StartseiteArtikel

Wir sind am Ende. Altman enthüllt die mentale Kehrtwende des Mathematikers innerhalb von fünf Tagen, Terence Tao: Die Ära der Helden ist vorüber.

新智元2026-10-26 11:13
Panik, Wut, Einsicht!

Wir sind am Ende, unser Fachgebiet ist vorbei, die Doktoranden müssen ihr Fach wechseln.

In einem Interview an der Stanford Graduate School of Business sagte Altman, das sei die erste Reaktion einiger Mathematiker gewesen, nachdem sie die Leistungen der KI gesehen hätten.

Altman schilderte die Reaktionen einiger Mathematiker nach dem Schock durch die KI.

Am 6. Oktober, nach der Bekanntgabe der Lösung des Navier-Stokes-Problems, veröffentlichte OpenAI auf einmal mehr als 700 mathematische Manuskripte.

Wenn die KI beginnt, in großem Umfang Forschungsergebnisse vorzulegen, was sollen die Menschen dann als Nächstes tun?

Einige konnten es nicht glauben: „Das ist nicht wahr.“

Andere waren voller Zorn und meinten, OpenAI hätte das nicht tun sollen: Wenn das der Preis für mehr mathematisches Wissen ist, würden sie darauf lieber verzichten.

Aber Altman stellte fest, dass sich die Meinung einiger Menschen nach etwa fünf Tagen, von denen er Rückmeldungen erhielt, änderte.

Was ist in der Zwischenzeit passiert, von der Sorge um das Verschwinden des gesamten Berufsstands bis zur Wiederentdeckung des eigenen Wertes?

Von „Wir sind am Ende“, zum neuen Verständnis der eigenen Arbeit

Altman blickte auf die Reaktionen der Mathematikgemeinde zurück, die er in den letzten 10 Tagen beobachtet hatte, und bezeichnete diesen Prozess als „sehr interessant“.

Am Anfang stand der Unglaube: „Das ist nicht wahr.“

Am ersten Tag stieg die Panik auf: „Wir sind am Ende, dieses Fachgebiet ist vorbei.“ Man begann sogar, Doktoranden zum Fachwechsel zu raten.

Am dritten Tag folgte die volle Wut: „Es ist schrecklich, dass OpenAI das tut.“

Aber etwa am fünften Tag begann er, andere Stimmen zu hören.

Einige Mathematiker erkannten wieder: Zu ihrer eigenen Arbeit gehört von Anfang an, Wissen zu verstehen, Ideen auszutauschen und komplexe Ergebnisse verständlich zu erklären.

Die meisten Menschen haben nie ein Millennium-Problem gelöst, können aber trotzdem wichtige Beiträge leisten.

Nachdem sie das verstanden haben, begannen sie zu glauben:

Meine Karriere als Mathematiker wird anders verlaufen, aber sie wird hoffentlich besser werden.

Natürlich ist der „fünf Tage“ dauernde Transformationszyklus nur Altmans Zusammenfassung der Rückmeldungen eines Teils der Mathematiker, das bedeutet nicht, dass die gesamte Mathematikgemeinde die Veränderung bereits akzeptiert hat.

Er räumte auch ein, dass sich die Modelle schneller verbessern als erwartet.

In engen Fachbereichen wie dem mathematischen Schließen ist er der Meinung, dass „Superintelligenz“ bereits aufgetaucht ist.

Aber für die Menschen, die sich täglich der Forschung widmen, ist das Gefühl, das diese Veränderung mit sich bringt, viel komplexer als die Aufregung und Erwartung, dass „die Superintelligenz kommt“ oder „die Singularität eingetroffen ist“.

Terence Tao: Die „romantische Ära“ geht zu Ende

Altman sprach über neue berufliche Möglichkeiten, während Terence Tao über das sprach, was bei dieser Veränderung möglicherweise verloren geht.

Eine Person denkt jahrelang gründlich nach und löst schließlich ein schwieriges Problem.

Diese Romantik wird gerade von der KI umgeschrieben.

In dem am 15. Oktober veröffentlichten Interview von Numberphile sagte Terence Tao, der Mathematikprofessor an der UCLA ist und im Alter von 20 Jahren seinen Doktortitel erwarb, dass die Mathematik von der heroischen individuellen Problemlösung zur Ära der großangelegten Forschung übergeht.

Er erinnerte an die Geschichte von Andrew Wiles, der sieben Jahre brauchte, um den Großen Fermatschen Satz zu lösen.

Wenn die Menschen ein Fachgebiet lieben, lieben sie auch den Forschungsprozess darin und die Befriedigung, nach langem Nachdenken endlich die Lösung zu finden.

Heute beginnt die KI, Beweise in Massen zu liefern.

Forscher müssen neben der eigenständigen Suche nach Lösungen auch Zeit darauf verwenden, die von der Maschine gelieferten Ergebnisse zu verstehen.

In seiner Rede „Math 2.0“ wies Terence Tao darauf hin, dass neue Erkenntnisse und neue Methoden, die man im Forschungsprozess gewinnt, möglicherweise wichtiger sind als die endgültige Antwort.

Warum führte der ursprüngliche Weg nicht zum Ziel? Welche Einschränkungen hat die neue Methode durchbrochen? Welche anderen Probleme lassen sich damit noch lösen?

Diese Erkenntnisse beeinflussen oft eine ganze Reihe nachfolgender Forschung.

Ein Problem ist gelöst, aber die Forschung, die es umgibt, ist noch nicht beendet.

Wenn man nur darauf achtet, „wer zuerst die Antwort liefert“, übersieht man leicht die glänzenden Ideen und wertvollen Erkenntnisse im Forschungsprozess.

Verliert der Pförtner seinen Wert, wenn man automatische Türen einbaut?

In einem Interview an der UCLA erzählte Terence Tao eine Metapher über ein Hotel.

Ein Hotel wollte Kosten sparen und holte einen Unternehmensberater hinzu.

Der Berater meinte, die Aufgabe des Pförtners sei nur das Öffnen der Tür. Also installierte das Hotel automatische Türen und entließ den Pförtner.

Aber der Berater sah nicht, dass der Pförtner auch Gästen hilft, Taxis ruft, den Eingang bewacht und den Menschen ein Gefühl der Sicherheit gibt. Diese Dienstleistungen beeinflussen ebenfalls das Erlebnis der Gäste.

Diese Metapher trifft ein weit verbreitetes Missverständnis:

Wir sind es gewohnt, einen ganzen Beruf mit einer „Markenhandlung“ zusammenzufassen.

Mathematiker lösen Probleme, Programmierer schreiben Code, Redakteure schreiben Artikel.

Es ist bequem, solche Etiketten anzubringen, aber man lässt viele dahinterliegende Arbeiten aus.

Für Mathematiker gehört neben dem „Lösen von Problemen“ auch die Verbindung verschiedener Fachbereiche, die Förderung der nächsten Generation und das Lehren, wie man denken und Probleme lösen soll.

Das gilt auch für andere Berufe.

Die KI hat einen Artikel generiert, aber jemand muss noch die Fakten prüfen, die Schwerpunkte auswählen und beurteilen, was die Leser wissen müssen; die KI hat einen Codeabschnitt geschrieben, aber jemand muss noch bestätigen, ob er das Problem des Benutzers löst.

Die Erstellung von Ergebnissen wird einfach, aber die Fähigkeit zu beurteilen, was wert ist, getan zu werden und ob das Ergebnis nützlich ist, erfordert immer noch den menschlichen Einsatz bei den nachfolgenden Arbeiten.

Wer erklärt den Beweis klar, nachdem die KI ihre Arbeit eingereicht hat?

Diese nachfolgenden Arbeiten sind genau das, worüber Terence Tao in dem Interview offen seine Unzufriedenheit ausdrückte.

In dem Numberphile-Interview erwähnte er, dass ein oder zwei der Ergebnisse von OpenAI, zumindest aus ihrer aktuellen Sicht, sehr clevere neue Ideen enthalten.

Aber viele andere Inhalte sind schwer verständlich, wurden noch nicht sorgfältig geprüft, und es gab Fälle, in denen Fehler auftraten und die Ergebnisse zurückgezogen wurden.

Er sagte offen, dass es darin gute Dinge, aber auch schlechte Dinge geben wird, aber wir wissen noch nicht, wie groß der jeweilige Anteil ist.

Er beschwerte sich auch, dass damals niemand von OpenAI ihnen geholfen habe, diese Materialien zu verstehen. Seiner Meinung nach schien die gegnerische Seite zu glauben, dass die Arbeit bereits abgeschlossen sei.

Wer erklärt nach der Veröffentlichung der Ergebnisse die wichtigen Schritte? Wer beantwortet die Fragen der Kollegen? Wer kümmert sich weiter um die Dinge, wenn Probleme auftauchen?

Wenn die Ergebnisse massenhaft hereinkommen, aber das nachfolgende Verstehen und Überprüfen nicht rechtzeitig nachkommt, leidet die Mathematik unter einer leichten „Verdauungsstörung“.

Am 15. Oktober gab die Simons Foundation bekannt, dass sie gemeinsam mit OpenAI und Anthropic insgesamt 15 Millionen US-Dollar an Mitteln und Ressourcen bereitstellen wird, um Mathematiker bei der Überprüfung, dem Verständnis und der Erweiterung der KI-Ergebnisse zu unterstützen.

Diese Unterstützung kann auch als Antwort auf die von Terence Tao aufgeworfene Frage angesehen werden: Nach der Veröffentlichung von Ergebnissen durch KI-Labore müssen sie noch Ressourcen für die nachfolgende Überprüfung und das Verständnis bereitstellen.

Terence Tao sieht auch neue Forschungsmöglichkeiten.

In dem Interview an der UCLA stellte er sich vor, eine Methode auf zehntausende Probleme anzuwenden und systematisch zu beobachten, unter welchen Umständen sie funktioniert und wo sie versagt.

Früher war es schwierig, genügend Personal zu organisieren, um eine solche Forschung durchzuführen.

Mit Hilfe der KI können Forscher großangelegte Forschungen durchführen, die früher kaum umsetzbar waren.

Die faszinierenden Forschungsmethoden ändern sich gerade, und neue Möglichkeiten tauchen auf.

Je klüger die KI ist, desto mehr müssen die Menschen lernen, zu urteilen

Als es darum ging, was Schüler lernen sollten, erzählte Altman von seiner eigenen Erfahrung in seiner Kindheit.

Der Lehrer forderte ihn auf, Schreiben zu lernen, und er antwortete, dass er kein Schriftsteller werden wolle, sondern Mathematiker.

Der Lehrer sagte ihm, dass Schreiben auch ein Werkzeug sei, um das Denken und das Organisieren von Ideen zu lernen.

Selbst wenn er als Erwachsener keine Texte für andere schreibt, ist diese Ausbildung immer noch wertvoll.

Altman betonte damit, dass die Fähigkeiten, die den Menschen beim Denken helfen, immer noch wert sind, gelernt zu werden.

Das stimmt mit der Erinnerung von Terence Tao an die Schüler überein: Wenn man ein Fachgebiet noch nicht verstanden hat, kann man nicht prüfen, ob die Antwort der KI richtig ist.

Die Antwort kann von der KI generiert werden, aber die Urteilskraft muss man selbst üben.

Für Studenten, die gerade ihre berufliche Laufbahn beginnen, ist Altman weiterhin optimistisch.

Er meint, dass die Zeit mit den stärksten Veränderungen auch mehr Chancen für Menschen bieten kann, die Ideen haben, motiviert sind und neue Fähigkeiten beherrschen.

Sein Ratschlag ist, nicht nur den Richtungen zu folgen, die vor fünf Jahren populär waren, sondern neue Dinge zu tun.

Aber er räumte auch ein, dass viele Arbeitsaufgaben und einige Stellen stark angepasst werden.

Von „Wir sind am Ende“ bis zur neuen Orientierung braucht der Wandel der Denkweise vielleicht nur wenige Tage.

Wie man neue Arbeiten ausführt, wie Beiträge bewertet werden und wie Nachwuchskräfte ausgebildet werden, erfordert aber eine viel längere Zeit der Erprobung.

Die Probleme, vor denen Mathematiker stehen, sind nun auch vielen anderen Menschen präsentiert worden:

Wenn die KI ein scheinbar schönes Ergebnis liefert, kannst du es verstehen, die Probleme darauf hinweisen und entscheiden, was als Nächstes wert ist, getan zu werden?

Referenzmaterialien:

https://www.youtube.com/watch?v=anAmTGcewX8

https://www.businessinsider.com/sam-altman-openai-mathematicians-math-disruption-navier-stokes-2026-10

https://www.businessinsider.com/math-ai-tools-openai-terence-tao-ucla-2026-10

https://www.scientificamerican.com/article/the-inside-story-behind-openais-million-dollar-math-proof/

https://www.youtube.com/watch?v=bAnwMdfcMVw&t=10s

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto "Xinzhiyuan" (ID: AI_era), Autor: Yuan Yu, veröffentlicht mit Genehmigung von 36Kr.