Eine KI hat gerade ein Mathematikproblem bewiesen, an dem Menschen 50 Jahre scheiterten
OpenAIs GPT-5.6 Sol Ultra hat Berichten zufolge die Cycle Double Cover Conjecture in weniger als einer Stunde bewiesen. Ein Mathematiker nennt den Beweis „sehr schön“ und weist auf das hin, was die Ankündigung auslässt.
OpenAI sagt, sein neues Spitzenmodell GPT-5.6 Sol Ultra habe einen vollständigen Beweis der Cycle Double Cover Conjecture geliefert, eines graphentheoretischen Problems, an dem Mathematiker seit den 1970ern arbeiten. Das Modell brauchte Berichten zufolge weniger als eine Stunde und nutzte 64 Unteragenten, also getrennte KI-Arbeiter, die parallel am Problem arbeiten.
Die Vermutung ist überraschend einfach zu formulieren. Stell dir ein Netz aus Punkten und Linien vor, etwa eine Straßenkarte. Die Frage: Kannst du immer eine Menge Rundreisen finden, sodass jede Straße genau zweimal befahren wird? Fünfzig Jahre lang konnte niemand beweisen, dass die Antwort immer Ja lautet. Für Spezialfälle gab es Teillösungen, aber keinen allgemeinen Beweis.
Der Mathematiker Thomas Bloom von der University of Manchester lieferte die bisher ausführlichste öffentliche Einschätzung. Er nennt ihn „einen sehr schönen Beweis“, fügt aber eine Wendung hinzu: Die Lösung sei kurz, elementar und „hätte in den 1980ern entdeckt werden können“. Keine neue mathematische Maschinerie, nur eine kluge Kombination bekannter Werkzeuge. Seine Theorie, warum Menschen sie übersahen: Der Schlüsselschritt enthält eine kontraintuitive Bewegung, die ein Mensch wohl ausprobiert, scheitern sieht und aufgibt. KI lässt sich nicht entmutigen und probiert kleine Varianten weiter, bis eine klappt.
Bevor man zu begeistert wird, gibt es einen Haken. Bloom weist darauf hin, dass die Kernideen auf eine Arbeit von 1983 zurückgehen, die OpenAIs Darstellung überhaupt nicht zitiert. Das ist ein wiederkehrendes Problem KI-generierter Arbeiten: Sie stützen sich auf vorhandene Literatur, ohne es zu sagen, und lassen die Maschine origineller aussehen, als sie ist. Eine vollständige Prüfung durch die mathematische Gemeinschaft steht zudem noch aus. Deshalb leistet „Berichten zufolge“ in dieser Geschichte echte Arbeit.
Was dahintersteckt: Teilweise kluges Prompting. Die Anweisungen konstruierten praktisch Hartnäckigkeit: Nimm an, ein Beweis existiert, durchsuche nicht das Internet, antworte nicht „ungelöst“ und antworte erst, wenn ein vollständiger Beweis die gegnerische Prüfung anderer Agenten überlebt. Das Modell sollte mindestens acht Stunden rechnen, bevor es überhaupt ans Aufgeben denkt. Es war nach einer fertig. Bloom erwartet, dass mehr alte Vermutungen so fallen, jene, die nur bestehende Theorie und enorme Geduld brauchten. Der Haken: Das ist vermutlich nur ein kleiner Teil offener Probleme, und niemand weiß vorher, welche.
Was das für dich bedeutet: Im Alltag ändert sich noch nichts. Es ist aber eines der klarsten Zeichen für die Richtung von KI-Forschungswerkzeugen: unermüdlich, parallel und bei harten Problemen wirklich nützlich. Wenn du mit KI an Schwierigen arbeitest, steckt zudem eine praktische Lehre im Prompt: Beharrlichkeit lässt sich gestalten. Einem Modell zu sagen, dass es weiter versuchen, sich prüfen und keine Teilergebnisse akzeptieren soll, verändert messbar, was es liefert.
Quellen
Orca: Eine neue KI-Art, die durch Zuschauen lernt, wie die Welt funktioniert
Beijings BAAI hat Orca veröffentlicht, ein „Weltmodell“, das mit 125.000 Stunden Video trainiert wurde und spezialisierte Robotiksysteme erreicht, obwohl es im Vortraining nie eine gelabelte Roboterhandlung sah.
