Stephen Wolfram: KI wird Mathematiker nicht ersetzen, sie braucht sie

Ein Déjà-vu

Die Schlagzeilen wiederholen sich: Diese oder jene KI hat dieses oder jenes Problem gelöst. Und damit kehrt die Idee zurück, man könnte auf Mathematiker verzichten. Stephen Wolfram äußert seine Ungeduld angesichts dessen, was er als doppeltes Missverständnis betrachtet: darüber, was Mathematik ist, und darüber, was KI ist.

Er stützt sich auf seine persönliche Geschichte. 1988 hatte die Einführung von Mathematica die gleichen Ängste ausgelöst. Die symbolische Berechnung von Integralen wurde tatsächlich automatisiert, aber das war nicht der Kern der reinen Mathematik. Die Software ermöglichte im Gegenteil neue Ergebnisse.

Was Mathematik wirklich ist

Die formalistische Sichtweise reduziert Mathematik auf die Gesamtheit der Theoreme, die mechanisch aus Axiomen ableitbar sind. Wolfram merkt an, dass Mathematiker fast nie auf dieser Ebene arbeiten: Sie denken in Strukturen hoher Ebene, wie dem Satz des Pythagoras, ohne zu den Axiomen der reellen Zahlen zurückzukehren.

Er zieht die Analogie zur Strömungsmechanik, die den Fluss beschreibt, ohne jedem Molekül zu folgen. Unter beiden liegt eine computationale Irreduzibilität, durchsetzt von „Taschen der Reduzibilität“, in denen man auf einer höheren Ebene argumentieren kann. Die menschliche Mathematik lebt in diesen Taschen.

Die Gesamtheit aller möglichen Theoreme, die er „Ruliad“ nennt, ist zu riesig für einen endlichen Geist. Es gibt also keine absolute Mathematik, nur Entdeckungsentscheidungen, teils unvermeidlich, teils historische Zufälle. Massenhaftes Generieren von Theoremen produziert vor allem „außerirdische Mathematik“.

Was KI gut kann, und was nicht

Der nützlichste Einsatz von LLMs ist laut Wolfram die thematische Erkundung der Literatur und das Verknüpfen von Ergebnissen. Die Modelle haben Millionen von Artikeln „gelesen“ und können viele Kombinationen zu geringen Kosten testen.

Aber ein Fehler kann in der Mathematik alles zunichtemachen, anders als bei einer Geschichte. Je länger ein Argument wird, desto unwahrscheinlicher macht die statistische Natur des Modells ein korrektes Ergebnis. Die Überprüfung durch Berechnung bleibt der beste Schutz: eine vorgeschlagene Stammfunktion ableiten, ein Gegenbeispiel testen.

Oft, fügt er hinzu, ist das, was die KI findet, algorithmisch einfach: Man musste nur an der richtigen Stelle schauen. Einmal identifiziert, kann man es in reiner Berechnung implementieren, ohne KI. Intuition, verstanden als prozedurale Mustererkennung, scheint ihm nicht außerhalb der Reichweite von LLMs zu liegen.

Formalisieren, ohne sich täuschen zu lassen

Autoformalisierung besteht darin, menschliche Mathematik automatisch in einen Beweisassistenten zu übersetzen. Das Problem laut Wolfram: Nichts garantiert, dass die Formalisierung der Absicht entspricht. Er erzählt von Fällen, in denen die KI „erfolgreich“ war, indem sie die Aussage auf eine verdrehte Weise interpretierte, was in langatmigen, niedrigstufigen Formalisierungen schwer zu erkennen ist.

Seine Antwort ist ein Plädoyer für sein eigenes Werkzeug: die KI dazu bringen, Wolfram Language zu schreiben, eine für Menschen lesbare Notation. Sein Unternehmen erweitert die Sprache um die Konstrukte der reinen Mathematik, mit dem Ziel, Artikel zu haben, in denen jede Aussage eine ausführbare computationale Version hätte. Teilweise dank der durch KI veränderten Entwicklungsökonomie wird dieses Vorhaben seiner Meinung nach rechtfertigbar.

Wer legt die Ziele fest?

Der Kern des Arguments: Die Mathematik muss entscheiden, wohin sie geht, und diese Entscheidungen kommen „von außerhalb des Systems“, also von Menschen. Wolfram beobachtet, dass die bemerkenswertesten KI-Erfolge in der Mathematik von sehr kompetenten Mathematikern kommen, weil das Stellen der richtigen Frage oft den Großteil der Arbeit ausmacht.

Er unterscheidet zwischen Problemlösen, das messbar und für KI zugänglich ist („ein Erdős-Problem gelöst!“), manchmal einer sportlichen Leistung ähnlich, und dem kreativen Aufbau von Konzepten. Eine KI kann unzählige Konzepte in ihren Aktivierungen erkennen, aber ein Konzept ist nur nützlich, wenn es geteilt wird, wie ein neues Wort in einer Sprache. Das ist ein sozialer Prozess, und daher langsam.

Warum man reine Mathematik fortsetzen sollte

Wolfram kehrt das utilitaristische Argument um: Mathematik setzt keine Markierungen, die die Wissenschaft eines Tages erreichen wird. Sie liefert Denkweisen, die bestimmen, wonach die Wissenschaft als Nächstes sucht.

Automatisierung macht die Herausforderung vielleicht weniger attraktiv, wie beim Schach, aber sie berührt nicht die ästhetische Erfahrung der „Aussicht vom Turm“. Er betont auch, dass sich Mathematik auf hoher Ebene wie eine mündliche Tradition weitergibt, was eine aktive menschliche Gemeinschaft erfordert. Der Text endet mit einer Hommage an seine kürzlich verstorbene Ehefrau Elise Cawley.