren Blatt Papier, sondern vor einem Berg an generierten Entwürfen.
Die Prüfung wird zum neuen Flaschenhals
Der Überfluss an Ideen verschiebt das Kernproblem der Forschung. Wenn ein System tausend Theorien liefert, ist das Brainstorming sofort abgeschlossen.
Die neue Herausforderung besteht darin, die 999 falschen Ansätze von dem einen richtigen zu trennen. Genau hier stößt die Technik noch an ihre Grenzen. Modellen fehlt oft das tiefere Verständnis, um Fehler selbstständig zu erkennen und gezielt auszubessern.
Sie produzieren Ergebnisse auf Basis von Wahrscheinlichkeiten, ohne den eigenen Ansatz kritisch zu hinterfragen. Die menschliche Expertise rückt dadurch noch stärker in den Fokus der Überprüfung.
Wissenschaftler müssen jetzt effiziente Methoden entwickeln, um die Ausgaben der KI schnell und zuverlässig zu kontrollieren.
Anzeige
Anpassung der wissenschaftlichen Infrastruktur
Tao vergleicht die Integration von KI in die Wissenschaft mit der Einführung des Automobils. Man baut keine Autos für alte Fußgängerwege, sondern errichtet dafür eine komplett neue Infrastruktur. Ähnlich verhält es sich mit den Ergebnissen von modernen Sprachmodellen.
Traditionelle Fachzeitschriften erwarten oft eine detaillierte Erzählung über den Weg zu einem Beweis. KI-Modelle liefern solche Herleitungen derzeit nicht in einer publikationsfähigen Form.
Forscher suchen daher nach neuen Wegen, um KI-gestützte Erkenntnisse sauber zu dokumentieren und zu teilen. Tao selbst nutzt KI intensiv für Recherchen und das Schreiben von Code. Für den Kern seiner mathematischen Arbeit greift er jedoch weiterhin zu Stift und Papier. Die Technologie ergänzt den Forschungsprozess spürbar, nimmt den Fachleuten das finale Denken aber nicht ab.