Simons Foundation und OpenAI finanzieren 15 Millionen Dollar für Mathematik im KI-Zeitalter

> Im Rahmen einer Partnerschaft werden die Simons Foundation, Anthropic und OpenAI insgesamt 15 Millionen Dollar an Finanzierung und Ressourcen bereitstellen. Die Stiftung wird die Mittel verwalten und vergeben, unter anderem über einen offenen Aufruf zur Einreichung von Vorschlägen, um Workshops und Initiativen zu unterstützen, die Forschern helfen, aktuelle KI-gestützte Ergebnisse zu bewerten, neue Werkzeuge zu erlernen und zu nutzen, Perspektiven auszutauschen und gemeinsame Standards für die KI-Nutzung zu gestalten.

Die Stiftung wurde 1994 gegründet, Wikipedia sagt: „eine der größten Wohltätigkeitsorganisationen in den Vereinigten Staaten mit einem Vermögen von über 5 Milliarden Dollar im Jahr 2022“ – Jim Simons gründete den Hedgefonds Renaissance Technologies.

> > Im Rahmen einer Partnerschaft werden die Simons Foundation, Anthropic und OpenAI insgesamt 15 Millionen Dollar an Finanzierung und Ressourcen bereitstellen.

OAI und Ant bekamen Gegenwind, weil sie im Grunde mathematische Entdeckungen für PR-Erfolge ihrer Modelle ausbeuteten und dabei versehentlich das Forschungsfeld verwüsteten. Jeweils etwa 5 Millionen Dollar in PR-Whitewashing zu stecken (teilweise in Form von Token-Guthaben), wirkt eigennützig.

Hut ab vor der Simons Foundation, dass sie den Moment nutzt, um den Labors ein Feigenblatt der Seriosität anzubieten. Das war vielleicht das schnellste „Ja“ zu einem Förderantrag aller Zeiten.

Fast alle lehnten die Idee eines CERN-ähnlichen Projekts für Mathematik ab, als es kürzlich vorgeschlagen wurde. Es hätte ernsthafter in Betracht gezogen werden sollen.

Jetzt, da sich die Dinge nach den Schocks durch Navier-Stokes und den Theorem-Dump etwas beruhigen, beginnt sich abzuzeichnen, wie Mathematik nach der KI aussehen könnte. Natürlich sollten die Dinge unter der Annahme betrachtet werden, dass die Fähigkeiten weiter zunehmen, aber stellen Sie sich so etwas vor –

Ein Institut mit einer enormen Menge an Rechenleistung, entweder gemietet oder eigen, aufgebaut nach dem Humboldt'schen Modell der Einheit von Lehre und Forschung. Der Hauptanreiz für große Namen wäre der Zugang zu Rechenleistung, ohne die Angst, überholt zu werden. Neue Formen der Zuschreibung und Zusammenarbeit würden sich entwickeln, und wir würden etwas Klarheit für Studierende und Promovierende darüber gewinnen, wie eine zukünftige Karriere aussieht.

Die derzeitige Mischung aus Mathematik-Fachbereichen an Universitäten, die alle ihre eigenen Wege durch die Krise gehen, ohne Ressourcen zu bündeln, erschwert den Übergang. Denken Sie an den Weg, den die Physik genommen hat, beginnend mit verstreuten Zyklotronen (der Keller des Niels-Bohr-Instituts wurde sogar ausgehoben, um eines unterzubringen), dann die größeren Labore, die folgten. Dieser Übergang war allmählich, weil die Physik ihn von innen heraus vorantrieb, während in der Mathematik jeder Universitätsfachbereich plötzlich massiv im Nachteil bei der Rechenleistung gegenüber Labors ist, die nicht demselben Modell folgen und von anderen Anreizen getrieben werden.

Es könnte so einfach sein – vielleicht müssen wir nicht völlig t […]

15 Millionen sind die durchschnittlichen Kosten für 5 Häuser in der Bay Area!

Ich bin nicht sicher, was sie mit dieser Anstrengung überhaupt erreichen wollen, außer etwas kostenloses Marketing zu bekommen!

In Chats mit Modellen wie deepseek macht das LLM viele grundlegende Mathe-Fehler. Vielleicht können fortgeschrittenere Modelle unter besonderen Umständen, geleitet von menschlicher Arbeit und Lean, Theoreme beweisen. Aber wie beim RL mag der Brute-Force-Ansatz, eine Million Mal zu scheitern, nicht ausreichen, wenn die Belohnung weit entfernt ist.

In der Mathematik besteht die Belohnung darin, die Zerlegung zu finden, die das Problem auf einfachere Fälle reduziert, und in vielen Fällen ist diese Belohnung sehr weit entfernt. Darüber hinaus mag das LLM die vielen Fälle schnell verarbeiten, aber die Zerlegung kommt oft von einem Menschen, und das Modell erhält die Anerkennung für den Beweis.

Diese Stiftung könnte den LLMs die Zerlegungen liefern, die sie brauchen, erzeugt durch menschlichen Einfallsreichtum. Aber sobald sie geliefert sind, kann das Modell die Fälle durchspielen und die Anerkennung bekommen. Daher mehr Credits für LLMs und weniger Jobs und schlechtere Aussichten für Menschen, auch wenn das keine beabsichtigte Folge ist.

Mein Beitrag, um Wissenschaftlern zu helfen, sich in der KI-Ära zurechtzufinden:

Auf ChatGPT: Einstellungen -> Datenkontrollen -> „Modell für alle verbessern“ ausschalten

Auf Claude: Einstellungen -> Datenschutz -> „Hilf mit, unsere KI-Modelle zu verbessern“ ausschalten

Sie können Ihre Arbeit scrapen, nachdem Sie sie veröffentlicht haben.

Sie wollen also, dass Mathematiker weiterhin die Modelle mit Prompts versorgen und Feedback geben, um Klarstellungen zu ihren Beweisen zu erhalten. Dann schreiben sie alles auf und veröffentlichen es in einer Zeitschrift und erwähnen ihre KI-Nutzung. Und plötzlich produzieren die Modelle dank der „Emergenz“ der Fähigkeiten aufgrund der Scaling Laws lesbare und verständliche Beweise.