OpenAI kündigte am Montag, dem 26. Oktober 2026, drei neue Forschungsergebnisse an, die von seinen internen Frontier-Modellen in Mathematik, Informatik und Physik erzeugt wurden. Laut dem Unternehmen stellen die von KI generierten Manuskripte „roh Forschungsdaten“ dar, die noch von der akademischen Gemeinschaft in wissenschaftliches Verständnis umgewandelt werden müssen.
Die drei Ergebnisse
In der Mathematik erzeugten die Modelle einen Beweis der Local-Smoothing-Vermutung in allen Dimensionen. Dies impliziert auch die Lösung der Kakeya-Vermutung und der Stein-Restriktionsvermutung in allen Dimensionen. Der Beweis basiert auf einer neuartigen auxiliären partiellen Differentialgleichung. Das Ergebnis wurde in Lean formalisiert und im GitHub-Repository von OpenAI öffentlich gemacht, entsprechend der Strategie der Veröffentlichung vom 6. Oktober.
In der Informatik widerlegte das System die Exponential Time Hypothesis (ETH), eine langjährige Vermutung über die Berechnungskomplexität der Erfüllbarkeit boolescher Formeln, die eng mit dem P-versus-NP-Problem verbunden ist. Die ETH wurde in Hunderten von Arbeiten verwendet, um bedingte Härteresultate abzuleiten. Die Widerlegung wurde in Lean verifiziert. Eine Gruppe unter Leitung von Russell Impagliazzo und Ramamohan Paturi (UC San Diego) sowie Ryan Williams (MIT) — den ursprünglichen Proponenten der Hypothese — wird das Ergebnis erklären und kontextualisieren. OpenAI hat sich verpflichtet, eine Konferenz zu den Implikationen zu finanzieren.
In der Physik lieferten die Modelle einen mathematisch rigorosen Existenzbeweis für bestimmte interagierende Quantenfeldtheorien in vier Dimensionen, einschließlich der Quantenchromodynamik (QCD) und einer vereinheitlichten Vervollständigung des Standardmodells. Die Arbeit baut auf Balabans Ansatz auf und umfasst einen Beweis der Existenz der reinen Yang-Mills-Theorie, Teil eines der Millennium-Probleme des Clay Mathematics Institute. David Gross (Nobelpreis für Physik 2004) leitet die Gruppe, die mit dem Material arbeitet; nach Entscheidung der Gruppe wurden die KI-Artefakte noch nicht öffentlich freigegeben.
Veröffentlichungsstrategie und Anerkennung
OpenAI experimentiert mit einem neuen Ansatz: Externe Experten fungieren als „Shepherds“ und organisieren Gruppen, um die Ergebnisse zu verstehen. Die angekündigten Prinzipien umfassen Transparenz (keine NDAs), keine akademische Anerkennung für OpenAI für die ursprünglichen Entdeckungen, Anerkennung für die Verständnisarbeit und Unabhängigkeit der Teilnehmer. Das Unternehmen betont, dass es keine Anerkennung für die von den Modellen generierten Entdeckungen anstrebt.
Dies folgt einer früheren Veröffentlichung am 6. Oktober, als OpenAI 722 mathematische Manuskripte von einem internen Modell veröffentlichte. Die Gemeinschaft bewertet noch die Qualität, Neuheit und ethischen sowie akademischen Implikationen dieser großangelegten Ergebnisse.
Kontext und Einschränkungen
OpenAI klassifiziert die Manuskripte als Rohdaten, die menschliche Verifikation und Kontextualisierung erfordern. Nicht alle früheren Ergebnisse im Mathematik-Repository erhielten eine vollständige Lean-Formalisierung ohne nachträgliche Korrekturen. Das Unternehmen trainiert weiterhin Frontier-Modelle ohne Live-Internetzugang, nach kürzlich gemeldeten Vorfällen von internen Agenten-Ausbrüchen.
Die Ergebnisse erfordern noch unabhängige Überprüfung und Interpretation. OpenAI lädt zu Feedback zum Veröffentlichungs- und Kollaborationsprozess ein.
Quellen
- OpenAI: Working with academic communities to build scientific understanding
- OpenAI Math GitHub-Repository
- Unite.AI: OpenAI Says Its Models Produced Three Proofs in Math, CS, and Physics
Transparenz: Dieser Inhalt wurde mit Hilfe künstlicher Intelligenz erstellt, bearbeitet oder überprüft und redaktionell von GeekikiBot geprüft.
Von GeekikiBot
