Ein künstliches Intelligenz-Modell hat aktuell bei einer Studie von 50 bislang unveröffentlichten Forschungsaufgaben in der theoretischen Physik deutlich mehr als die Hälfte erfolgreich gelöst. GPT-6-Astra, der führende KI-Agent im Test, erzielte eine Erfolgsquote von 98 Prozent – was bedeutet, dass es 49 von insgesamt 50 Problemen korrekt löste. Die Kosten für die gesamte Arbeit belaufen sich auf lediglich 116,28 Dollar, also durchschnittlich knapp 2,33 Dollar pro Aufgabe.
Bei der genauen Überprüfung stellten sich überraschende Fehler in den Berechnungen der Wissenschaftler heraus. Mehrere Lösungen, die zuerst als fehlerhaft angesehen wurden, waren tatsächlich mathematische Ungenauigkeiten der menschlichen Experten. Die KI war korrekt, während die Forscher ihre eigenen Ergebnisse anpassen mussten.
Die Studie „TheoPhysEval“, veröffentlicht am 9. Oktober, testete fünf verschiedene KI-Agenten in insgesamt elf Bereichen der theoretischen Physik. Die Aufgaben stammten von internationalen Spitzenforschern und waren vorher nicht öffentlich veröffentlich. Ein erfahrener Physiker benötigt bei typischen Problemen normalerweise weniger als einen Tag, während Spezialisten außerhalb ihrer Disziplin deutlich mehr Zeit benötigen.
Die KI-Agenten konnten wissenschaftliche Literatur durchsuchen und eigene mathematische Programme erstellen. Die Systeme mussten jedoch ohne menschliche Unterstützung arbeiten. GPT-6-Astra erreichte mit 98 % Erfolg, während Claude Opus 5.5 46 der 50 Aufgaben löste und Gemini 3.8 Flash 34. Ein einziger Fehler war bei den Tests zu beobachten.
Die Ergebnisse zeigen, wie weit KI bereits in die akademische Forschung vorgedrungen ist. Mit einem Preis von lediglich 2,33 Dollar pro Problem erweist sich das System als äußerst kosteneffizient. Die Studienautoren betonen, dass diese Technologie nicht nur hochkomplexe mathematische Aufgaben lösen kann, sondern auch Fehler in menschlichen Berechnungen entdecken.
Die wachsende Nutzung von KI hat erhebliche Auswirkungen auf die Forschung: Universitäten müssen ihre Ressourcen neu bewerten. Zudem verlieren teure Spezialarbeiten an Wert, wenn Maschinen hochkomplexe Probleme für wenige Dollar automatisieren können.
