Meta hat am 2. Oktober auf seinem Forschungsblog sechs Mathematik-Papers veröffentlicht, die alle in Zusammenarbeit zwischen Mathematikern und dem Denkmodus von Muse Spark 1.1 und 1.2 entstanden sind. Fünf davon lösen Fragen, die zuvor bereits öffentlich gestellt, aber unbeantwortet geblieben waren.
"Proof strategies were developed and revised with help from Muse Spark"
(Beweisstrategien wurden mit Unterstützung von Muse Spark entwickelt und überarbeitet.)
Was die sechs Arbeiten jeweils lösen
Die sechs Arbeiten verteilen sich auf sechs Bereiche: Wahrscheinlichkeitstheorie, Differentialgleichungen, Gruppentheorie, Optimierung, arithmetische Physik und nichtassoziative Algebra:
| Bereich | Arbeit | Ergebnis |
|---|---|---|
| Wahrscheinlichkeitstheorie | Scharfe Schwelle für die Anpassung von Gauß-Ellipsoiden | Liefert die scharfe Schwelle dafür, wann hochdimensionale Gauß-Punkte durch ein Ellipsoid angepasst werden können |
| Differentialgleichungen | Blow-up in endlicher Zeit bei radialen Lösungen mit negativer Energie | Beweist, dass Lösungen der massenkritischen biharmonischen nichtlinearen Schrödinger-Gleichung in endlicher Zeit explodieren |
| Gruppentheorie | Semi-abelsche Gruppen sind nicht notwendig monomial | Widerlegt mit einer Gruppe der Ordnung 384 eine 2024 von M. Kida aufgestellte Vermutung |
| Optimierung | Ringbasierte Relaxierung ist straff | Beantwortet eine in diesem Jahr von Del Pia und Khajavirad gestellte Frage |
| Arithmetische Physik | Zweipunktfunktion der String-Theorie entspricht einer Höhenfunktion auf einer Kurve | Verknüpft p-adische Stringtheorie mit Zahlentheorie und führt Manins Idee aus den 1980er-Jahren fort |
| Nichtassoziative Algebra | Auflösbare Evolutionsalgebren | Widerlegt mit einem dreidimensionalen Beispiel die Klassifikationsvermutung von García-Martínez und Pérez-Rodríguez |
Als Autoren werden Aykut Arslan (zwei Arbeiten), Leonard Dinh, Joseph Phillip Brennan und Milana Golich sowie Andres Barei genannt; die Arbeit zur arithmetischen Physik stammt von Anindya Dey und vier weiteren Autoren.
Wie der Ablauf festgelegt wurde
Meta nennt vier Grundsätze: Ein Mathematiker-Team gibt die Forschungsrichtung vor; ein weiteres, unabhängiges Team von Mathematikern begutachtet die Arbeit; in jedem Paper wird absatzweise vermerkt, ob ein Forscher oder das Modell den Entwurf geschrieben hat; frühere Arbeiten werden vollständig zitiert.
Der letzte Punkt kam bei der Arbeit zur Wahrscheinlichkeitstheorie zum Tragen. Das Problem der Schwelle für die Gauß-Ellipsoid-Anpassung wurde im August dieses Jahres von drei Teams fast gleichzeitig unabhängig voneinander gelöst, und Metas Paper erkennt diese parallele Arbeit an. Das zeigt, dass die Frage für menschliche Mathematiker damals bereits in Reichweite lag – der Beitrag des Modells war eher eine Beschleunigung als die alleinige Erschließung von Neuland.
Der Blog nennt auch die eigene Zielsetzung klar: "Our goal here wasn't to mass-produce papers, but to empower researchers" (Ziel sei es, Forschende zu stärken – die Massenproduktion von Papers sei nicht das Anliegen).
Im Vergleich mit Googles Arbeit aus derselben Woche
In derselben Woche veröffentlichte Google Research Cogentic, bei dem mehrere Agenten gemeinsam mathematische Beweise erkunden. Im Vergleich werden die unterschiedlichen Ansätze deutlich.
Google konzentriert sich auf Probleme aus Online-Lernen, Auktionstheorie und Mechanismus-Design; bei den fünf Problemen wurde Gemini meist rund 100 Mal aufgerufen, beim schwierigsten etwa 1.000 Mal, und ein Approximationsverhältnis für additiven Käufererlös wurde von 5,2 auf 3,52 verbessert; jeder Beweis wurde von Fachexperten geprüft. Der Schwerpunkt liegt auf dem System: wie mehrere Agenten Aufgaben aufteilen und sich gegenseitig kontrollieren.
Bei Meta verteilen sich die Probleme auf sechs voneinander unabhängige Teilgebiete, Aufrufzahlen werden nicht genannt, die Agentenarchitektur wird nicht beschrieben; der Schwerpunkt liegt auf den Menschen: wer die Richtung vorgab, wer begutachtete, wer welchen Abschnitt schrieb. Die beiden Erzählweisen entsprechen zwei unterschiedlichen Prüfmethoden: Googles Ansatz lässt sich über die Aufrufzahlen auf Kosten schätzen, Metas Ansatz über die Autorenschaft auf Verantwortlichkeit zurückführen.
Beiden Veröffentlichungen fehlt jedoch dasselbe: Beispiele für gescheiterte Versuche. Wie viele Probleme das Modell bearbeitet hat, ohne am Ende eine Lösung zu finden, verrät keines der beiden Unternehmen. Ohne diesen Nenner ist die Aussagekraft der fünf erfolgreichen Arbeiten begrenzt, und Außenstehende können die tatsächliche Erfolgsquote von Muse Spark in der Mathematik kaum beurteilen.
Quellen: Meta-AI-Forschungsblog, Google-Research-Blog, CocoLoop; anhand des Meta-Blogs verifiziert: Titel, Autoren, Umfang der Gegenbeispiele und Modellversion der sechs Arbeiten.