Zwischen Vermutungen und Protokollen: OpenAIs Vorstoß in die harten Wissenschaften

Am 26. Oktober 2026 gab OpenAI bekannt, mit seinen internen Modellen drei bedeutende theoretische Ergebnisse erzielt zu haben: die Widerlegung der Exponentialzeit-Hypothese (ETH) in der Informatik, den Beweis der Local-Smoothing-Vermutung in der Mathematik sowie strenge Existenzbeweise für bestimmte wechselwirkende Quantenfeldtheorien in vier Dimensionen, darunter die QCD und die reine Yang-Mills-Theorie. Selbst wenn sie sich bestätigen, haben die Ergebnisse klare Grenzen: Die Widerlegung der ETH entscheidet weder P gegen NP, noch liefert sie Polynomialzeit-Algorithmen, und OpenAI behauptet nicht, das Millennium-Problem des Clay Institute zu Yang-Mills gelöst zu haben, denn der Teil zur Massenlücke bleibt offen.

Neben der theoretischen Tragweite sorgt vor allem die Art der Veröffentlichung für Aufsehen. Das Unternehmen hat drei verschiedene Wege gewählt: sofortige Veröffentlichung mit Formalisierung in Lean für die Mathematik; Veröffentlichung parallel zu einer unabhängigen Prüfung für die Informatik, übertragen an die Urheber der Hypothese, Russell Impagliazzo und Ramamohan Paturi von der UC San Diego, sowie an Ryan Williams vom MIT; und vorab die Übergabe an eine Physikergruppe unter Leitung des Nobelpreisträgers David Gross. Laut ForkLog stellte die Gruppe klar, dass die Mitwirkung an der Prüfung keine Bestätigung von OpenAIs Schlussfolgerung bedeutet, und kündigte eine für die Fachwelt offene Prüfung an. Wie dasselbe Medium berichtet, erklärte OpenAI, man wolle „das Material zuerst den Experten übergeben, die dann entscheiden, wie es veröffentlicht wird“. Die Advisory Group on Mathematics and Artificial Intelligence (AGMAI) forderte OpenAI auf, das Yang-Mills-Paper zu veröffentlichen: „Es gibt keinen wissenschaftlichen Grund, es weiter hinauszuzögern.“ Laut Scientific American widerspricht der Ansatz bei zwei der drei Ergebnisse den Empfehlungen der Gruppe, auch bei der Benennung der Experten.

Es bleiben erhebliche methodische Vorbehalte. Keines der drei Ergebnisse hat bisher ein Peer-Review durchlaufen oder wurde unabhängig bestätigt. Das Yang-Mills-Paper ist nicht öffentlich und daher vorerst nicht überprüfbar. Im Fall der ETH weist die Dokumentation im GitHub-Repository von OpenAI darauf hin, dass die in Lean formalisierte Aussage eine schwächere analytische Schranke enthält als die im Manuskript behauptete, und es ist nicht geprüft, ob die formalisierte Aussage genau der These des Manuskripts entspricht. Da es sich zudem um ein proprietäres Modell handelt, dessen Prompts, Rechenzeit und Argumentationsketten nicht offengelegt werden, muss die Wissenschaft Texte prüfen, die OpenAI selbst als Forschungsrohdaten bezeichnet – den Output eines Systems, dessen logische Bestandteile unzugänglich sind.

Die Ankündigungen kommen vor den Prüfungen, und Prüfungen brauchen Zeit: Der Wert künstlicher Intelligenz in der theoretischen Forschung wird sich auch an der Transparenz ihrer Methoden messen lassen. — Olya