LONDON (IT BOLTWISE) – Ein KI-Modell von Anthropic hat die bekannte Untergrenze für den Anteil der „kritischen“ Nullstellen der Riemannschen Zetafunktion deutlich erhöht. Statt wie bisher 41,6 Prozent liegen die Nullstellen nach dem Ergebnis nun zu 67,2 Prozent auf der vermuteten Geraden. Das ist kein Beweis für die Riemannsche Vermutung, zeigt aber, dass KI bei verwandten Teilproblemen echte neue Resultate liefern kann. Entscheidend bleibt, ob sich die Methode später auf das vollständige Problem übertragen lässt.
So weit ist die Riemannsche Vermutung von einer Lösung entfernt, dass selbst ein starkes KI-Ergebnis vor allem als Etappensignal zählt. Ein KI-Modell von Anthropic hat nach Angaben des Unternehmens ein wissenschaftliches Resultat zu einer verwandten Fragestellung in der Theorie der riemannschen Zetafunktion erzielt. Im Zentrum steht dabei nicht der endgültige Beweis, sondern die präzisere Antwort auf die Frage, wie viele Nullstellen der Zetafunktion auf der „kritischen Geraden“ liegen. Diese Nullstellen sind deshalb so wichtig, weil sie eng mit der Verteilung von Primzahlen auf der Zahlengeraden verknüpft sind.
Technisch knüpft die Meldung an einem Kernpunkt der Zetafunktion an: Die Funktion lässt sich als unendlich lange Summe darstellen, deren Werte beim korrekten Zusammenspiel komplexer Eingaben auf eine endliche Größe „zulaufen“. Bernhard Riemann verband diese Struktur mit der Primzahlverteilung, indem er zeigte, dass die Nullstellen der Zetafunktion das Schwanken der Primzahlfunktion beeinflussen. Er vermutete dabei, dass die nicht-trivialen Nullstellen genau dann auftreten, wenn der Realteil der Eingabewerte exakt 1/2 beträgt. Seit über 160 Jahren zählt diese Aussage damit zu den schwierigsten Problemen der Mathematik, und selbst der Zufall in der Praxis hilft kaum: Trotz Milliarden berechneter Nullstellen fanden Forschende keine Abweichung von der erwarteten Geraden.
Für die historische Einordnung lohnt der Blick auf die „Nebenstrecke“ der Riemannschen Vermutung: Nicht jede Abkürzung führt direkt zum Ziel, aber sie kann den Suchraum enger ziehen. Dass die Vermutung in ihrer vollen Form bislang keinen Beweis erhalten hat, liegt unter anderem daran, dass man immer wieder zeigt, wie sich nur bestimmte Anteile der Nullstellen kontrollieren lassen. So konnten Forschende bislang mindestens 41,6 Prozent der Nullstellen mit Realteil 1/2 nachweisen. Das neue KI-Resultat hebt diese Untergrenze nun auf 67,2 Prozent an. Damit verschiebt sich die Messlatte für alle nachfolgenden Ansätze: Wer eine Beweistechnik konstruieren will, muss mindestens so viel „kritische“ Struktur erklären können, wie es die neue Schranke impliziert.
Wichtig ist dabei die klare Einordnung der Aussagekraft: Die KI liefert laut Quelle keinen Beweis der Vermutung, sondern eine stärkere Schranke. Genau das macht das Ergebnis zugleich faszinierend und methodisch begrenzt. In einer Reaktion betonte der Mathematiker James Maynard von der University of Oxford, dass „das Problem eine neue, echte Idee“ brauche – und dass der Beitrag „so aussieht, als habe die KI einen wirklich interessanten mathematischen Beitrag geleistet“. Gleichzeitig liefert die Quelle auch den praktischen Grund, warum 100 Prozent allein nicht reichen würden: Selbst wenn eine Methode theoretisch eine Schranke bis zu 100 Prozent erreichen könnte, könnte noch eine winzige Teilmenge von Nullstellen außerhalb des erwarteten Realteils verblieben. Die Riemannsche Vermutung verlangt daher mehr als nur eine globale Prozentzahl.
Wie kommt es überhaupt zu einem mathematischen Sprung, wenn KI-Modelle sonst meist als Assistenzwerkzeuge wahrgenommen werden? Laut Bericht verfolgte das Sprachmodell zunächst einen Versuch, der direkt an das klassische Problem anknüpfen wollte, brach dann aber in eine verwandte Fragestellung aus. Besonders aufschlussreich ist die interne Arbeitsweise: Das System habe 650 verschiedene, erfolglose Ansätze verfolgt und anschließend die Überprüfung an 60 eigenständige Claude-Agenten delegiert, die dem Modell untergeordnet zuarbeiteten. Dabei steuerten menschliche Mitarbeitende nur begrenzt ein, etwa durch kurze ermutigende Botschaften. Aus Sicht der Forschung ist das weniger „magische Einsicht“ als vielmehr ein Muster: KI kann große Suchräume durchprobieren, aber sie braucht Zugriff auf eine feste mathematische Zielstruktur, damit aus dem Durchsatz tatsächlich ein Ergebnis wird.
Auch die wissenschaftliche Rezeption fällt in der Quelle überraschend nüchtern, was für die technische Bewertung entscheidend ist. Der MIT-Mathematiker Andrew Sutherland wird mit dem Satz zitiert, das Ergebnis sei „ein weiterer Beleg dafür, dass KI in der Lage ist, interessante mathematische Forschung zu betreiben – und nicht nur vorgegebene Probleme zu lösen“. Maynard hob zudem die Art der Veröffentlichung hervor: Der Blogbeitrag sei „bemerkenswert zurückhaltend, verzichtete auf Übertreibungen und würdigte die Beiträge früherer Arbeiten angemessen“. Diese kommunikative Zurückhaltung ist nicht nur PR – sie signalisiert, dass der Weg vom KI-Vorschlag zur belastbaren mathematischen Aussage über nachvollziehbare Schritte läuft und nicht über reine Behauptungen.
Für die Branche und die KI-Entwicklung ergibt sich daraus ein konkreter Lernpunkt: Mathematik bleibt zwar ohne formale Verifikationskette anfällig, aber KI kann dennoch neue Randbereiche erschließen, wenn sie mit einem überprüfbaren Zielmechanismus gekoppelt ist. Gerade bei Aufgaben, die aus einer Kombination von Analysis, Zahlentheorie und komplexer Funktionentheorie bestehen, ist „Schrankenverbesserung“ ein natürlicher Zwischenschritt. Für Unternehmen heißt das, dass KI-Projekte im Forschungsumfeld nicht zwingend erst dann wirtschaftlich relevant werden, wenn ein Jahrhundertproblem gelöst ist – oft reicht schon die Fähigkeit, neue Grenzen zu liefern, die die nächste Generation formaler Beweise stimuliert. Gleichzeitig bleibt die offene Frage, wie sich ein KI-Ansatz, der 67,2 Prozent erreicht, so verallgemeinern lässt, dass er die Restmenge ebenfalls kontrolliert – und ob dabei weiterhin eine Suchstrategie aus vielen Kandidaten nötig bleibt oder irgendwann ein strukturierter Beweisbaukasten entsteht.
💳 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 "KI liefert Fortschritt bei der Verteilung von Nullstellen der Riemannschen Zetafunktion" 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 "KI liefert Fortschritt bei der Verteilung von Nullstellen der Riemannschen Zetafunktion" 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: »KI liefert Fortschritt bei der Verteilung von Nullstellen der Riemannschen Zetafunktion« bei Google Deutschland suchen, bei Bing oder Google News!