Die “OpenAI”-Herausforderung: Zwischen mathematischem Durchbruch und Unternehmenswettstreit

Was danach geschah, ließ die Grenzen zwischen Wissenschaft und wirtschaftlichem Wettbewerb zunehmend verschwimmen.

Nachdem die Lösung gefunden war, kontaktierte OpenAI Buckmaster. Das Unternehmen schlug vor, dass er seine Ergebnisse zuerst veröffentlichen dürfe, bot zusätzliche Rechenressourcen an und wollte ihn sogar als Hauptautor für eine Präsentation der OpenAI-Lösung nennen. Laut Buckmaster war OpenAI zudem bereit, ihm und seinen Mitarbeitern das Preisgeld von einer Million Dollar zukommen zu lassen.

Der Knackpunkt lag im Namen des Mitarbeiters: Levent Alpöge, ein Angestellter von Anthropic.

Buckmaster berichtete, dass OpenAI nicht wollte, dass Alpöge als Autor aufgeführt wird. Sébastien Bubeck, der die mathematischen Bemühungen von OpenAI leitete, widersprach einigen Details in Buckmasters Schilderung, erklärte jedoch gegenüber The New York Times: Aus der Sicht von OpenAI sei es schwierig, wenn ein internes Firmenprojekt einen Anthropic-Mitarbeiter als Mitautor ausweise.

Buckmaster lehnte das Angebot ab. Er sagte The New York Times, er interessiere sich weder für die Million Dollar noch sonderlich dafür, wer zuerst die Ziellinie erreiche. Er wollte “nur Teil der mathematischen Geschichte sein”. Letztlich wurde er Teil einer größeren Geschichte über OpenAI und Anthropic. “Ich bin nur ein Außenstehender in diesem kleinlichen Konkurrenzkampf”, sagte er.

Doch Buckmaster steht nicht ganz außerhalb. Er nutzt genau jene Werkzeuge, die von beiden Seiten bereitgestellt werden, um zu forschen. Und genau das macht es so schwer, den Vorfall als einfachen Streit über wissenschaftliche Anerkennung abzutun.

Werkzeuge können zu Konkurrenten werden

Während seiner Forschung nutzte Buckmaster Codex von OpenAI, um komplexe mathematische Argumentationsketten zu verarbeiten und zu bereinigen, die in Zusammenarbeit mit der KI entstanden. Nach der Veröffentlichung der Lösung durch OpenAI stellte er die Frage: Könnten die Inhalte, die er in das System eingegeben hatte, zur Leistungsfähigkeit des Modells beigetragen haben?

Buckmaster stellte klar, dass er keine Beweise dafür habe. OpenAI wies ebenfalls die Möglichkeit zurück, dass seine Prompts in den zwei Monaten vor der Bekanntgabe das System beeinflusst haben könnten, das zur Lösung von Navier-Stokes verwendet wurde. Das Unternehmen erklärte, dieses Modell basiere auf einem vorab trainierten Modell und wurde durch umfangreiches Reinforcement Learning weiterentwickelt; nach einer Untersuchung gab OpenAI an, dass Eingabedaten nach dem 3. Juli das System nicht in der von Buckmaster vermuteten Weise beeinflusst haben könnten.

In einer weiteren Stellungnahme, die von der Financial Times zitiert wurde, erklärte OpenAI, dass keine spezifischen Nutzerdaten für die Lösung des Problems abgerufen wurden, das Unternehmen könne jedoch nicht vollständig ausschließen, dass anonymisierte Daten aus der Nutzung ihrer Produkte zur Verbesserung der Modelle beigetragen hätten.

Seit Jahrzehnten nutzen Wissenschaftler Computer, Statistiksoftware oder Datenbanken als Hilfsmittel. Die Hersteller dieser Werkzeuge sind jedoch selten selbst Akteure, die in der Lage sind, dieselben Probleme anzugehen, Ressourcen weit über die eines universitären Labors hinaus zu mobilisieren und Ergebnisse zu erzielen, die mit jenen konkurrieren, die ihre Produkte nutzen.

KI vereint nun drei Rollen.

Sie ist ein Werkzeug, da der Wissenschaftler sie zur Entwicklung von Hypothesen und zur Arbeitserledigung nutzt.

Sie ist die Infrastruktur, da das Modell, die Rechenleistung, die Daten und die Zugangsbedingungen wenigen Unternehmen gehören.

Und es wird immer deutlicher, dass sie zu einem Forschungsakteur werden kann, der direkt Beweise, Programme oder Entdeckungen generiert, bei denen früher der Mensch der zentrale Akteur war.

Im Fall von Navier-Stokes überschneiden sich diese drei Rollen. Dies wirft ein schwieriges Problem auf: Wenn ein Wissenschaftler seine noch unveröffentlichten Gedanken, Versuche und Irrtümer oder vorläufige Hypothesen in ein KI-System eingibt, wie ist dann die Beziehung zwischen ihm und dem Unternehmen zu verstehen, das dieses System bereitstellt?

Dies ist nicht unbedingt eine Frage des Eigentumsrechts im juristischen Sinne. Es betrifft die Position privater Infrastruktur im Prozess der Wissensbildung. Wenn die Kapazität zur Entdeckung zunehmend von riesigen Rechensystemen abhängt, könnte sich die wissenschaftliche Macht in Richtung jener Organisationen verlagern, die diese kontrollieren.

Buckmaster sieht diesen Wandel in seiner eigenen Arbeit. Er berichtet, dass die Forschungserfahrung mit KI sowohl aufregend als auch beunruhigend sei. Wenn das Modell in den Argumentationsschritten schneller voranschreitet als der Mensch, fragt er sich, ob seine Rolle noch die eines Entdeckers ist oder ob er allmählich zu einem Leser, Prüfer und Interpret der Maschinenausgabe wird. “Wo bleibt der menschliche Anteil?”, fragt er.

Ein Rennen, das niemand stoppen kann

Die Beziehung zwischen OpenAI und Anthropic lässt die Navier-Stokes-Geschichte weit über einen rein mathematischen Disput hinauswachsen.

Anthropic entstand 2021 aus einer Gruppe von Mitarbeitern, die OpenAI verließen, weil sie mit der Entwicklung immer mächtigerer KI-Systeme nicht einverstanden waren. Seitdem hat das Unternehmen ein Image geprägt, das vorsichtiger gegenüber den Risiken der künstlichen Intelligenz ist. Doch sechs Jahre später sind beide Seiten direkte Konkurrenten auf fast allen Fronten: Talente, Technologie, Produkte, Reputation und Kapitalmärkte. Die Financial Times beschreibt dies als einen der intensivsten Wettbewerbe in der aktuellen KI-Branche.

Sowohl OpenAI als auch Anthropic haben mehrfach die Risiken eingeräumt, die mit immer leistungsfähigeren KI-Systemen einhergehen. Dennoch verschärft sich der Wettbewerb um Modellkapazitäten, Fachkräfte, Marktanteile und Positionierung weiter. Anthropic hat in diesem Jahr sogar einige Verpflichtungen seiner verantwortungsvollen Entwicklungspolitik angepasst und dabei den Druck der Konkurrenz angeführt sowie die Grenzen einseitiger Verpflichtungen, wenn andere Unternehmen nicht denselben Zwängen unterliegen.

Es entsteht ein kaum lösbares Paradoxon: Ein Unternehmen mag vorsichtiger sein wollen, doch eine Verlangsamung allein könnte bedeuten, den Vorteil der Konkurrenz zu überlassen. Der Fall Navier-Stokes zeigt diesen Mechanismus: Sobald die Nachricht eintraf, dass die Konkurrenz einen großen Erfolg erzielen könnte, mobilisierte OpenAI sofort massive Rechenressourcen.

Drei Tage nach der Lösung von OpenAI veröffentlichten Terence Tao und 24 weitere Fields-Medaillengewinner eine gemeinsame Erklärung mit dem Titel A Severe Misalignment of AI in Mathematics. Sie leugnen nicht die wachsenden mathematischen Fähigkeiten der KI. Sie warnen jedoch davor, dass Unternehmen, die berühmte Probleme als Leistungsindikator nutzen, die Unternehmensziele und die Ziele der mathematischen Gemeinschaft in entgegengesetzte Richtungen drängen könnten.

Eine wichtige Lösung eröffnet oft neue Methoden, Konzepte und Verständnis; danach wird sie gelesen, geprüft, vereinfacht, gelehrt und in den allgemeinen Wissensschatz integriert. Wenn die Kapazität zur Generierung von Lösungen schneller wächst als die Fähigkeit der Gemeinschaft, diese zu absorbieren, werden Fragen der Anerkennung, Zitation, Priorität und der Identifizierung dessen, was an einem Ergebnis wirklich neu ist, immer schwieriger.

Daher ist die Warnung von Tao und seinen Kollegen bemerkenswert, da sie genau in dem Moment kam, als eine akademische Aufgabe in das Wettbewerbsgefälle zwischen zwei großen Tech-Unternehmen gezogen wurde.

Navier-Stokes ist vielleicht ein besonders günstiger Fall, um diesen Wandel zu beobachten. Mathematik hat relativ klare Verifizierungsstandards, eine langjährige Tradition der Anerkennung von Verdiensten und eine Forschergemeinschaft, die daran gewöhnt ist, Wissen Schritt für Schritt aufzubauen. Doch selbst in dieser Umgebung beginnen die Grenzen zwischen Werkzeug, Mitarbeiter, Infrastruktur und Konkurrent zu verschwimmen.

Wenn dies in der Mathematik bereits geschieht, werden ähnliche Fragen in der Biomedizin, Pharmazie, Materialwissenschaft oder beim Chip-Design, wo wissenschaftliches Wissen direkt mit kommerziellen Werten und strategischen Vorteilen verknüpft ist, noch komplexer sein.

Der Navier-Stokes-Vorfall beweist noch nicht, wer — OpenAI oder Anthropic — den KI-Wettlauf gewinnen wird. Er zeigt ein langfristigeres Problem: Wenn wissenschaftliche Meilensteine zum Maßstab für technologische Leistungsfähigkeit werden, kann der Wettbewerb zwischen Unternehmen beginnen, die Art und Weise, wie Wissen geschaffen, anerkannt und verbreitet wird, grundlegend zu verändern.

Die Mathematik ist nur zufällig der Ort, an dem sich diese Verschiebung früh und deutlich zeigt.

JETZT LESEN

Wenn das “Open Lab” den Weg für ein strategisches Innovationsökosystem ebnet

Wenn Roboter in den Operationssaal Einzug halten: Innovationshunger von Cornerstone Robotics

Futures in Education: Wissen in Entwicklung umwandeln