80 Jahre. Unzählige Mathematiker. Eine KI-Eingabeaufforderung.
Quick 80 Jahre lang versuchten die besten mathematischen Köpfe der Welt, das Erdős-Einheitsentfernungsproblem zu lösen. Keiner von ihnen tat es. Im Mai 2026 widerlegte ein internes OpenAI-Argumentationsmodell die seit langem vermutete Obergrenze, indem es mit einer einzigen Eingabeaufforderung arbeitete und 125 Seiten Originalmathematik produzierte, die neun externe Mathematiker, darunter Fields-Medaillengewinner Tim Gowers, als korrekt bestätigten.
Die Frage ist nun nicht, ob KI forschen kann. Die Frage ist, was mit der Forschung passiert.
Das Downside, das niemand lösen konnte
Die Erdős-Einheitsabstandsvermutung stellt eine täuschend einfache geometrische Frage: Wie viele Paare können bei gegebenen n Punkten in einer Ebene maximal genau eine Einheit voneinander entfernt sein? Quick acht Jahrzehnte lang waren quadratische Gitter führend. Die mathematische Gemeinschaft ging davon aus, dass keine Anordnung wesentlich besser sein könnte. Niemand konnte das Gegenteil beweisen.
Das interne Modell von OpenAI widerlegte die Annahme anhand einer einzigen Eingabeaufforderung. Bei dem Modell handelte es sich um ein allgemeines Argumentationssystem, das nicht für die Mathematik entwickelt, auf Beweisstrategien trainiert oder auf das Einheitsdistanzproblem ausgerichtet warfare. Aus einer maschinell umgeschriebenen Model von Erdős‘ ursprünglicher Frage entstand eine 125-seitige Argumentationskette, die sich auf die Golod-Shafarevich-Theorie und unendliche Klassenfeldtürme stützte, Zweige der algebraischen Zahlentheorie, die weit außerhalb des Mainstreams der diskreten Geometrie liegen. Das Ergebnis: eine unendliche Familie von Punktkonfigurationen, die mindestens n^(1+δ) Einheitsabstandspaare für ein festes δ größer als Null erzeugt, eine polynomielle Verbesserung gegenüber den gitterbasierten Konstruktionen, die das Downside jahrzehntelang dominiert hatten.
Die neun externen Mathematiker-Co-Autoren des Begleitpapiers, darunter Gowers, Will Sawin (Luisa und Robert Fernholz ’62 Professor für Mathematik in Princeton) und Noga Alon, überprüften das Ergebnis und beschrieben es als eine vom Menschen verifizierte Model des von OpenAI generierten Gegenbeispiels. Sawin leitete am selben Tag unabhängig eine schärfere Grenze ab und setzte δ auf 0,014.
Gowers, einer der anerkanntesten Mathematiker der Gegenwart, brachte es klar auf den Punkt: „Es besteht kein Zweifel daran, dass die Lösung des Einheitsabstandsproblems ein Meilenstein in der KI-Mathematik ist: Wenn ein Mensch die Arbeit geschrieben und bei den Annals of Arithmetic eingereicht hätte und ich um eine schnelle Meinung gebeten worden wäre, hätte ich die Annahme ohne zu zögern empfohlen. Kein früherer KI-generierter Beweis kam dem nahe.“
Warum sich dies vom KI-Mathe-Hype zuvor unterscheidet
OpenAI hat bereits Fortschritte bei mathematischen Benchmarks vermeldet. So auch Google DeepMind. Beide stießen auf Skepsis, und das zu Recht. Die Benchmark-Leistung misst die Mustererkennung, nicht den ursprünglichen Gedanken. Ein Modell kann bei Mathematiktests intestine abschneiden, indem es die Exams lernt.
Das Erdős-Ergebnis unterscheidet sich in drei konkreten Punkten. Das Downside warfare offen und wirklich ungelöst, was bedeutete, dass das Modell eine bekannte Antwort nicht abrufen oder neu kombinieren konnte. Das Begleitpapier von neun externen Mathematikern ist ein überprüfbares Artefakt in den öffentlichen Aufzeichnungen, kein Benchmark-Diagramm oder eine Pressemitteilung. Und OpenAIs eigener Rahmen ist bewusst eng: Dies ist das erste Mal, dass KI ein wichtiges offenes Downside, das für ein Teilgebiet der Mathematik von zentraler Bedeutung ist, autonom gelöst hat. Der Rahmen ist sorgfältig, denn die Leistung ist actual.
Eine Einschränkung verdient Aufmerksamkeit. Die Menschen haben den Beweis vor der Einreichung noch bereinigt und verfeinert. Sawins schärfere Bindung entstammte der unabhängigen menschlichen Arbeit. Das Modell erzeugte das ursprüngliche Gegenbeispiel; Den Relaxation erledigten die Mathematiker. Das genaue asymptotische Most für das Einheitsabstandsproblem bleibt ebenfalls ungelöst, wobei die bekannteste Obergrenze immer noch bei O(n^(4/3)) liegt. KI widerlegte die Vermutung. Das Feld wurde nicht geschlossen.
Was die meisten Berichterstattungen über diese Geschichte falsch machen
Die meisten Berichte über die Ergebnisse von OpenAI hören beim Meilenstein auf und gehen weiter. Das geht an der schwierigeren Frage vorbei.
Kurzfristig bestätigt das Ergebnis, dass Argumentationsmodelle etwas sind, das sich qualitativ von den Produktivitätstools unterscheidet, die die meisten Unternehmen derzeit einsetzen. Ein Allzweckmodell ohne mathematische Spezialisierung arbeitete 125 Seiten algebraischer Beweise mit Werkzeugen durch, für die es nicht gedacht warfare. Wenn dies in diskreter Geometrie möglich ist, verschieben sich die Grenzen dessen, was KI ohne menschliches Gerüst in der Wirtschaftsforschung, Rechtsanalyse, Finanzmodellierung und Arzneimittelforschung bewältigen kann, erheblich.
Die strukturelle Implikation ist bedeutender. Wenn ein Gremium, zu dem auch ein Fields-Medaillengewinner gehört, bestätigt, dass ein KI-generierter Beweis in den Annals of Arithmetic aufgenommen worden wäre, hat das Modell eine bedeutungsvolle Grenze überschritten. Es erweitert die menschliche Forschung nicht mehr. Es führt es durch. Das macht menschliche Forscher nicht überflüssig. Aber Organisationen, die KI immer noch als eine Ebene der automatischen Vervollständigung und nicht als unabhängige Forschungsfunktion betrachten, gehen von einer Annahme aus, die nicht mehr aktuell ist.
Die Erdős-Vermutung warfare kein Branchenproblem. Die Fähigkeit, die es widerlegte, ist nicht auf die Mathematik beschränkt.
Die Grundlinie hat sich geändert
Dies ist der Teil, den die Mathematikwelt übernommen hat, die Geschäftswelt jedoch nicht.
Die Einschätzung von Gowers setzt den neuen Customary für jede zukünftige Behauptung über KI und wissenschaftliche Forschung. Das Erdős-Ergebnis ist die erste von Experten validierte Instanz von KI, die ein herausragendes offenes Downside in einem beliebigen Bereich autonom löst. Jeder künftige Anspruch der KI-Forschung wird daran gemessen.
Das Modell arbeitete an einem genau definierten Downside mit einem sauberen Verifizierungsmechanismus. Zukünftige Exams werden kompliziertere Fragen, offene Bereiche und Situationen beinhalten, in denen es schwieriger ist, richtige Antworten zu bestätigen. Für die Organisationen, die dieses Ergebnis eher als Kuriosität denn als Sign betrachten, wird es erheblich schwieriger sein, den nächsten Meilenstein einzuholen.