OpenAI will mit KI-Agenten ein Millennium-Preis-Problem geknackt haben

Am 8. September veröffentlichte OpenAI ein Ergebnis, das das Unternehmen drei Tage lang zurückgehalten hatte: Ein internes KI-System, betrieben als koordinierter Schwarm von rund 10.000 Agenten, habe einen Beweis dafür geliefert, dass die dreidimensionalen Navier–Stokes-Gleichungen eine Singularität entwickeln können. Vereinfacht gesagt: Die Mathematik, mit der die Bewegung von Fluiden modelliert wird, kann einen Ort vorhersagen, an dem die Geschwindigkeit des Fluids in endlicher Zeit über alle Grenzen wächst. OpenAI veröffentlichte sowohl einen schriftlichen Beweis als auch eine Formalisierung in Lean, dem Beweisassistenten, der ein mathematisches Argument Schritt für Schritt prüft. Das Unternehmen erklärt, die Arbeit löse Aussage „C“ (und auch Aussage „D“) in der offiziellen Formulierung des Navier–Stokes-Millennium-Preis-Problems.

Zum Weiterlesen: OpenAI verlegt das Frontier-Training vom offenen Internet auf eine zwischengespeicherte Kopie des Webs · OpenAI-Umsatz unter den Erwartungen schickt KI-Aktien auf Talfahrt.

Der Anspruch ist groß. Die Existenz und Glattheit der Navier–Stokes-Gleichungen ist eines der sieben Millennium-Preis-Probleme, die das Clay Mathematics Institute im Jahr 2000 gestellt hat, jedes mit einem Preisgeld von einer Million Dollar, und die Frage hatte sich rund 90 Jahre lang einer vollständigen Antwort widersetzt. Sollte das Ergebnis Bestand haben, wäre es das erste Millennium-Preis-Problem, das im Kern mit einem KI-System gelöst wurde. OpenAI ist vorsichtig mit dem, was es beansprucht: „Wir haben nicht die Absicht, den Millennium-Preis für dieses Ergebnis zu beanspruchen“, schrieb das Unternehmen.

Ein Problem, bei dem es um das Versagen des Modells geht

Die Gleichungen, im 19. Jahrhundert von Claude-Louis Navier und George Gabriel Stokes aufgeschrieben, behandeln ein Fluid als kontinuierliches Medium statt als Wolke einzelner Moleküle. Sie beschreiben, wie sich Bewegung und innere Reibung (die Viskosität) gemeinsam entwickeln. Die offene Frage war, ob diese Idealisierung versagen kann: ob ein Fluid, das vollkommen glatt beginnt, allein durch die Gleichungen einen Punkt unendlicher Geschwindigkeit in endlicher Zeit erreichen kann. 1934 bewies Jean Leray, dass Lösungen in einem verallgemeinerten Sinn existieren, doch ob sie stets glatt bleiben, blieb ungeklärt, und das Clay-Institut machte das Problem im Jahr 2000 berühmt.

Der Punkt ist subtil und entscheidend, um die Ankündigung richtig zu lesen. Ein reales Fluid besteht aus Molekülen und kann sich nicht wirklich unendlich schnell bewegen; eine Singularität ist also keine Vorhersage, dass der Ozean eines Tages außer Kontrolle gerät. Sie ist eine Aussage über die Grenzen des Kontinuumsmodells, ein Beleg dafür, dass die Gleichungen in manchen Ecken aufhören, ein verlässlicher Spiegel der physikalischen Wirklichkeit zu sein. Quanta Magazine berichtet, der Befund habe keine unmittelbaren praktischen Folgen, sage aber etwas Grundlegendes aus: Turbulenz ist seltsamer, als es den Anschein hat.

Wie ein Schwarm einen Wirbel fand

OpenAIs Darstellung der Methode ist fast so bemerkenswert wie die Mathematik. Das Unternehmen erklärt, seit dem 28. August ein neues internes Modell trainiert zu haben, das „deutlich leistungsfähiger“ sei als GPT-6 Astra, sein neuestes öffentliches Modell, das es erst wenige Tage zuvor veröffentlicht hatte. Am 1. September, nachdem es Gerüchte gehört hatte, zwei Millennium-Preis-Probleme seien bereits gelöst, richtete OpenAI das Modell auf die verbleibenden offenen Probleme.

Das System war kein einzelnes Modell, das auf eine einzelne Eingabe antwortet. Seine Agenten waren Programme mit Werkzeugen (einer zwischengespeicherten Kopie des Internets, der Fähigkeit, Code auszuführen) und in Gruppen eingeteilt, die einander Nachrichten schicken konnten. Gruppen unterschiedlicher Größe erhielten unterschiedliche Versionen jedes Problems. Die Agenten griffen zuerst die Euler-Gleichungen an, einen reibungsfreien Verwandten der Navier–Stokes-Gleichungen, bei dem die Frage lautet, ob dieselbe Art von Explosion möglich ist. „Nahezu 100 Agenten arbeiteten etwa 50 Stunden zusammen, um unseren Euler-Regularitäts-Gegenbeweis zu erbringen“, schrieb das Unternehmen. Dann verlagerte es seine Ressourcen auf Navier–Stokes und skalierte auf rund 10.000 gleichzeitige Agenten. Sie erreichten ihr Ergebnis am Samstag, dem 5. September, „etwa 88 Stunden, nachdem die ersten Agenten gestartet waren“. Die Formalisierung und Verifizierung des Beweises in Lean dauerte weitere 17 Stunden auf GPT-6 Astra.

Der Maßstab zeigt sich in der Materialliste. Über alle versuchten Probleme hinweg verschickte das Agentensystem 4,9 Millionen Nachrichten und erzeugte etwa 300 Milliarden Ausgabe-Token; allein Navier–Stokes machte 2,7 Millionen Nachrichten und rund 130 Milliarden Token aus. OpenAIs Sébastien Bubeck schätzte die Rechenkosten auf mehrere Millionen Dollar, berichtete Quanta, während New Scientist und die BBC aus Listenpreisen abgeleitete Schätzungen von 10 bis 15 Millionen Dollar nennen.

Das Gegenbeispiel selbst ist geometrisch: ein Wirbel, der nach innen spiralt und sich entlang seiner Achse streckt, so wie ein Spaghetti-Faden beim Ziehen dünner wird. Der zentrale Bereich schrumpft, während er schneller rotiert, doch seine Energie bleibt endlich. OpenAIs Aufsatz betont, das Schwierige sei gewesen, den Zusammenbruch aus der Bewegung des Fluids selbst entstehen zu lassen statt aus einer von Hand eingesetzten unendlichen Kraft: Beschleunigung, Druckgradienten, Impulstransfer und Viskosität müssen alle groß werden und sich dabei so präzise aufheben, dass eine glatte äußere Kraft übrig bleibt.

Warum das wichtig ist

Selbst mit den Vorbehalten ist das Ergebnis ein Schwellenereignis für KI in der Wissenschaft. Der mathematische Beweis ist etwa so unnachgiebig wie ein Maßstab nur sein kann: Es gibt keine Teilpunkte, und die Ausgabe lässt sich mechanisch prüfen. Ein agentisches System, das tagelang ein kohärentes Forschungsprogramm aufrechterhält, Tausende Mitarbeiter koordiniert und ein formalisierbares Ergebnis liefert, deutet auf einen anderen Modus wissenschaftlicher Arbeit hin als ein Chatbot, der Fragen beantwortet. OpenAI rahmte die Veröffentlichung als Beleg für das Tempo des KI-Fortschritts und dafür, was von noch nicht öffentlich ausgelieferten Modellen zu erwarten ist.

Das Ergebnis fällt zudem ans Ende eines außergewöhnlichen Sommers für maschinengestützte Mathematik. Quanta merkt an, dass große Sprachmodelle genutzt wurden, um in vielen Bereichen der Mathematik Beweise zu erlangen, oft mit angehängter Lean-Verifizierung. Navier–Stokes ist das bislang größte gefallene Ziel, und es ist bemerkenswert, dass ein so altes Problem nicht durch einen einzelnen Geistesblitz nachgab, sondern durch eine Suche im industriellen Maßstab. Ob das eine einmalige Demonstration oder der neue Normalzustand ist, werden die kommenden Monate beantworten.

Die Vorbehalte

Das Ergebnis ist nicht peer-reviewt, und das Clay Mathematics Institute hat es nicht anerkannt. Martin Bridson, Präsident des Instituts, sagte gegenüber New Scientist: „Der Evaluierungsprozess ist bewusst ohne Eile, und wir werden sicherstellen, dass er absolut rigoros ist.“ OpenAI erklärt, den Preis nicht beanspruchen zu wollen, was der unangenehmen Frage ausweicht, ob ein Unternehmen überhaupt Preisträger sein kann. Der Beweis ist zudem ein Gegenbeweis, er belegt, dass glatte Lösungen zusammenbrechen können, nicht, dass sie immer glatt bleiben. Das offizielle Problem listet vier nummerierte Aussagen auf: A und B betreffen Beweise, dass Lösungen stets glatt bleiben, während C und D Gegenbeispiele dafür betreffen, dass sie zusammenbrechen können. OpenAI erklärt, sein Beweis belege C und D, nicht jede Version der Frage. Und das physikalische Bild bleibt intakt: Die Gleichungen können versagen, aber Fluide nicht.

Eine weitere Feinheit steckt in der Mathematik. Die Version des Euler-Problems, die OpenAIs Agenten nach eigenen Angaben gelöst haben, ist die ungezwungene, also ohne äußere Kraft, die auf das Fluid wirkt. Das ist für die Urheberschaft wichtig, denn die parallel entstandene menschlich geleitete Arbeit bewies eine erzwungene Version, ein verwandtes, aber anderes Ergebnis.

Ein Urheberstreit überschattet das Ergebnis

OpenAIs Ankündigung kam rund 12 Stunden, nachdem Tristan Buckmaster, Mathematiker an der New York University, und Levent Alpöge, Forscher beim OpenAI-Rivalen Anthropic, erklärt hatten, sie hätten mehrere eng verwandte Probleme gelöst, teils mit Modellen von Anthropic und OpenAI. Ihr Ergebnis betraf die Euler-Gleichungen, nicht das vollständige Navier–Stokes-Problem. OpenAI erkennt diese Vorarbeit an: Das Unternehmen erklärt, sein eigenes Vorhaben am 1. September erst begonnen zu haben, nachdem es Gerüchte über diese Arbeit gehört hatte, und es „erkennt den Vorrang ihrer Arbeit an erzwungenen Euler-Gleichungen ausdrücklich an“.

Buckmasters öffentliche Erklärung ist deutlicher. Er sagte, Informationen über den Fortschritt seines Teams hätten OpenAI erreicht, stellte das Timing und die Methoden des Unternehmens infrage und widersprach dem Verlauf der Interaktion. OpenAI bestreitet jedes Fehlverhalten. Das Unternehmen erklärt, seine Forscher und Agenten hätten die Arbeit des Duos erst nach deren Veröffentlichung gesehen, und sein Beweis sei anders. Es ließ zugleich eine schmale Hintertür offen: „Obwohl unwahrscheinlich, können wir nicht ausschließen, dass de-identifizierte Daten aus ihrer Nutzung unserer Produkte zur Verbesserung unserer Modelle beigetragen haben“, sagte das Unternehmen gegenüber der BBC. Am 10. September ergänzte es ein Update, wonach eine Untersuchung bestätigt habe, dass Buckmasters Codex-Eingaben das System nicht durch Training beeinflusst haben konnten.

Unter dem Streit liegt ein gemeinsames intellektuelles Fundament. Beide KI-gestützten Teams stützten sich auf eine Technik, die Diego Córdoba vom Institute for Mathematical Sciences in Madrid und Luis Martínez-Zoroa von der CUNEF-Universität entwickelten; sie hatten argumentiert, dass eine unendliche Kaskade geschichteter Lösungen selbst ohne Computer eine Singularität erzeugen könne. Charles Fefferman von Princeton, der die offizielle Beschreibung des Problems für das Clay-Institut verfasste, sagte Quanta, er sei „begeistert, dass das Problem gelöst wurde“, und nannte Córdoba und Martínez-Zoroa die Helden der Geschichte. Buckmaster ging weiter und schrieb mit Blick auf dieses Werk: „Ich glaube, Luis Martínez-Zoroa verdient eine Fields-Medaille.“ Córdobas eigene Zusammenfassung seiner Methode war trocken: „Ich benutze keine KI: Ich habe Luis.“

„Keine Geschwindigkeitsbegrenzung“

Nicht alle feiern das Tempo. Terence Tao von der University of California, Los Angeles, einer der prominentesten Mathematiker der Welt, argumentiert, KI-Firmen drängten Ergebnisse in ein Feld, das von langsamer, sorgfältiger Verdauung abhängt. Die Mathematik, sagte er gegenüber New Scientist, müsse fünf Hürden nehmen, um nützlich zu sein: Ein Ergebnis muss entstehen, geprüft, erklärt, akzeptiert und schließlich in Lehre und Lehrbücher aufgenommen werden. KI-Unternehmen konzentrierten sich auf die ersten beiden und überließen den Rest der Community.

„Jetzt gibt es keine Geschwindigkeitsbegrenzung mehr, und plötzlich bricht alles zusammen.“ — Terence Tao, UCLA

Er warnt, der Wettbewerb könne die Offenheit aushöhlen, die das Feld lange geprägt hat, denn zu wissen, dass ein Rivale an einem Problem arbeitet, sei nun selbst wertvolle Information. Die Episode um Buckmaster und Alpöge, in der ein menschliches Team Papiere überstürzt veröffentlichte, nachdem es erfahren hatte, dass OpenAI aufholte, liest sich für ihn als Vorschau auf diese Dynamik. „So sollte Wissenschaft nicht funktionieren“, sagte er. „Es ist demoralisierend.“

Was zu beobachten ist

Drei Dinge werden entscheiden, wie man sich an dieses Ergebnis erinnert. Das erste ist unabhängige Prüfung: Mathematiker brauchen Zeit, den Beweis zu lesen, zu bestätigen, dass seine Lean-Aussage zur Preisfrage passt, und zu prüfen, ob die Technik robust ist. Das zweite ist die langsame Bewertung durch das Clay-Institut, Bridsons „bewusst ohne Eile“ geführter Prozess könnte Jahre dauern. Das dritte ist, ob der Multi-Agenten-Ansatz verallgemeinerbar ist. Wenn sich ein Agentenschwarm auf das nächste offene Problem richten und einen geprüften Beweis liefern kann, werden sich Ökonomie und Kultur der mathematischen Forschung weiter verschieben, mit oder ohne Preis.

Vorerst ist die ehrliche Zusammenfassung die, die Quanta anbot und die OpenAI selbst wiederholte: Dies ist eine Momentaufnahme, kein Höhepunkt. Eine 90 Jahre alte Frage scheint beantwortet, die Antwort ist maschinell prüfbar, und der Streit darüber, wer die Anerkennung verdient, ist bereits lauter als die Mathematik. Beides kann zugleich wahr sein.