Seit fast 80 Jahren beschäftigt Mathematiker eine scheinbar einfache Frage: Wie viele Punktepaare mit exakt gleichem Abstand lassen sich in einer Ebene anordnen? Nun hat ein internes OpenAI-Modell das sogenannte planare Einheitdistanzproblem gelöst und eine zentrale Vermutung der diskreten Geometrie widerlegt. Der Beweis markiert einen Meilenstein für den Einsatz künstlicher Intelligenz in der mathematischen Grundlagenforschung.

Das planare Einheitdistanzproblem: Ein Jahrhundert-Rätsel

Bereits 1946 formulierte Paul Erdős die Frage, die seitdem als eines der bekanntesten Probleme der kombinatorischen Geometrie gilt. Unter n Punkten in der Ebene soll die maximale Anzahl von Paaren mit exakt Abstand eins bestimmt werden. Die Aufgabe ist leicht zu erklären und dennoch extrem schwer zu lösen.

Jahrzehntelang galt das Quadratgitter als annähernd optimale Konstruktion. Die beste bekannte menschliche Lösung erzeugt n hoch 1 plus C durch log log n Einheitdistanzen. Da der Zusatzterm mit wachsendem n gegen null tendiert, vermutete man lange, dass keine Konstruktion deutlich besser sein könnte. Erdős formulierte eine Obergrenze von n hoch 1 plus klein o von 1.

Wie ein KI-Modell die Vermutung widerlegte

Ein internes OpenAI-Modell hat diese langjährige Vermutung nun widerlegt. Für unendlich viele Werte von n konstruiert der Beweis Punktkonfigurationen mit mindestens n hoch 1 plus delta Einheitdistanzen, wobei delta ein fester positiver Exponent ist. Eine externe Gruppe von Mathematikern hat den KI-generierten Beweis überprüft und bestätigt.

Besonders bemerkenswert ist die Herkunft der Lösung. Das Modell ist ein allgemeines Reasoning-System, das weder speziell für Mathematik trainiert noch auf das Einheitdistanzproblem zugeschnitten war. In einer Nachbetrachtung zeigte der Princeton-Mathematiker Will Sawin, dass man delta mit 0,014 wählen kann.

Unerwartete Hilfe aus der algebraischen Zahlentheorie

Der entscheidende Clou des Beweises liegt in der Verbindung zweier scheinbar entfernter Disziplinen. Statt der klassischen Gaußschen Zahlen nutzt die Konstruktion komplexere Verallgemeinerungen aus der algebraischen Zahlentheorie.

Konkret kommen Werkzeuge wie infinite Class Field Towers und die Golod-Shafarevich-Theorie zum Einsatz. Diese Konzepte waren Zahlentheoretikern wohlvertraut, doch ihre Anwendung auf eine elementargeometrische Fragestellung kam für die Fachwelt völlig überraschend.

Reaktionen der mathematischen Gemeinschaft

Die mathematische Elite zeigt sich beeindruckt. Fields-Medaillenträger Tim Gowers bezeichnet das Ergebnis im Begleitpaper als Meilenstein in der KI-Mathematik. Er räumt ein, dass er eine vergleichbare menschliche Einreichung bei den Annals of Mathematics ohne Zögern zur Annahme empfohlen hätte.

Auch Noga Alon, einer der führenden Kombinatoriker, spricht von einer herausragenden Leistung. Der Zahlentheoretiker Arul Shankar betont, dass aktuelle KI-Modelle nicht mehr bloße Helfer sind, sondern originelle und geniale Ideen entwickeln und zu Ende bringen können.

Was dies für die Zukunft der Forschung bedeutet

Dieses Ergebnis markiert einen Wendepunkt in der Interaktion zwischen Künstlicher Intelligenz und Mathematik. Zum ersten Mal wurde ein zentrales offenes Problem eines aktiven Teilgebiets autonom durch eine KI gelöst. Der Mathematiker Thomas Bloom vermutet, dass ähnliche Erfolge in den kommenden Monaten und Jahren auch in anderen Bereichen der Mathematik folgen werden.

Die Fähigkeit zu tiefem mathematischem Reasoning ist jedoch nicht nur für die reine Lehre relevant. Wenn Modelle komplexe Argumentationen kohärent halten und Ideen aus entfernten Wissensgebieten verknüpfen können, eröffnet dies Potenziale für Biologie, Physik, Materialwissenschaften und Medizin.

Fazit

Der Beweis des planaren Einheitdistanzproblems durch ein OpenAI-Modell ist mehr als eine Einzelleistung. Er demonstriert, dass fortschrittliche KI-Systeme in der Lage sind, an vorderster Front wissenschaftlicher Forschung zu agieren und unerwartete Verbindungen zwischen scheinbar getrennten Feldern aufzudecken.

Gleichzeitig macht dieser Meilenstein deutlich, dass menschliche Expertise nicht überflüssig wird. Die Definition relevanter Fragestellungen, die Interpretation der Ergebnisse und die Auswahl der nächsten Schritte bleiben Aufgaben für menschliche Forscher. Die Zukunft gehört der Kollaboration zwischen menschlichem Urteilsvermögen und maschineller Intelligenz.

Quelle: https://openai.com/index/model-disproves-discrete-geometry-conjecture