Die Association for Human Mathematics (AHM) fordert Mathematiker auf, die Zusammenarbeit mit OpenAI zu beenden. OpenAI stellte Manuskripte und Belegmaterial bereit.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort

Create a landscape editorial hero image for this Studio Global article: Why has the Association for Human Mathematics (AHM) urged mathematicians to stop working with OpenAI after its October 6 release of AI-gener. Article summary: AHM urged mathematicians to stop working with OpenAI because it sees the October 6 release as a mass display of a company’s capability, not a responsible way to establish mathematical knowledge. It argues that hundreds o. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Die Association for Human Mathematics (AHM) fordert Mathematiker auf, ihre Zusammenarbeit mit OpenAI zu beenden. Anlass ist eine am 6. Oktober 2026 veröffentlichte Sammlung mathematischer Manuskripte. Der Einwand der AHM lautet nicht nur, dass einzelne Beweise fehlerhaft sein könnten: Eine große Veröffentlichung eines Unternehmensmodells ersetze weder sorgfältige Prüfung noch nachvollziehbare Dokumentation und wissenschaftliche Diskussion.45
46
Die Sammlung kann interessante Ergebnisse enthalten. Doch Zahlen, Belegmaterial und weitreichende Behauptungen sind für sich genommen noch keine Bestätigung. In der Auseinandersetzung geht es auch darum, wer Zugang zum Modell hat, wer seine Ergebnisse prüfen kann und bei wem die Arbeit der Verifikation landet.
In der ursprünglichen Ankündigung beschrieb OpenAI 722 Manuskripte aus 17 mathematischen Fachgebieten, geordnet in 372 Familien verwandter Ergebnisse. Die Sammlung umfasst also nicht 722 voneinander unabhängige Entdeckungen. Im Repository finden sich Manuskripte und ergänzendes Beweismaterial; die Veröffentlichung steht unter der Apache-2.0-Lizenz.7
15
OpenAI zufolge ließ das Modell rund 4.000 Probleme bearbeiten. Der durchschnittliche Rechenaufwand pro Ergebnis entsprach demnach ungefähr drei Stunden ChatGPT-Pro-Thinking. Außerdem veröffentlichte das Unternehmen zehn gekürzte Zusammenfassungen der Modellüberlegungen sowie Lean-Formalisierungen für einige Beweise.7
12
16 Lean ist ein System, mit dem sich formal erfasste Beweise computergestützt überprüfen lassen. Das Repository weist darauf hin, dass die Ergebnisse unterschiedliche Prüfungsstände haben und nicht alle formalisiert sind. Im aktuellen Katalog stehen 719 Manuskripte – weniger als die 722 aus der ursprünglichen Ankündigung.
10
11
Zu den behaupteten Ergebnissen zählen unter anderem Aussagen zu den Mahler-Vermutungen und zum exakten Irrationalitätsexponenten von π. Sie sollten jedoch nicht allein deshalb als abschließend bestätigt gelten, weil sie als Manuskripte veröffentlicht wurden.5
21
In ihrer Erklärung schrieb die AHM, Mathematiker hätten „diese Arbeit nicht in Auftrag gegeben“, und bezeichnete die Veröffentlichung Hunderter Dateien als „Demonstration von Macht“ statt als wissenschaftliche Arbeit. Die Organisation fordert Skepsis und eine am Menschen orientierte Forschung, statt Unternehmensresultate vorschnell anzunehmen oder en masse abzuarbeiten.45
46
Ein praktisches Problem ist der Umfang: Fachleute müssen die Manuskripte lesen, die Beweise prüfen und die Ergebnisse in den Zusammenhang der bestehenden Forschung einordnen. Offene Dateien geben der mathematischen Gemeinschaft zwar Material an die Hand. Die notwendige Prüfarbeit entfällt dadurch aber nicht – sie wird zu einem großen Teil auf Forschende verlagert.
Die AHM verwies außerdem auf die Warnung der Advisory Group on Mathematics and Artificial Intelligence. Diese Gruppe wurde eingerichtet, um KI-Unternehmen zu ihrem Umgang mit mathematischer Forschung zu beraten. Nach Darstellung der AHM hatte sie davon abgeraten, fortgeschrittene mathematische Probleme mit internen Unternehmensmodellen zu testen.45
48
Lean-Formalisierungen sind ein wichtiges Werkzeug: Sie ermöglichen eine computergestützte Prüfung der Beweise, die tatsächlich in das System übertragen wurden. OpenAI zufolge ist die Hauptaussage von 162 Manuskripten formalisiert.5 Das stärkt die Überprüfbarkeit genau dieser Ergebnisse, bestätigt aber nicht automatisch jede Behauptung in jedem Manuskript.
Wo keine entsprechende Formalisierung vorliegt, müssen Fachleute das Argument lesen und selbst prüfen. Auch das Repository hält fest, dass die Ergebnisse unterschiedlich weit verifiziert sind und nicht alle eine Lean-Formalisierung haben.10
11 Deshalb ist es sinnvoll, jedes Ergebnis einzeln zu bewerten – statt die gesamte Sammlung pauschal für bewiesen oder wertlos zu erklären.
Die Angaben zu den getesteten Problemen und zum Rechenaufwand sowie die zehn gekürzten Zusammenfassungen geben einen gewissen Einblick in die Entstehung der Ergebnisse.7
12
16 Sie liefern jedoch keine vollständige Entstehungsgeschichte für jedes einzelne Resultat. Zudem bleibt das Modell intern und steht nicht für eine unabhängige Untersuchung zur Verfügung.
7
11
Auch die Zahl der getesteten Probleme zeigt für sich genommen nicht, wie oft das Modell bei einer klar definierten Auswahl besonders anspruchsvoller Probleme erfolgreich war. Um Leistung und Reproduzierbarkeit beurteilen zu können, benötigen Forschende mehr Informationen über die Methode und die Entstehung der einzelnen Ergebnisse.
OpenAI kündigte Workshops und Konferenzen an, bei denen wichtige Ergebnisse untersucht werden sollen.7 Solche Vorhaben können die Prüfung erleichtern. Sie ersetzen aber nicht die Veröffentlichung ausreichender Informationen, damit andere Forschende unabhängig nachvollziehen können, wie die Beweise entstanden sind.
Eine einfache Antwort gibt es nicht. Eine Sammlung KI-generierter Argumente kann echten mathematischen Fortschritt enthalten. Ihr Wert hängt aber davon ab, welche Ergebnisse einer unabhängigen Prüfung standhalten – nicht davon, wie viele Manuskripte auf einmal veröffentlicht werden oder wie bedeutend die genannten Probleme sind.7
10
Die Reaktion der AHM wirft zugleich Fragen nach der fairen Anerkennung früherer menschlicher Arbeit, dem Aufwand für die Prüfung neuer Ergebnisse und möglichen Verschiebungen bei Forschungsprioritäten und Förderung auf. Die Veröffentlichung beantwortet diese Fragen nicht; sie macht sie dringlicher.45
46
Entscheidend ist, die Fähigkeit, viele mathematische Behauptungen zu erzeugen, von ihrer wissenschaftlichen Bestätigung zu unterscheiden. Um beides geht es in dieser Kontroverse: um den möglichen Beitrag von KI zur Mathematik und um die Regeln, die diesen Beitrag überprüfbar, transparent und für die Forschungsgemeinschaft sinnvoll machen.
Studio Global AI
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Association for Human Mathematics (AHM) fordert Mathematiker auf, die Zusammenarbeit mit OpenAI zu beenden.
Die Association for Human Mathematics (AHM) fordert Mathematiker auf, die Zusammenarbeit mit OpenAI zu beenden. OpenAI stellte Manuskripte und Belegmaterial bereit. Lean Formalisierungen gibt es für einen Teil der Ergebnisse, darunter die Hauptergebnisse von 162 Arbeiten; das Modell selbst ist nicht öffentlich zugänglich.
Im Zentrum des Streits stehen neben dem möglichen mathematischen Wert auch Transparenz, der Aufwand für unabhängige Prüfung und die Rolle menschlicher Forschung.
Die Association for Human Mathematics (AHM) fordert Mathematiker auf, die Zusammenarbeit mit OpenAI zu beenden. OpenAI stellte Manuskripte und Belegmaterial bereit.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort

Create a landscape editorial hero image for this Studio Global article: Why has the Association for Human Mathematics (AHM) urged mathematicians to stop working with OpenAI after its October 6 release of AI-gener. Article summary: AHM urged mathematicians to stop working with OpenAI because it sees the October 6 release as a mass display of a company’s capability, not a responsible way to establish mathematical knowledge. It argues that hundreds o. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
Die Association for Human Mathematics (AHM) fordert Mathematiker auf, ihre Zusammenarbeit mit OpenAI zu beenden. Anlass ist eine am 6. Oktober 2026 veröffentlichte Sammlung mathematischer Manuskripte. Der Einwand der AHM lautet nicht nur, dass einzelne Beweise fehlerhaft sein könnten: Eine große Veröffentlichung eines Unternehmensmodells ersetze weder sorgfältige Prüfung noch nachvollziehbare Dokumentation und wissenschaftliche Diskussion.45
46
Die Sammlung kann interessante Ergebnisse enthalten. Doch Zahlen, Belegmaterial und weitreichende Behauptungen sind für sich genommen noch keine Bestätigung. In der Auseinandersetzung geht es auch darum, wer Zugang zum Modell hat, wer seine Ergebnisse prüfen kann und bei wem die Arbeit der Verifikation landet.
In der ursprünglichen Ankündigung beschrieb OpenAI 722 Manuskripte aus 17 mathematischen Fachgebieten, geordnet in 372 Familien verwandter Ergebnisse. Die Sammlung umfasst also nicht 722 voneinander unabhängige Entdeckungen. Im Repository finden sich Manuskripte und ergänzendes Beweismaterial; die Veröffentlichung steht unter der Apache-2.0-Lizenz.7
15
OpenAI zufolge ließ das Modell rund 4.000 Probleme bearbeiten. Der durchschnittliche Rechenaufwand pro Ergebnis entsprach demnach ungefähr drei Stunden ChatGPT-Pro-Thinking. Außerdem veröffentlichte das Unternehmen zehn gekürzte Zusammenfassungen der Modellüberlegungen sowie Lean-Formalisierungen für einige Beweise.7
12
16 Lean ist ein System, mit dem sich formal erfasste Beweise computergestützt überprüfen lassen. Das Repository weist darauf hin, dass die Ergebnisse unterschiedliche Prüfungsstände haben und nicht alle formalisiert sind. Im aktuellen Katalog stehen 719 Manuskripte – weniger als die 722 aus der ursprünglichen Ankündigung.
10
11
Zu den behaupteten Ergebnissen zählen unter anderem Aussagen zu den Mahler-Vermutungen und zum exakten Irrationalitätsexponenten von π. Sie sollten jedoch nicht allein deshalb als abschließend bestätigt gelten, weil sie als Manuskripte veröffentlicht wurden.5
21
In ihrer Erklärung schrieb die AHM, Mathematiker hätten „diese Arbeit nicht in Auftrag gegeben“, und bezeichnete die Veröffentlichung Hunderter Dateien als „Demonstration von Macht“ statt als wissenschaftliche Arbeit. Die Organisation fordert Skepsis und eine am Menschen orientierte Forschung, statt Unternehmensresultate vorschnell anzunehmen oder en masse abzuarbeiten.45
46
Ein praktisches Problem ist der Umfang: Fachleute müssen die Manuskripte lesen, die Beweise prüfen und die Ergebnisse in den Zusammenhang der bestehenden Forschung einordnen. Offene Dateien geben der mathematischen Gemeinschaft zwar Material an die Hand. Die notwendige Prüfarbeit entfällt dadurch aber nicht – sie wird zu einem großen Teil auf Forschende verlagert.
Die AHM verwies außerdem auf die Warnung der Advisory Group on Mathematics and Artificial Intelligence. Diese Gruppe wurde eingerichtet, um KI-Unternehmen zu ihrem Umgang mit mathematischer Forschung zu beraten. Nach Darstellung der AHM hatte sie davon abgeraten, fortgeschrittene mathematische Probleme mit internen Unternehmensmodellen zu testen.45
48
Lean-Formalisierungen sind ein wichtiges Werkzeug: Sie ermöglichen eine computergestützte Prüfung der Beweise, die tatsächlich in das System übertragen wurden. OpenAI zufolge ist die Hauptaussage von 162 Manuskripten formalisiert.5 Das stärkt die Überprüfbarkeit genau dieser Ergebnisse, bestätigt aber nicht automatisch jede Behauptung in jedem Manuskript.
Wo keine entsprechende Formalisierung vorliegt, müssen Fachleute das Argument lesen und selbst prüfen. Auch das Repository hält fest, dass die Ergebnisse unterschiedlich weit verifiziert sind und nicht alle eine Lean-Formalisierung haben.10
11 Deshalb ist es sinnvoll, jedes Ergebnis einzeln zu bewerten – statt die gesamte Sammlung pauschal für bewiesen oder wertlos zu erklären.
Die Angaben zu den getesteten Problemen und zum Rechenaufwand sowie die zehn gekürzten Zusammenfassungen geben einen gewissen Einblick in die Entstehung der Ergebnisse.7
12
16 Sie liefern jedoch keine vollständige Entstehungsgeschichte für jedes einzelne Resultat. Zudem bleibt das Modell intern und steht nicht für eine unabhängige Untersuchung zur Verfügung.
7
11
Auch die Zahl der getesteten Probleme zeigt für sich genommen nicht, wie oft das Modell bei einer klar definierten Auswahl besonders anspruchsvoller Probleme erfolgreich war. Um Leistung und Reproduzierbarkeit beurteilen zu können, benötigen Forschende mehr Informationen über die Methode und die Entstehung der einzelnen Ergebnisse.
OpenAI kündigte Workshops und Konferenzen an, bei denen wichtige Ergebnisse untersucht werden sollen.7 Solche Vorhaben können die Prüfung erleichtern. Sie ersetzen aber nicht die Veröffentlichung ausreichender Informationen, damit andere Forschende unabhängig nachvollziehen können, wie die Beweise entstanden sind.
Eine einfache Antwort gibt es nicht. Eine Sammlung KI-generierter Argumente kann echten mathematischen Fortschritt enthalten. Ihr Wert hängt aber davon ab, welche Ergebnisse einer unabhängigen Prüfung standhalten – nicht davon, wie viele Manuskripte auf einmal veröffentlicht werden oder wie bedeutend die genannten Probleme sind.7
10
Die Reaktion der AHM wirft zugleich Fragen nach der fairen Anerkennung früherer menschlicher Arbeit, dem Aufwand für die Prüfung neuer Ergebnisse und möglichen Verschiebungen bei Forschungsprioritäten und Förderung auf. Die Veröffentlichung beantwortet diese Fragen nicht; sie macht sie dringlicher.45
46
Entscheidend ist, die Fähigkeit, viele mathematische Behauptungen zu erzeugen, von ihrer wissenschaftlichen Bestätigung zu unterscheiden. Um beides geht es in dieser Kontroverse: um den möglichen Beitrag von KI zur Mathematik und um die Regeln, die diesen Beitrag überprüfbar, transparent und für die Forschungsgemeinschaft sinnvoll machen.
Studio Global AI
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Association for Human Mathematics (AHM) fordert Mathematiker auf, die Zusammenarbeit mit OpenAI zu beenden.
Die Association for Human Mathematics (AHM) fordert Mathematiker auf, die Zusammenarbeit mit OpenAI zu beenden. OpenAI stellte Manuskripte und Belegmaterial bereit. Lean Formalisierungen gibt es für einen Teil der Ergebnisse, darunter die Hauptergebnisse von 162 Arbeiten; das Modell selbst ist nicht öffentlich zugänglich.
Im Zentrum des Streits stehen neben dem möglichen mathematischen Wert auch Transparenz, der Aufwand für unabhängige Prüfung und die Rolle menschlicher Forschung.