Terry Tao über AI-Beweisprüfer: Lean, Zusammenarbeit und formale Mathematik

Terry Taos Vision für computergestützte Beweise
In einer Podiumsdiskussion von 2014 sagte Terry Tao voraus, dass Mathematiker bald in Kooperationen von Hunderten arbeiten und ihre Ergebnisse nicht von menschlichen Gutachtern, sondern von automatischen Beweisprüfern wie Lean verifizieren lassen würden. Diese Aussage stieß damals auf Unglauben, doch Tao, einer der berühmtesten Mathematiker der Welt, ist heute ein Verfechter von KI in der Mathematik.
Schlüsseldetails aus der Quelle
- Beweisprüfer wie Lean können ein Problem in kleine Teile zerlegen, Stück für Stück lösen und mit der Gewissheit wieder zusammensetzen, dass jedes Teil korrekt ist.
- Tao sieht Arbeiten voraus, die nicht in LaTeX, sondern in einer formalen Sprache verfasst werden, die intelligente Software konvertiert.
Hin und wieder erhält man einen Kompilierungsfehler – der Computer versteht nicht, wie Sie diesen Schritt abgeleitet haben.
- Der Ansatz wird in der Buchadaption The Proof in the Code: How a Truth Machine Is Transforming Math and AI von Kevin Hartnett behandelt, veröffentlicht von Quanta Magazine.
- Taos Hintergrund: geboren 1975 in Adelaide, Promotion in Princeton auf Empfehlung von Erdős. Mit 13 gewann er Gold bei der Internationalen Mathematikolympiade.
Was das für Entwickler bedeutet
Für KI-Codierungsagenten stellen formale Beweisprüfer wie Lean ein Paradigma dar, bei dem KI die Korrektheit autonom verifizieren kann. Es ist analog zur Typüberprüfung in Compilern – jedoch für mathematische Logik. Entwickler, die an agentischen Codierungstools (z. B. Claude Code, Cursor) arbeiten, sollten diesen Bereich im Auge behalten: Automatisierte Verifikation von Codekorrektheit durch formale Methoden könnte zu einem Standardfeature werden.
📖 Vollständige Quelle lesen: HN AI Agents
👀 Siehe auch

Amazon-Mitarbeiter verspotten KI des Unternehmens auf Slack und nennen sie 'Sloppenheimer'
Amazon-Mitarbeiter haben einen Slack-Kanal für Memes, in dem sie das fehlerhafte KI-Codierungstool des Unternehmens verspotten, seine Ausgabe als 'Schrott' bezeichnen und über gescheiterte KI-Motivationsbemühungen witzen.

2026 LLM-API-Kostenvergleich: Self-Hosting vs. Cloud-Anbieter
Ein Reddit-Nutzer verglich die LLM-API-Kosten für 1 Mio. Token/Tag bei 11 Anbietern und zeigte, dass Self-Hosting mit vLLM etwa 0,05 $ pro 1 Mio. Token kostet, während GPT-4o 5 $/15 $ für Input-/Output-Token verlangt.

Claude Artifacts API-Nutzung zählt gegen Chat-Kontingent, nicht gegen API-Abrechnung
Die Verwendung von Claude-Artefakten innerhalb von Claude führt zu normalen API-Aufrufen, die von Anthropic abgefangen und über die angemeldete Sitzung authentifiziert werden. Diese zählen gegen das Chat-Kontingent eines Plans und nicht gegen die API-Abrechnung. Nutzer können dies überprüfen, indem sie Artefakte testen und prüfen, dass die API-Nutzung in der Claude-Konsole bei null bleibt.

Kimi K2.7-Code: Open-Source Codierungsmodell mit besserer Token-Effizienz
Moonshot AI hat Kimi K2.7-Code veröffentlicht, ein Open-Source-Bild-Text-zu-Text-Modell mit verbesserter Token-Effizienz für Programmieraufgaben. Verfügbar auf Hugging Face mit 334 Likes und Novita-Inferenzunterstützung.