Fel-Vermutung

Fel-Vermutung

Die Fel-Vermutung ist eine unbewiesene Behauptung, die in Diskussionen über KI und Mathematik auftaucht. Zu diesem Namen liegen jedoch keine gesicherten Angaben vor, weshalb dieser Eintrag vor allem erklärt, was eine Vermutung überhaupt ist und wie man mit unklaren Fachbegriffen umgeht.

Zum Begriff „Fel-Vermutung“ gibt es keine gesicherte Quelle. Weder in der Mathematik noch in der KI-Forschung lässt sich eine anerkannte Aussage dieses Namens belegen. Möglich ist, dass es sich um einen Tippfehler, eine sehr spezielle Randnotiz oder einen frei erfundenen Namen handelt. Deshalb erklärt dieser Eintrag ehrlich das, was sich erklären lässt: was eine Vermutung in der Wissenschaft überhaupt ist. Und warum ein KI-System bei solchen Namen besonders leicht danebenliegt. Wer den Begriff in einem konkreten Text gefunden hat, sollte dort nach einer Quellenangabe suchen.

Behauptung ohne Beweis: was eine Vermutung ausmacht

Eine Vermutung ist in der Mathematik eine präzise formulierte Aussage, die noch niemand bewiesen hat. Sie ist mehr als ein Bauchgefühl. Meist steckt dahinter jahrelange Beobachtung: Jemand prüft tausende Beispiele, und die Aussage stimmt jedes Mal. Trotzdem zählt das nicht als Beweis. Ein Beweis muss zeigen, dass die Aussage für alle Fälle gilt, auch für die, die niemand geprüft hat.

Berühmte Beispiele sind die Goldbachsche Vermutung und die Collatz-Vermutung. Beide sind einfach zu verstehen und seit Jahrzehnten ungelöst. Computer haben sie für riesige Zahlenbereiche bestätigt. Ein Gegenbeispiel könnte aber jenseits dieser Bereiche liegen. Genau deshalb bleiben sie Vermutungen und werden nicht zu Sätzen.

Diese Unterscheidung ist auch für KI relevant. Sprachmodelle, also Programme, die Texte Wort für Wort fortsetzen, kennen den Unterschied zwischen „bewiesen“ und „behauptet“ nicht von selbst. Sie geben beides im gleichen selbstsicheren Ton wieder. Wer mit ihnen arbeitet, muss diese Unterscheidung selbst mitbringen.

Warum Sprachmodelle solche Namen erfinden

Ein Sprachmodell sagt voraus, welches Wort als Nächstes passt. Es hat gelernt, dass nach einem Eigennamen und einem Bindestrich oft „Vermutung“ oder „Theorem“ folgt. Dieses Muster kann es anwenden, ohne dass es die gemeinte Sache je gesehen hat. Das Ergebnis klingt korrekt, meint aber nichts. Fachleute nennen das Halluzination: eine erfundene Angabe im Ton einer echten.

Besonders anfällig sind seltene Eigennamen. Bei der Goldbachschen Vermutung gibt es tausende Texte, aus denen ein Modell gelernt hat. Bei einem Namen, der kaum vorkommt, fehlt diese Grundlage. Das Modell füllt die Lücke dann mit plausibel klingendem Text. Ein häufiger Irrtum ist, dass ein Modell in solchen Fällen „weiß nicht“ sagt. Von sich aus tut es das selten.

Eine Abgrenzung hilft: Ein Suchsystem findet entweder etwas oder nichts. Ein Sprachmodell antwortet immer. Deshalb ersetzt es keine Recherche, sondern verlangt eine.

Was zu tun ist, wenn ein Begriff nirgends auftaucht

Solche Fälle begegnen einem öfter, als man denkt. In Hausarbeiten tauchen erfundene Literaturangaben auf. In Nachrichtentexten stehen Studien, die es nicht gibt. Auch vor Gericht sind schon Anwälte aufgefallen, die frei erfundene Urteile zitiert hatten. Der gemeinsame Nenner: Jemand hat eine KI-Antwort ungeprüft übernommen.

Der praktische Weg ist einfach. Man sucht den Begriff wörtlich in einer Suchmaschine, in Wikipedia und in Fachdatenbanken. Für Mathematik eignen sich arXiv oder die Enzyklopädie der Zahlenfolgen OEIS. Findet man dort nichts, ist der Begriff mit hoher Wahrscheinlichkeit nicht etabliert. Dann sollte man ihn nicht verwenden, ohne das offen zu kennzeichnen.

Falls die „Fel-Vermutung“ aus einem bestimmten Buch, Paper oder Kursskript stammt, hilft nur die Originalstelle weiter. Dort steht, wer den Namen geprägt hat und was genau behauptet wird. Ohne diese Quelle bleibt der Begriff leer. Das einzugestehen ist wissenschaftlich korrekter, als eine glaubwürdig klingende Erklärung nachzuliefern.

Subscribe free. Unsubscribe the second it sucks.

High-signal news across AI, business, UX, and tech. Every morning.