Am 23. Juli 2026 teilte der Fields-Medaillengewinner und weithin als «größter lebender Mathematiker» bezeichnete Terence Tao auf Social Media den Verlauf eines Gesprächs mit ChatGPT. Thema der Konversation war ein potenzielles Gegenbeispiel zur Jacobi-Vermutung (Jacobian Conjecture) – ein offenes Problem, das die Mathematik seit fast einem Jahrhundert beschäftigt. Der Chat landete auf der Startseite von Hacker News, erhielt über 540 Upvotes und 333 Kommentare und sorgte für breite Aufmerksamkeit in der Tech- und Mathematik-Community.
Abbildung: Terence Tao ist einer der einflussreichsten Wissenschaftler der heutigen Mathematik. Bildquelle: Wikipedia.
Wer ist Terence Tao?
Falls Sie mit der Mathematik-Community nicht vertraut sind, hier eine kurze Vorstellung dieser legendären Persönlichkeit. Terence Tao, 1975 in Australien geboren, begann im Alter von sieben Jahren, sich selbst Infinitesimalrechnung beizubringen, und gewann mit zwölf Jahren eine Goldmedaille bei der Internationalen Mathematik-Olympiade – bis heute einer der jüngsten Goldmedaillengewinner des Wettbewerbs. Mit 20 Jahren promovierte er an der Princeton University, mit 24 wurde er ordentlicher Professor an der University of California, Los Angeles, und mit 31 Jahren erhielt er die höchste Auszeichnung der Mathematik, die Fields-Medaille.
In Mathematikerkreisen ist Tao nicht nur für die Lösung komplexer Probleme bekannt, sondern auch für seine «grenzüberschreitende» Fähigkeit – er hat bahnbrechende Beiträge in Harmonischer Analysis, Partiellen Differentialgleichungen, Kombinatorik, Zahlentheorie und vielen anderen Bereichen geleistet. Manche sagen, wenn es heute einen Mathematiker gibt, der einem «universellen Genie» am nächsten kommt, dann ist es Terence Tao.
Dass ausgerechnet ein Wissenschaftler, der an der Spitze der menschlichen mathematischen Leistungsfähigkeit steht, ChatGPT um Hilfe bittet – das ist allein schon bemerkenswert genug.
Die Jacobi-Vermutung: Ein «einfaches» Problem, das niemand lösen kann
Um die Bedeutung dieser Konversation zu verstehen, muss man wissen, was die Jacobi-Vermutung ist. Der Autor versucht, es so einfach wie möglich zu erklären.
Stellen Sie sich eine Landkarte vor, auf der jeder Punkt eine Formel enthält, die Ihnen sagt, wie Sie sich bewegen können. Die Jacobi-Vermutung fragt: Wenn diese Formel in der Nähe Ihres Startpunkts immer umkehrbar ist (d. h., Sie können von jeder nahegelegenen Position den Rückweg finden), ist sie dann auf der gesamten Karte umkehrbar (d. h., Sie können von jeder Position den Rückweg finden)?
Das Problem wurde 1939 vom Mathematiker Ott-Heinrich Keller formuliert und in den 1950er Jahren von Shreeram Abhyankar als «Jacobi-Vermutung» systematisch ausgearbeitet. Die Frage scheint intuitiv, aber sie hat Mathematiker fast ein Jahrhundert lang beschäftigt – bis heute ist sie nicht vollständig gelöst. In dieser Zeit haben unzählige Mathematiker Teilergebnisse und angenäherte Beweise vorgelegt, aber die vollständige Antwort bleibt offen.
Terence Tao diskutierte mit ChatGPT die Analyse eines möglichen Gegenbeispiels zur Jacobi-Vermutung – sollte sich dieses Gegenbeispiel als gültig erweisen, würde es die Jacobi-Vermutung direkt widerlegen.
Gesprächsprotokoll: Menschliche Intelligenz trifft auf Rechenleistung
In dem veröffentlichten ChatGPT-Gespräch stellte Tao der KI äußerst präzise mathematische Fragen und führte sie Schritt für Schritt bei der Analyse einer komplexen polynomialen Abbildung, die ein Gegenbeispiel zur Jacobi-Vermutung darstellen könnte.
Abbildung: Die ChatGPT-Gesprächsseite mit dem Titel «Jacobian Conjecture Counterexample». Diese Konversation zeigt, wie ein menschlicher Experte eine KI durch tiefgehendes mathematisches Reasoning führt.
Das Besondere an dem Gespräch: Tao behandelte ChatGPT nicht als «Antwortmaschine», sondern als Denkpartner – er stellte zunächst richtungsweisende Fragen, um dann basierend auf den Antworten von ChatGPT nachzufragen, zu korrigieren und tiefer zu gehen. Der gesamte Prozess erinnerte an die Betreuung eines Doktoranden durch einen Professor – nur dass auf dem Platz des «Studenten» ein großes Sprachmodell saß.
HN-Nutzer napoleoncomplex kommentierte: «Das ist bereits das zweite wirklich faszinierende ChatGPT-Gespräch, das ich heute gesehen habe. Das erste war jemand, der durch wiederholtes ‘Mach weiter’ zu ChatGPT eine andere Vermutung widerlegt hat. In was für einer erstaunlichen Zeit leben wir.»
Ein anderer Nutzer, minimaxir, ergänzte: «Bei Problemen, bei die meisten LLMs aufgeben würden, funktioniert ‘Mach weiter’ tatsächlich. Ein LLM weiß im Grunde nicht, dass etwas unmöglich ist.»
Die Reaktion der HN-Community: Die Sprachbarriere der Mathematik
Das Gespräch löste auf Hacker News eine lebhafte Diskussion aus, deren bemerkenswertester Punkt nicht die Debatte über die Fähigkeiten der KI selbst war, sondern eine tiefgreifende Beobachtung über die Sprachbarriere der Mathematik.
Der Kommentar von Nutzer WarmWash erhielt viel Zustimmung:
«Die Mathematik hat das verrückteste, undurchdringlichste Begriffssystem. Normalerweise kann ich in den meisten STEM-Bereichen den Kopf über Wasser halten, höchstens mal Google oder Wikipedia fragen, aber bei Mathematik … sie entfernt sich so schnell von allem Verständlichen, es ist verrückt.»
Er führte weiter aus:
«Ein Satz aus dem Gespräch: ‘Die spezielle Faser ist ein assoziierter graduierter Ring … und diese Filtrierung erlaubt drei Erzeuger mit hinreichend einfachen homogenen Lifts, dann kann man beweisen’ – in jedem anderen Kontext hätte ich zumindest eine Intuition, worum es geht, aber in der Mathematik? Keine Ahnung.»
Dieser Kommentar offenbart eine Tatsache, die in der Tech-Szene oft übersehen wird: Die Sprachbarriere der Mathematik ist weit höher als in anderen wissenschaftlichen Disziplinen. Ein guter Softwareentwickler kann schnell die Grundzüge des TCP/IP-Protokolls verstehen, aber bei Konzepten wie «graduierter Ring», «Filtrierung» oder «homogener Lift» aus der algebraischen Geometrie fühlt sich selbst jemand mit solider naturwissenschaftlich-technischer Ausbildung schnell überfordert.
KI als «Denkpartner» statt «Antwortmaschine»
Ein roter Faden in der HN-Diskussion war: Die Art und Weise, wie Terence Tao ChatGPT einsetzt, ist genau die richtige Haltung gegenüber KI in der wissenschaftlichen Arbeit.
Nutzer layer_x schrieb: «Taos Fragen sind äußerst präzise und lenken die KI auf hilfreiche Weise … Diese ‘symbiotische Beziehung’ (wenn man so will) scheint ein neues Wertversprechen von KI zu sein.»
Ein anderer Nutzer, guywithabike, sagte: «Was mich am meisten umhaut: Als einer der klügsten Menschen der Erde stellt er weiterhin Fragen, und das LLM antwortet ihm in diesem ‘Ja, wenn man genau darüber nachdenkt, ist es eigentlich ganz einfach’-Ton, wie ein Professor, der einen talentierten Studenten betreut.»
Aber ein entscheidender Punkt: Tao weiß genau, was er tut. Der Grund, warum er ChatGPT so effektiv nutzen kann, liegt in seinem unübertroffenen tiefen Verständnis seines Forschungsgebiets – das hat nichts mit «Prompt-Engineering»-Tricks zu tun. Wie HN-Nutzer bubblymagic es formulierte: «Die Kunst der Nutzung von KI beginnt mit der Beherrschung des Problemgebiets. Ich kann KI zum Programmieren nutzen, weil ich jahrzehntelange Erfahrung habe. Aber ich kann sie nicht für theoretische Physik nutzen, weil ich die Korrektheit ihrer Antworten nicht beurteilen kann.»
Das ist der nachdenklichste Aspekt von Taos Gespräch: Die KI hat die mathematische Forschung nicht für ihn erledigt, sondern wurde zu einem leistungsstarken Verstärker in seinem Denkprozess.
Die andere Seite der Medaille: Wo liegen die Grenzen der KI?
Natürlich gab es in der Diskussion auch nüchterne Stimmen.
Einige Kommentatoren wiesen darauf hin, dass ChatGPT in dem Gespräch deutliche Grenzen zeigte – es lieferte selbstbewusst unvollständig korrekte Ableitungen, die Tao mehrfach korrigieren musste. Ein anonymer Nutzer kommentierte: «Selbst die fortschrittlichsten Modelle sind durchaus in der Lage, sich in komplexen Schlussfolgerungen zu verirren. Man muss ständig eingreifen, um sie daran zu hindern, in eine falsche Richtung weiterzurechnen.»
Dies wirft eine Kernfrage auf: Wenn selbst Tao ständig korrigieren muss, wie groß ist dann das Risiko für Durchschnittsnutzer, KI für spezialisierte Probleme einzusetzen?
Darüber hinaus wiesen Kommentatoren darauf hin, dass das Gespräch nur deshalb so «eindrucksvoll» sei, weil Taos Führungsfähigkeit außergewöhnlich ist. Ein Durchschnittsnutzer würde mit demselben Gespräch wahrscheinlich in eine völlig andere Richtung gehen – das LLM würde höflich eine Menge «mathematischen Müll» produzieren, der plausibel klingt, aber tatsächlich voller Fehler steckt.
Abbildung: Die angeregte Diskussion auf Hacker News über Terence Taos ChatGPT-Gespräch. Die Community debattierte intensiv über die Rolle von KI in der mathematischen Forschung.
Fazit: Werkzeug eines Genies oder Stolz des Werkzeugs?
Rückblickend auf das gesamte Ereignis hält der Autor eine subtilere Beobachtung für die bemerkenswerteste: Die Art und Weise, wie Terence Tao ChatGPT einsetzt, unterscheidet sich im Kern nicht von der Art und Weise, wie Millionen von Programmierern weltweit Copilot oder Cursor nutzen – in beiden Fällen überlässt man unter der Führung professioneller Intuition der KI die Aufgaben der Informationsabfrage, Vorprüfung und Ableitungshilfe, während der menschliche Experte stets die Richtung vorgibt.
Der Kommentar von HN-Nutzer mnky9800nz brachte es auf den Punkt: «Was mich an Taos Gespräch am meisten überrascht hat: Selbst er kommuniziert mit der KI genauso – Fragen stellen, nachfragen, um Klarstellung bitten, um Vereinfachung bitten – wie ich es in meinem eigenen Fachgebiet mit LLMs mache.»
Vielleicht ist das die Definition von «Experte» im KI-Zeitalter: Zu wissen, welche Fragen man stellen muss und wie man die Korrektheit der Antworten beurteilt – das ist weit wichtiger, als «alle Antworten zu kennen».
Was die Jacobi-Vermutung selbst betrifft – wird Taos veröffentlichtes Gespräch letztendlich zu einem bestätigten Gegenbeispiel führen? Derzeit gibt es noch keine endgültige Antwort. Doch unabhängig vom Ergebnis hat uns dieses Experiment mit dem «klügsten Menschen der Welt + der fortschrittlichsten KI» bereits eine vielversprechende Zukunftsvision gezeigt.
Referenzlinks
- Terence Taos aufsehenerregender ChatGPT-Konversationsbeitrag auf Hacker News
- ChatGPT Shared Conversation: Jacobian Conjecture Counterexample
- Wikipedia: Jacobian Conjecture
- Wikipedia: Terence Tao
- Hacker News Community-Diskussion: Über die Dichte mathematischer Fachbegriffe und KI als Denkpartner
- Fields Medal Foundation: Vorstellung von Terence Taos Auszeichnung
