Sechs Mathearbeiten mit Muse Spark – aber nicht ohne menschliche Anleitung

Meta erklärte am 2. Oktober, dass Mathematikerinnen und Mathematiker gemeinsam mit Muse Spark sechs Forschungsarbeiten erstellt hätten. Fünf davon beträfen Fragen, auf die zuvor keine Antwort bekannt gewesen sei. Die Beschreibung des Unternehmens handelt von menschlich angeleiteter Forschung mit KI-Unterstützung – nicht davon, dass ein Chatbot eigenständig sechs Probleme gelöst hätte. 17

Sechs Arbeiten aus unterschiedlichen Gebieten

Die veröffentlichten Arbeiten decken mehrere Bereiche der Mathematik ab. Zu den genannten Ergebnissen gehören:

• Wahrscheinlichkeit und Geometrie: The Strict Threshold for Gaussian Ellipsoid Fitting bestimmt eine scharfe Schwelle bei ungefähr (n \sim d^2/4). Sie beschreibt, wann eine positiv semidefinite Matrix Bedingungen erfüllen kann, die durch zufällige gaußverteilte Vektoren vorgegeben werden. 1
• Gruppentheorie: Eine Arbeit präsentiert eine Gruppe mit 384 Elementen, die als Gegenbeispiel zu einer 2024 aufgestellten Vermutung dient. 20
• Algebra: On Solvable Evolution Algebras and a Conjecture by García-Martínez and Pérez-Rodríguez befasst sich mit der im Titel genannten Vermutung. 4
• Optimierung: Tightness of the Cycle-Based Relaxation for Completed Length-Three Alpha-Cycles untersucht, ob eine bestimmte zyklusbasierte Relaxation exakt ist. 4
• Mathematische Physik: Auch String Two-Point Function = Height Function on a Curve findet sich in der Liste der Veröffentlichungen. 4
• Differentialgleichungen: Die Publikationsliste enthält außerdem eine Arbeit über den Blow-up in endlicher Zeit für radialsymmetrische Lösungen negativer Energie einer massenkritischen biharmonischen nichtlinearen Schrödinger-Gleichung.

Die Zahl fünf sollte dabei genau eingeordnet werden: Meta sagt, dass fünf der sechs Arbeiten zuvor offene Fragen beantworten. Aus den verfügbaren Publikationsangaben lässt sich jedoch keine eindeutige, unabhängig bestätigte Zuordnung aller sechs Arbeiten zu genau fünf solchen Fragen ableiten. 174

Wie die Zusammenarbeit ablief

Die Forschenden nutzten Muse Spark 1.1 und 1.2 im Thinking Mode über die reguläre Chatoberfläche von meta.ai – ohne eigens entwickeltes Forschungssystem. Laut Meta leiteten Mathematikerinnen und Mathematiker die Arbeit an, entwickelten gemeinsam mit dem Modell Ideen und Argumente und ließen die Ergebnisse anschließend von einer zweiten Gruppe aus Fachleuten prüfen. In den Arbeiten wird zudem kenntlich gemacht, welche Passagen überwiegend von den Forschenden und welche mit KI-Unterstützung formuliert wurden. 17

Das ist wichtig für die Einordnung: Ein Modell kann Ideen, Argumente oder Programmcode beitragen, doch die Beschreibung weist Problemwahl und Überprüfung Menschen zu. Beim Beispiel aus der Gruppentheorie soll Muse Spark ein Suchprogramm für GAP geschrieben haben, ein mathematisches Softwaresystem. Mathematikerinnen und Mathematiker prüften das Gegenbeispiel und führten den Beweis zu Ende. 20

Was noch offen ist

Die Arbeiten sind ein Hinweis darauf, dass ein KI-Modell in betreuter mathematischer Forschung nützlich sein kann. Für sich genommen belegen sie aber weder, dass die Ergebnisse ausschließlich von diesem Team stammen, noch, dass mathematische Antworten des Modells allgemein zuverlässig sind. Anderen Berichten zufolge wurden mehrere Ergebnisse unabhängig auch von anderen Teams erzielt. Diese Überschneidungen sind relevant, wenn es um wissenschaftliche Priorität geht.

Eine Prüfung durch Mathematikerinnen und Mathematiker ist außerdem nicht dasselbe wie formale Verifikation: Dabei wird ein Beweis in eine streng definierte Sprache übertragen, sodass ein Computer ihn Schritt für Schritt kontrollieren kann. Meta beschreibt eine menschliche Begutachtung; aus den verfügbaren Informationen geht nicht hervor, ob die Beweise in allen Arbeiten mit einem Beweisassistenten maschinell geprüft wurden. 17

Meta stellte Muse Spark am 8. April 2026 als erstes Modell der Meta Superintelligence Labs vor. Die im Oktober veröffentlichten Arbeiten zeigen einen späteren Einsatz des Modells in einer Forschungskollaboration. Sie sind jedoch kein Beleg dafür, dass KI-generierte mathematische Aussagen fehlerfrei sind. Dafür müssen die Argumente in den Arbeiten geprüft und unabhängig bestätigt werden.