Claude KI bearbeitet die Riemann-Hypothese
Anthropics unveröffentlichtes Claude-Modell verbesserte die untere Schranke für Riemann-Zeta-Nullstellen von 41,6% auf 67,2% und zeigt KIs Potenzial in der Math
Durchbruch in der computergestützten Mathematik
Eine unveröffentlichte Forschungsversion von Claude hat einen bedeutenden Fortschritt bei einem der berühmtesten ungelösten Probleme der Mathematik erzielt. Das KI-Modell verbesserte eine langjährige untere Schranke für den Anteil der Nullstellen der Riemannschen Zeta-Funktion, die die Riemann-Hypothese erfüllen, von 41,6% auf 67,2%. Diese Leistung baut auf umfangreicher Vorarbeit von Mathematikern der letzten Jahrzehnte auf. Zwei Mathematiker bei Anthropic studierten und validierten Claudes Arbeit und erstellten eine informelle Notiz für Experten, die Claudes Beweis prägnant darstellt. Das Modell erzeugte auch einen formal verifizierbaren Beweis seines Ergebnisses, der von den Experten Brian Conrey und Dan Goldston kurzfristig geprüft wurde.
Der Berechnungsprozess hinter der Entdeckung
Die unveröffentlichte Forschungsversion von Claude fand die neue untere Schranke über zwei Sitzungen in Claude Code und verbrauchte insgesamt 31 Millionen Output-Tokens. Jarred Sumner, ein Anthropic-Mitarbeiter und Nicht-Mathematiker, forderte Claude auf, einen echten Versuch bei der Hypothese selbst zu unternehmen und überließ die mathematischen Entscheidungen dem Modell. Zunächst generierte und testete Claude 650 Ideen, von denen keine funktionierte. Nachdem Jarred Claude aufforderte, es erneut zu versuchen, verbrachte es anderthalb Tage damit, etwa 60 Claude-Subagenten zu koordinieren. Zusammen führten sie 2.400 Shell-Befehle aus und schrieben Hunderte von Python-Skripten. Die Subagenten führten Tausende numerischer Prüfungen gegen bekannte Zeta-Nullstellen durch.
Expertenvalidierung und formale Verifikation
Der Validierungsprozess umfasste mehrere Ebenen der Prüfung durch mathematische Experten. Zwei Mathematiker bei Anthropic studierten und validierten Claudes Arbeit sorgfältig und stellten sicher, dass Methodik und Schlussfolgerungen fundiert waren. Sie erstellten eine informelle Notiz für Experten, die Claudes Beweis prägnant präsentierte. Über die menschliche Überprüfung hinaus erzeugte Claude auch einen formal verifizierbaren Beweis seines Ergebnisses unter Verwendung formaler Verifikationsmethoden. Brian Conrey und Dan Goldston, zwei anerkannte Experten auf diesem Gebiet der Mathematik, prüften die Arbeit großzügigerweise kurzfristig und verliehen den Erkenntnissen zusätzliche Glaubwürdigkeit. Dieser mehrstufige Validierungsansatz zeigt die rigorosen Standards für KI-generierte mathematische Forschung.
Implikationen für KI-gestützte wissenschaftliche Entdeckungen
Diese Leistung stellt einen bedeutenden Meilenstein in der Fähigkeit der KI dar, zur fortgeschrittenen wissenschaftlichen Forschung beizutragen. Obwohl Claude letztendlich scheiterte, die Riemann-Hypothese vollständig zu lösen, zeigt der erzielte Fortschritt, wie KI-Modelle Grenzen in der theoretischen Mathematik verschieben können. Der Ansatz, mehrere koordiniert arbeitende Subagenten zu verwenden, Tausende von Berechnungsprüfungen durchzuführen und formal verifizierbare Beweise zu generieren, präsentiert eine Methodik, die auf andere ungelöste Probleme angewendet werden könnte. Die Tatsache, dass ein Nicht-Mathematiker die KI zu bedeutendem Fortschritt veranlassen konnte, deutet darauf hin, dass KI-Tools den Zugang zu hochrangiger mathematischer Forschung demokratisieren und neue Formen der Zusammenarbeit zwischen Fachexperten und Rechensystemen ermöglichen könnten.
Technische Infrastruktur und Ressourcenbedarf
Die für diese Leistung erforderlichen Rechenressourcen waren erheblich. Claude verbrauchte 31 Millionen Output-Tokens über zwei Sitzungen hinweg, was eine bedeutende Investition in Inferenz-Computing darstellt. Die Koordination von etwa 60 Claude-Subagenten über anderthalb Tage veranschaulicht die eingesetzten Parallelverarbeitungsfähigkeiten. Diese Subagenten führten 2.400 Shell-Befehle aus und schrieben Hunderte von Python-Skripten, was die Fähigkeit des Modells demonstriert, externe Tools und Programmierumgebungen zu nutzen. Die Tausenden von numerischen Prüfungen gegen bekannte Zeta-Nullstellen unterstreichen den empirischen Validierungsansatz, der in den Entdeckungsprozess integriert wurde. Diese infrastrukturintensive Methodik spiegelt den aktuellen Stand KI-gestützter mathematischer Forschung wider, bei der Rechenleistung und ausgeklügelte Orchestrierung Fortschritte bei Problemen ermöglichen, die zuvor reine menschliche Einsicht zu erfordern schienen.
🎯 Wichtige Erkenntnisse
- Unveröffentlichtes Claude-Modell verbesserte untere Schranke der Riemann-Zeta-Funktion von 41,6% auf 67,2%
- Prozess verbrauchte 31 Millionen Output-Tokens über zwei Sitzungen mit 60 koordinierten Subagenten
- Mathematische Experten validierten Claudes Beweis, der auch formale Verifikation umfasste
- Erster Versuch generierte 650 gescheiterte Ideen, bevor erfolgreicher Ansatz entstand
💡 Anthropics Demonstration, wie Claude die Riemann-Hypothese bearbeitet, markiert einen entscheidenden Moment in der KI-gestützten mathematischen Entdeckung. Obwohl die Hypothese ungelöst bleibt, zeigt die signifikante Verbesserung der unteren Schranke von 41,6% auf 67,2% das Potenzial der KI zur Förderung theoretischer Mathematik. Die Kombination aus massiven Rechenressourcen, koordinierten Subagenten und formaler Verifikation, validiert von menschlichen Experten, etabliert ein neues Paradigma für die Bearbeitung ungelöster Probleme. Diese Leistung deutet darauf hin, dass KI-Modelle bald unverzichtbare Partner in der wissenschaftlichen Forschung werden könnten, fähig, Lösungsräume zu erkunden und verifizierbare Beweise zu generieren, die menschliche mathematische Einsicht ergänzen.