ForschungBeliebt

Ein Anthropic-Forscher sagt, Claude habe die Riemann hypothesis bewiesen

Ein Mathematiker im Dienst von Anthropic sagt, er habe mit Claude einen Beweis der Riemannschen Vermutung gefunden. Bestätigt hat das Unternehmen nichts, und Stanford legte wenige Stunden später einen menschlichen Gegenentwurf vor.

Anna WeberAnna Weber
Beliebtheit: 1,860
Konzentrische Spiralkurven, gekreuzt von einer senkrechten Linie mit hellen Punkten entlang der Achse

Ein Mathematiker im Dienst von Anthropic sagt, er habe mit Claude einen Beweis der Riemannschen Vermutung gefunden. Bestätigt hat das Unternehmen nichts, und Stanford legte wenige Stunden später einen menschlichen Gegenentwurf vor.

Was Levent Alpöge über Claude und die Riemann hypothesis sagt

Der Satz steht auf einer persönlichen Webseite, nicht in einer Pressemitteilung. Levent Alpöge schrieb am Freitag, er sei überzeugt, zusammen mit Claude einen Beweis der Riemann hypothesis gefunden zu haben, und der Beweis decke auch die verallgemeinerte Fassung ab.

Anthropic hat das nicht offiziell verkündet. SiliconANGLE hält ausdrücklich fest, dass keine Stellungnahme des Unternehmens vorliegt, und dieser Unterschied ist für die Einordnung entscheidend.

Alpöge ist Mathematiker und arbeitet für Anthropic. Er beschreibt den Weg als eine wirre Phase mit dem Modell, nicht als einen Geistesblitz. Am Sonntagabend vor der Veröffentlichung schrieb er dem Anthropic-Chef Dario Amodei, und in seinem Text steht der Satz, das Timing sei schrecklich, weil in derselben Woche der Börsengang des Unternehmens lag.

Die Riemannsche Vermutung in zwei Absätzen erklärt

Die Vermutung stammt aus dem Jahr 1859 und gehört zu den sieben Millennium-Problemen, für deren Lösung das Clay Institute eine Million Dollar ausgesetzt hat. Es geht um die Nullstellen der Riemannschen Zeta-Funktion, einer Reihe, die eng mit den Primzahlen zusammenhängt.

Die Behauptung lautet, dass alle nicht-trivialen Nullstellen den Realteil ein halb haben. Klingt harmlos. Hunderte von Sätzen in der Zahlentheorie setzen diese Aussage voraus, weshalb ein Beweis einen großen Teil des Fachs auf einen Schlag absichern würde.

Ob das praktische Folgen hat, ist offen. Primzahlen tragen einen Teil der Verschlüsselung im Netz, und die Vermutung beschreibt, wie diese Primzahlen verteilt sind, ohne dass daraus unmittelbar ein Angriff auf ein Verfahren folgt.

250.000 Seiten, die nur als Lean proof existieren

Gedruckt wäre der Beweis mehr als 250.000 Seiten lang, weil das Modell auch triviale Schritte ausschreibt. Alpöge hat ihn deshalb nicht als Text veröffentlicht, sondern als Code in Lean, verteilt auf 14 Datenpakete.

Lean ist eine offene Programmiersprache mit einem Prüfwerkzeug für Beweise. Läuft ein Lean-Programm durch, folgt die formalisierte Aussage aus den Axiomen, die im Code stehen. Mehrere Mathematiker, darunter Andrew Sutherland vom MIT, haben laut TechCrunch bestätigt, dass die Lösung kompiliert.

Für die Industrie ist das kein Randthema. Formale Verifikation sichert seit Jahren Schaltkreise und sicherheitskritische Software ab.

Warum ein kompilierender Lean proof noch kein Beweis ist

Der Unterschied ist technisch und folgenreich. Ein Compiler bestätigt, dass der Beweis aus dem formalisierten Satz folgt. Er bestätigt nicht, dass der formalisierte Satz das ist, was Mathematiker unter der Riemannschen Vermutung verstehen.

Dazu kommt die Länge. Niemand hat 250.000 Seiten gelesen, und niemand behauptet das. Was geprüft ist, ist eine Kette von Schlussfolgerungen, deren Ausgangspunkt ein Mensch gewählt hat.

Ein Compiler ist kein Gutachter.

Der Beweisgedanke selbst klingt mathematisch unspektakulär. The Decoder beschreibt, wie Alpöge eine Idee des Mathematikers Stepanov erweiterte und ein Hindernis umging, indem er Transformationen verkettete, und wie das Modell den entscheidenden Einfall beisteuerte: Die Zahl der Verkettungen sollte der Quadratwurzel der Sequenzlänge entsprechen.

Alpöge und der Mathematiker Tristan Buckmaster von der NYU veröffentlichten außerdem einen zweiten Beweis zu den Navier-Stokes-Gleichungen. Auch das gehört zum Bild dieser Woche.

Stanford antwortet mit Alessandro Masullo

Wenige Stunden nach Alpöges Beitrag veröffentlichte Ravi Vakil, Professor in Stanford und Präsident der American Mathematical Society, eine eilige Ankündigung. Warum veröffentlicht jemand einen Entwurf, der noch nicht fertig ist? Weil ein anderer Entwurf bereits in der Welt war. Sie betrifft einen unabhängigen Beweis der verallgemeinerten Vermutung, und der stammt von Alessandro Masullo, einem Postdoktoranden in Stanford.

Vakil schrieb, Masullos Arbeit sei vollständig menschlich, ohne KI, und das Ergebnis von zwölf Jahren. Der Stanford-Zahlentheoretiker Brian Conrad hatte den Text monatelang geprüft. Eigentlich sollte Masullo ein weiteres Jahr Zeit haben, um den Entwurf zu glätten, und Vakil begründete die frühe Veröffentlichung ausdrücklich mit Anthropics Ankündigung.

Der Gegenentwurf kam also nicht aus einer Laune. Er kam aus einem Manuskript, das seit Jahren in der Schublade lag und dessen Autor plötzlich ein Zeitfenster sah. Das Wort eilig ist in der Mathematik ein Signal, und Vakil hat es selbst gesetzt.

Was Ravi Vakil acht Stunden später nachtrug

Etwa acht Stunden später aktualisierte Vakil seinen Beitrag. Mehrere Personen hätten Probleme in Masullos Beweis gemeldet, einige davon mit Hilfe anderer KI-Modelle gefunden, und alle Punkte müssten zur Zufriedenheit der Fachwelt gelöst werden.

Über die Strategie sage er nichts, schrieb Vakil dazu. Das ist eine sorgfältige Formulierung, und sie ist der Grund, warum dieser Teil der Geschichte weder als Widerlegung noch als Bestätigung taugt.

Was eine Klärung erfordern würde

Drei Dinge fehlen. Erstens eine unabhängige, für Menschen lesbare Darstellung von Alpöges Argument. Zweitens eine Prüfung, ob die formale Aussage im Lean-Code wirklich die Vermutung trifft, und nicht eine verwandte Variante.

Drittens ein Urteil der Fachwelt über die Lücken in Masullos Text. Bis dahin bleibt es bei zwei Behauptungen, von denen eine kompiliert.

Im Mathematikstudium lernt man früh, dass ein Ergebnis erst zählt, wenn jemand den Beweis nachvollziehen kann. Dieser Maßstab ist altmodisch, und er ist in dieser Woche der einzige, der weiterhilft.

Wer die Meldung als Beweis der Riemannschen Vermutung liest, liest zu viel hinein. Wer sie als PR-Trick abtut, liest zu wenig hinein: Ein Modell hat geholfen, ein 167 Jahre altes Problem in eine Form zu bringen, die ein Compiler akzeptiert, und die Fachwelt diskutiert jetzt über die Übersetzung, nicht über die Rechenleistung.

Diesen Artikel teilen

Quellen

Ähnliche KI-News

Ein Stapel vernetzter Agenten-Knoten mit einem Pfad zu einem Serverrack, darauf ein Schlüsselloch und eine Einbruchsspur
Forschung

Ein KI-Agent fand eine Zero-Day-Lücke und übernahm in elf Minuten einen Uniserver

Amazon hat einen Fall dokumentiert, in dem mehrere Agenten eine bis dahin unbekannte Lücke in einer Open-Source-Anwendung fanden und ausnutzten. Der Angriff dauerte am Ende elf Minuten, und genau das ist der Punkt.

Beliebtheit: 1,520
Ein Trichter, durch den kleine Token-Blöcke von einem Modellkasten zum nächsten laufen, mit einer Schutzplatte, die einen Teil des Flusses blockiert
Forschung

OpenAI drückt die Erfolgsquote beim Abgreifen von Denkspuren im eigenen Test von 54 auf 0,2 Prozent

OpenAI hat beschrieben, wie es verhindert, dass andere Firmen die internen Denkschritte seiner Modelle abschöpfen. Die Zahlen sehen nach einem Sieg aus. Sie kommen aus dem eigenen Testlabor.

Beliebtheit: 1,420
Ein cyanfarbenes Gitter mit einem hervorgehobenen Quadrat neben dem Text Lattice Standard Model
Forschung

OpenAI und GPT-6 Astra: ein Schritt zur Definition des Standard Model

OpenAI hat am 15. November beschrieben, wie sich das Standardmodell auf einem Gitter definieren lässt, und GPT-6 Astra hat dabei einen Beweisschritt beigesteuert. Eine Lösung des Problems ist das nicht.

Beliebtheit: 1,500
Ein grünes Chip-Raster mit einer hervorgehobenen Zelle und einer gezackten Signallinie neben dem Schriftzug Blackwell fingerprints
Forschung

Blackwell-Fingerprints: Nvidias Spur in sechs chinesischen Modellen

Zufallszahlen am Anfang eines Trainings verraten Monate später, welche Hardware im Rechenzentrum stand. Ein ehemaliger OpenAI-Forscher hat das Verfahren veröffentlicht, und sechs chinesische Modelle tragen die Spur.

Beliebtheit: 1,250