Der Mathematiker Terence Tao veröffentlichte am 9. September eine Reihe von Beiträgen auf Mathstodon über etwas, das der Fachwelt seit dem Einzug von KI-Werkzeugen in die mathematische Forschung verloren geht: Ein gutes, offenes Problem zu finden, wird zunehmend selten.
Seiner Darstellung nach werden gute offene Probleme – solche, aus denen Folgearbeiten erwachsen können – auf eine nicht erneuerbare Weise abgebaut. Noch schärfer formuliert er einen weiteren Punkt: Sobald durchsickert, dass jemand an einem bestimmten Problem arbeitet, kann das massive KI-Rechenleistung anlocken, die es vorab löst und die Forschungslinie erschöpft, bevor sie sich voll entfalten konnte – nach seinen Worten eine Umkehrung einer jahrhundertealten Tradition offener Wissenschaft.
Die Schwierigkeitsstufen verschwimmen
Die technische Beschreibung, die Tao liefert, ist die des Schwierigkeitsgradienten. In einem gesunden Forschungsgebiet sind Probleme nach Schwierigkeit gestaffelt: Es gibt Einstiegsübungen, Probleme auf Doktorarbeitsniveau, solche, die neue Methoden erfordern, und eine Reihe ungelöster großer Fragen. Forschende orientieren sich an diesem Gradienten, um zu entscheiden, wohin sie gehen sollen, und nutzen ihn auch, um Studierende anzuleiten.
KI-Werkzeuge haben diesen Gradienten in vielen Bereichen eingeebnet. Ein Problem, das früher drei Monate gebraucht hätte, und eines, das früher drei Jahre gebraucht hätte, können heute beide an einem Nachmittag gelöst werden – oder beide ungelöst bleiben, ohne dass eine erkennbare Grenze dazwischen liegt. Er weist darauf hin, dass es derzeit keine klare Trennlinie gibt, die "für KI lösbare" von "für KI schwierigen" Problemen unterscheidet.
Verstärkt wird dies durch einen weiteren Umstand: KI-Unternehmen veröffentlichen negative Ergebnisse in der Regel nicht und legen auch den Prozess nach dem Erhalt einer Lösung nicht offen. Die Außenwelt sieht nur die Erfolgsfälle, nicht die Probleme, an denen es versucht, aber nicht geschafft wurde. Taos Beitrag nennt kein einzelnes Unternehmen und liefert keine konkrete Liste der "abgebauten" Probleme – beide Punkte lassen sich derzeit nicht überprüfen. Ohne Daten zu den Fehlschlägen kann die Fachwelt nicht einmal einschätzen, welche Art von Problemen aktuell noch sicher ist.
Von offen zu verschlossen
Eine Begleiterscheinung, die er erwähnt, lässt sich bereits beobachten: Ein Teil der Mathematiker beginnt, seine zentralen Forschungsrichtungen nicht mehr öffentlich zu machen.
Der Standardansatz der Wissenschaft über Jahrhunderte hinweg bestand darin, Ideen so früh wie möglich auszutauschen – halbfertige Arbeiten auf Konferenzen vorzustellen, unfertige Gedanken auf Preprint-Plattformen zu veröffentlichen, Vermutungen in Blogs niederzuschreiben. Voraussetzung für diese Gewohnheit war, dass andere, selbst wenn sie davon wüssten, es nicht so schnell umsetzen könnten und man selbst noch Zeit hätte, die Arbeit abzuschließen. Diese Voraussetzung ist jetzt durch Rechenleistung außer Kraft gesetzt.
Taos Vorschlag ist, den Bewertungsmaßstab um eine Stufe zu verschieben: Bei bestimmten Problemen sollte nicht nur die Antwort gegeben werden, sondern auch der Lösungsweg und die zugehörige Schwierigkeitsstruktur analysiert werden. Die Frage "Warum ist dieses Problem schwierig" selbst zu einem publizierbaren Ergebnis zu machen, würde den eingeebneten Gradienten wiederherstellen.
Bezug zu seinem Beitrag vom August
Im August hatte Tao seinen öffentlichen Vortrag beim Internationalen Mathematikerkongress zu einem zwölfseitigen arXiv-Artikel verarbeitet, der sich um das Thema Beweisüberschuss drehte: Angenommen, KI könne bereits Mathematik auf Forschungsniveau betreiben, würde die Fachwelt mit einer Produktion konfrontiert, die zu groß wäre, um von irgendjemandem noch vollständig gelesen zu werden.
Die aktuelle Beitragsreihe auf Mathstodon betrachtet nun das andere Ende. Der vorherige Beitrag sorgte sich um die Ausgabeseite, dieser um die Eingabeseite – woher die Probleme überhaupt kommen. Zusammengenommen beschreibt er eine Leitung, die an beiden Enden gleichzeitig Probleme hat: Am oberen Ende werden gute Probleme zu schnell verbraucht, am unteren Ende stapeln sich Beweise, die niemand mehr überprüfen kann.
Auswirkungen auf China
Die chinesische Mathematik-Community könnte von diesem Mechanismus direkter betroffen sein. Erstens ist der Anteil inländischer Teams, die Forschungsrichtungen auf offenen Preprint-Plattformen und in sozialen Netzwerken diskutieren, in den vergangenen Jahren stetig gestiegen, und nicht wenige Gruppen nutzen arXiv als ersten Veröffentlichungskanal. Zweitens konzentriert sich die Fähigkeit, massive Inferenz-Rechenleistung zum Durchsuchen offener Probleme einzusetzen, auf eine Handvoll Unternehmen – chinesische Forschende befinden sich dabei überwiegend auf der Nutzerseite dieser Rechenleistung, nicht in einer steuernden Position.
Konkret auf der operativen Ebene könnte die Themenwahl von Doktoranden betroffen sein. Wenn ein Doktorand drei Jahre an einem Problem arbeitet und dieses im zweiten Jahr von einem Modell eines Unternehmens innerhalb einer Woche gelöst wird, ist unklar, wie diese drei Jahre zu bewerten sind – die Promotionsbewertungssysteme der Universitäten sehen dafür keine entsprechende Regelung vor. Im vergangenen Jahr gab es bereits mehrere Streitfälle um Autorenschaft und Priorität, für deren Behandlung es noch keinen Präzedenzfall gibt.
Tao selbst legt keinen institutionellen Lösungsvorschlag vor, er belässt es dabei, dass die Fachwelt neu durchdenken müsse, wofür sie eigentlich belohnen sollte. Ob diese Aussage konkrete Änderungen bei den Bewertungsregeln anstoßen kann, wird sich in ein bis zwei Jahren zeigen: Wenn Fachzeitschriften beginnen, Arbeiten anzunehmen, deren Hauptbeitrag eine Schwierigkeitsanalyse ist, hätte sich dieser Weg als gangbar erwiesen; andernfalls würde der Rückgang der offenen Diskussion anhalten.
Quellen: Mathstodon-Beiträge von Terence Tao, arXiv, CocoLoop, Simon-Willison-Blog; die Formulierungen "nicht erneuerbar abgebaut" und die nicht mehr offengelegten Forschungsrichtungen folgen dem englischsprachigen Originalbeitrag, der Abschnitt zu den Auswirkungen auf China ist eine redaktionelle Einschätzung.