LONDON (IT BOLTWISE) – Ein noch unveröffentlichtes Modell von Anthropic hat nach Unternehmensangaben bei der Riemann-Hypothese messbar Fortschritte gemacht. Das System erhöhte die untere Schranke der Fälle, für die die Hypothese als gültig gilt. Entscheidend war dabei ein ungewöhnlicher Arbeitsmodus: Eine Mitarbeitende ohne besondere mathematische Vorbildung gab den Startimpuls und ließ die KI danach das Vorgehen über 60 Teilagenten koordinieren. Insgesamt testete das Modell 650 Probleminterpretationen und nutzte das Proof-Assistant-Tool Lean, um die Argumente zu formalisieren.
Die Riemann-Hypothese gilt seit über 150 Jahren als einer der großen offenen Knoten der Mathematik. Im Kern geht es um die Verteilung von Primzahlen, also darum, wie häufig bestimmte „Schlüsselelemente“ des Zahlensystems auftreten und wie stark diese Muster geordnet sind. Eine formale Lösung der Hypothese existiert bis heute nicht; gleichzeitig läuft seit Jahrzehnten auch das berühmte Motivationsprogramm über Preisgelder hinweg, bei dem eine „funktionierende allgemeine Beweisführung“ bisher nicht eingelöst wurde. Vor diesem Hintergrund ist die neue Meldung aus dem KI-Umfeld besonders, weil sie keinen komplett neuen Beweis der Riemann-Hypothese im Ganzen behauptet, sondern eine klar definierte Verbesserung: das Modell habe den unteren Grenzwert der Lösungen erhöht, für die die Hypothese bereits überprüfbar gilt.
Technisch betrachtet zeigt die Fortschrittsbeschreibung vor allem, wie stark sich moderne KI-Systeme in der Rolle von „Problemlösern“ verändern, wenn man sie mit einem formalen Rückgrat arbeiten lässt. Anthropic beschreibt, dass ein unveröffentlichtes Modell den Beweisansatz nicht nur „versucht“, sondern ihn über mehrere Iterationen systematisch auslotet. Dabei startet eine Mitarbeitende ohne nennenswerte mathematische Ausbildung den Prozess mit der Aufforderung, einen ernsthaften Versuch zur Herleitung zu unternehmen („take a real stab“), verlässt dann aber die eigentliche Eingriffskette. Anschließend koordiniert das Modell den Rest selbstständig über mehr als einen Tag und ein halbes, was eher nach einer Orchestrierung als nach einem einzelnen spontanen Gedankenexperiment klingt.
Die Dimension der Suchstrategie wird in der Ausarbeitung über eine Beteiligung vieler Teilkomponenten greifbar. Laut Fußnote wirkten insgesamt 60 Subagenten zusammen; das System testete 650 unterschiedliche Ideen zur Lösung. Zwei dieser Subagenten sollten nach Angaben der Arbeit die zentralen mathematischen Konzepte entwickeln. 13 Agenten lieferten Ideen für diese Entwickler, 30 versuchten ebenfalls, neue Ansätze zu entwickeln, waren aber dabei erfolglos, während 13 Subagenten als Validatoren dienten, um die Korrektheit der Argumente zu prüfen. Die letzten beiden halfen schließlich beim Schreiben der ersten Version des Papiers. Dass diese Aufteilung überhaupt möglich ist, hängt eng mit dem organisatorischen Muster zusammen: Die KI wird nicht nur „rechnen“, sondern Teilaufgaben wie Ideenfindung, Ableitung, Validierung und Formulierung auf verschiedene Prozesse verteilen.
Für die Einordnung ist außerdem wichtig, wie die Ergebnisse formal verankert wurden. Die Arbeit soll von zwei Mathematikerinnen bzw. Mathematikern innerhalb von Anthropic bestätigt worden sein und wurde mit dem open-source Proof Assistant Lean formalisiert. Lean spielt hier eine zentrale Rolle, weil es Mathematik nicht nur „beschreibt“, sondern Beweisschritte in einen formal überprüfbaren Rahmen zwingt. Das reduziert das Risiko, dass eine KI lediglich plausibel klingende Argumente produziert, ohne dass die Details tatsächlich konsistent sind. Genau diese Lücke beschäftigt die Debatte in der Fachwelt seit geraumer Zeit: Nicht die Idee als „Text“ entscheidet, sondern die überprüfbare Beweiskette, die nachvollziehbar einem Autor zugeordnet werden kann.
Die Veröffentlichung passt damit in eine breitere Reihe von Ergebnissen, die große Sprachmodelle in den vergangenen Monaten in den Fokus gerückt haben. In dem Bericht heißt es, es gebe eine wachsende Zahl mathematischer Durchbrüche, darunter das Lösen mehrerer Erdos-Probleme durch KI-Systeme sowie eine gesonderte Anstrengung, bei der eine langjährige Vermutung mit einem KI-gestützten Ansatz widerlegt worden sein soll. Gleichzeitig wächst in der Mathematik aber auch die Spannung zwischen Faszination und Skepsis. Eine öffentliche Erklärung, die im Juni von einer Gruppe prominenter Mathematikerinnen und Mathematiker unterzeichnet wurde, äußert Bedenken, KI könne „kritische Werte“ der Disziplin untergraben – besonders die Erwartung, dass wahre Beweise auf konkrete Autorinnen und Autoren zurückgehen, die den Entdeckungsprozess verantworten und die Korrektheit tragen. Damit verschiebt sich die Frage von „Kann die KI etwas finden?“ zu „Wer übernimmt die intellektuelle und formale Verantwortung?“
Interessant ist dabei auch die Gegenposition aus dem Feld. Timothy Gowers, Fields-Medallist, äußerte in einer Reaktion auf die Erklärung Zweifel daran, dass KI den Charakter von Mathematik zwingend negativ verändern muss. Sein Argument knüpft an ein Bild an, das viele aus anderen Wissenschaftsbereichen kennen: Sterne werden nicht nach Astronominnen und Astronomen benannt, und viele bleiben sogar ohne individuelle Namenszuordnung. Die implizite Logik dahinter ist, dass Mathematik möglicherweise stärker über die Ergebnisse und ihre Überprüfbarkeit „zusammengehalten“ wird als über die Zuordnung zu einer einzelnen Person. In der Praxis hängt das jedoch an einer konkreten Umsetzung: Ob Lean-Formalisationen, Peer-Review-Mechanismen und nachvollziehbare Autorenschaft zusammenpassen, entscheidet darüber, ob sich die Disziplin an neue Arbeitsweisen anpasst oder parallel neue Regeln schaffen muss.
Für die KI-Industrie bedeutet die Riemann-Nachricht vor allem eins: Fortschritt wird zunehmend als Prozess-Engineering sichtbar. Die 60 Subagenten, die Validierungsrollen und die formale Einbettung in Lean sind keine bloßen „Showeffekte“, sondern ein Muster, das sich auf andere harte Domänen übertragen lässt – etwa auf Symbolik-Aufgaben, formale Verifikation oder das strukturierte Erarbeiten von Beweisideen unter strengen Korrektheitsanforderungen. Gleichzeitig bleibt das Momentum ambivalent: Je mehr Resultate entstehen, desto wichtiger wird, wie die Fachwelt sie prüft, welcher Anteil der Arbeit tatsächlich der KI und welcher Anteil den betreuenden Menschen zuzuschreiben ist, und wie man mit der Skalierbarkeit solcher Beweisautomatisierung umgeht. Wenn die nächste Welle stärker veröffentlichter Modelle kommt, wird sich zeigen, ob KI künftig eher als Beschleuniger für Menschen dient oder als eigenständige Erzeugungsmaschine – und ob sich dann auch die „Nachweis-Kultur“ von Mathematik entsprechend weiterentwickelt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Unveröffentlichtes Anthropic-Modell macht Fortschritt bei der Riemann-Hypothese" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Unveröffentlichtes Anthropic-Modell macht Fortschritt bei der Riemann-Hypothese" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Unveröffentlichtes Anthropic-Modell macht Fortschritt bei der Riemann-Hypothese« bei Google Deutschland suchen, bei Bing oder Google News!