Terence Tao ist vermutlich der begabteste lebende Mathematiker. Wenn er über KI in der Wissenschaft spricht, hat das Gewicht. Und seine Einschätzung ist nuancierter als die meisten KI-Enthusiasten hören wollen: KI macht wissenschaftliche Arbeiten breiter und reichhaltiger — aber nicht tiefer.
Im Gespräch mit Dwarkesh Patel vergleicht Tao KI mit Kepler. Der Astronom des 17. Jahrhunderts war, so Tao, "ein Hochtemperatur-LLM" — er probierte jahrzehntelang zufällige Beziehungen aus, bis etwas passte. Die elliptischen Bahnen. Die Flächenregel. Aber: Kepler hatte keine Erkläerung für seine Entdeckungen. Die kam erst ein Jahrhundert später durch Newton.
Genau so sieht Tao die aktuelle KI-Forschung. Sprachmodelle können Muster finden, Hypothesen generieren, empirische Regelmäßigkeiten aufdecken. Aber das Verstehen — warum etwas so ist, nicht nur dass es so ist — bleibt vorerst menschlich. Und ohne Verständnis ist jede Entdeckung nur eine Korrelation, die morgen widerlegt werden kann.
Für Unternehmen ist das eine wichtige Kalibrierung. KI ist ein brillanter Assistent beim Suchen und Sortieren. Aber die Momente, die echten Wettbewerbsvorteil schaffen — die unerwartete Einsicht, die neue Verbindung zwischen zwei Fachgebieten — entstehen dort, wo Menschen tief nachdenken. Nicht schnell. Nicht breit. Tief.
Taos Prognose: Mensch-KI-Hybride werden die Mathematik noch sehr lange dominieren. Nicht weil KI schlecht ist. Sondern weil die wichtigen Probleme nicht mehr Hypothesen brauchen — sie brauchen besseres Urteilsvermögen darüber, welche Hypothesen es wert sind, verfolgt zu werden.