OpenAI hat am Montag Ergebnisse aus Mathematik, Informatik und Physik angekündigt – und dann getan, worum die Fachwelt einen Monat gebeten hatte: das Tempo herausgenommen und externe Experten gefragt, wie man sie veröffentlichen soll. Beruhigt hat das niemanden.
Die drei Behauptungen sind groß. Der Mathematik-Output will die Kakeya-Vermutung in allen Dimensionen lösen – die Frage, wie wenig Raum nötig ist, um eine Nadel in jede Richtung zu drehen. Ein Beweis für den dreidimensionalen Fall gehörte zu den Arbeiten, für die Hong Wang von der NYU in diesem Jahr mit der Fields-Medaille ausgezeichnet wurde. Ein zweites Ergebnis betrifft Quantenchromodynamik und Yang-Mills-Theorie, das Fundament der starken Kernkraft und eines der Millennium-Probleme, wobei OpenAIs Arbeit die ungelöste Massenlücke nicht adressiert. Das dritte will die Exponentialzeitshypothese widerlegen – die Annahme, bestimmte Probleme ließen sich nicht deutlich schneller als durch rohe Gewalt lösen –, ein Ergebnis nahe an P gegen NP.
Die Veröffentlichung unterscheidet sich je Ergebnis, und genau darum geht der Streit. In der Mathematik publizierte OpenAI den vom Modell erzeugten Output und überließ es der Fachwelt, die Erklärung zu organisieren. In der Informatik wird eine externe Gruppe zusammengestellt, die das Ergebnis erklärt. Die Physikarbeit ist gar nicht erschienen; OpenAI will externen Experten überlassen, wie das geschehen soll.
Das Unternehmen nennt die Berater Shepherds. Forschende nennen die Regelung Gatekeeping. Die Advisory Group on Mathematics and Artificial Intelligence, die OpenAI zuvor konsultieren wollte, warnte einen Tag vor der Ankündigung: Auszuwählen, wer Output zuerst sieht, sei unnötig, leihe die Reputation der Ausgewählten, und riskiere ungleichen Zugang, verzerrte Auswahl und Verzögerung. Sie empfahl, Ergebnisse mit formalen Beweisen und Informationen zur Problemauswahl in Fachrepositorien zu stellen und die Menschen zu fördern, die sie verstehen wollen. Nachdem die Physikarbeit geschlossen blieb, drängte AGMAI, die natürlichsprachlichen und Lean-Outputs unverzüglich zu veröffentlichen – laut OpenAI sei die Formalisierung ja abgeschlossen.
Die einzelnen Reaktionen sind schärfer als die institutionellen. Constantin Kogler vom Institute for Advanced Study sagte, es ergebe keinen Sinn, dass zuerst nur wenige angesehene Wissenschaftler hineinschauen dürfen. Andreas Karch, Physikprofessor in Austin, nannte die handverlesene Gruppe eine Katastrophe: Die großen Labore hätten schon genug Macht und sollten keine Gewinner und Verlierer bestimmen. Er fragte, warum der Beweis nicht einfach jetzt erscheinen kann. Brendan Hassett von der Brown University sagte, die Kakeya-Behauptung wirke gut gestützt, er habe die Lean-Formalisierung aber noch nicht geprüft, und argumentierte, viele Gruppen, die an Ergebnissen arbeiten, beschleunigten genau die Verbreitung neuer Werkzeuge.
Xiaoyu He vom Georgia Institute of Technology benannte das tiefere Problem: Die Ergebnisse seien beeindruckend, aber OpenAI inszeniere Verantwortung beim Veröffentlichen, während die eigentlichen Fragen unverändert blieben – fundamentale Sätze entstehen schneller, als Menschen dazu beitragen können, in Arbeiten, die schwer zu lesen und schwer zu prüfen sind. Diese Spannung lösen die Shepherds nicht. Ein Offenlegungsverfahren kann beratend oder offen sein; die Forschenden, die die Arbeit prüfen müssen, wollen beides.
