Mathematik-Professorin Sophie Langer: Künstliche Intelligenz entschlüsseln!

Bochum, Deutschland - Die Welt der Künstlichen Intelligenz (KI) erlebt durch den Fortschritt in der Mathematik bedeutende Veränderungen. Sophie Langer, seit April 2025 Professorin für mathematische Statistik an der Ruhr-Universität Bochum, widmet sich intensiv der Erforschung von neuronalen Netzen, einer Technologie, die zunehmend im Zentrum der KI-Entwicklung steht. Langer betont, dass neuronale Netze, die selbstständig aus umfangreichen Daten lernen, häufig als „Blackbox“ wahrgenommen werden; die zugrunde liegenden Lernprozesse sind oftmals unverständlich. Ihr Ziel ist es, vereinfachte Modelle zu entwickeln, die die Funktionsweise dieser Netze erklärbar machen. Diese „Mammutaufgabe“ zeigt die klaffende Lücke zwischen theoretischer Mathematik und der praktischen Anwendung in der KI auf. Ruhr-Universität Bochum berichtet über die Herausforderungen, die Langer in ihrer Forschung begegnen, und ihren Wunsch, als Vorbild für junge Frauen in der Mathematik zu agieren.

Die Anfänge neuronaler Netze reichen über 70 Jahre zurück, als sie erstmals als Methode zur Erforschung der Funktionsweise des menschlichen Gehirns entworfen wurden. Seither haben sich die Anwendungen dieser Technologie erheblich erweitert und finden sich in der automatischen Übersetzung, Gesichtserkennung sowie in Spielen wie Go und Schach. Trotz ihrer Erfolge haben neuronale Netze Schwierigkeiten, präzise mathematische Aufgaben zu lösen, insbesondere bei symbolischen Mathematikproblemen wie Integralen und Differenzialgleichungen. Spektrum beschreibt eine neuere Methode von Facebook-Forschern Guillaume Lample und François Charton, die neuronale Netze für die Lösung dieser mathematischen Herausforderungen heranziehen, indem sie mathematische Probleme in ein für Maschinen verständliches Format umwandeln. Dies ermöglicht es den Netzen, Lösungen zu finden, die andere Mathematiksoftware überfordern würden.

Die Bedeutung der mathematischen Theorie

Während Sophie Langer an der Vorbereitung von neuronalen Netzen auf dem theoretischen Level arbeitet, zeigt die Forschung von Lample und Charton, dass auch auf praktischer Ebene bedeutende Fortschritte gemacht werden. Ihre Methode hat es geschafft, mit 5000 Testgleichungen die Mehrheit der Probleme korrekt zu lösen, insbesondere bei Integralen, und das in weniger als einer Sekunde. Sie übertraf in Geschwindigkeit und Genauigkeit herkömmliche Mathematikprogramme und zeigt, wie neuronale Netze das Potenzial haben, die Mathematik voranzubringen.

Dennoch gibt es kritische Stimmen. Fachleute weisen darauf hin, dass neuronale Netze nicht alle Funktionsarten umfassend getestet haben und dass sie keine echte mathematische Kognition besitzen. Das Verständnis, wie diese Netzwerke tatsächlich funktionieren, offenbart sich als eine komplexe Herausforderung. Langer selbst bemerkt, dass die wissenschaftliche Gemeinschaft noch vor der Aufgabe steht, die Mechanismen neuronaler Netze besser zu verstehen. Mit ihrem Engagement will sie nicht nur die Theorie fortentwickeln, sondern auch andere Frauen ermutigen, sich ohne Vorbehalte mit Mathematik auseinanderzusetzen und aktiv in der Wissenschaft mitzuwirken.

Zukunft von Künstlicher Intelligenz und Mathematik

Die Entwicklung und Optimierung neuronaler Netze sind daher nicht nur eine wissenschaftliche Herausforderung, sondern auch eine gesellschaftliche. Sophie Langer fordert eine stärkere Beteiligung von Frauen in mathematischen Disziplinen und möchte Vorurteile überwinden, die oft dazu führen, dass die Beiträge von Wissenschaftlerinnen nicht die gleiche Anerkennung finden wie die ihrer männlichen Kollegen. Ihr persönlicher Werdegang, vom Studium über die Promotion bis hin zu ihrer Professur, steht beispielhaft für den Aufstieg einer Frau in einem von Männern dominierten Bereich.

Die Verknüpfung zwischen Mathematik und KI wird in Zukunft weiter an Bedeutung gewinnen. Innovative Ansätze, wie sie von den Forschern bei Facebook verfolgt werden, könnten sogar zur automatischen Entwicklung neuer Theoreme führen, was das Zusammenspiel von Mathematik und Künstlicher Intelligenz nachhaltig verändern könnte. Die Fragen, wie neuronale Netze diese Herausforderungen bewältigen und welche Rolle sie in der mathematischen Forschung spielen werden, bleiben jedoch spannend und bieten viel Raum für zukünftige Entwicklungen.