Der renommierte Mathematiker Terence Tao hat auf eine Verschiebung in der Mathematik hingewiesen, von einer Ära der "Beweis-Knappheit" hin zu einem "Beweis-Überschuss" aufgrund der Fortschritte in der KI. Große Sprachmodelle (LLMs) erzeugen schnell Beweise, während Werkzeuge wie Lean die Verifikation automatisieren. Allerdings hinkt die menschliche Fähigkeit, diese Beweise zu verstehen, hinterher, was eine "Impedanzanpassung" schafft. Tao nutzte das Erdős-Problem als Beispiel, bei dem ein Student in 80 Minuten mit ChatGPT einen Beweis erstellte, während Tao 24 Stunden benötigte, um ihn zu überprüfen und zu verstehen, wobei er dabei neue Verbindungen entdeckte. Tao prognostiziert, dass akademische Bewertungssysteme umstrukturiert werden müssen, da das Verstehen und nicht das Erzeugen von Beweisen zur knappen Ressource wird. Er betont, dass die Zukunft der Mathematik sich auf die Fähigkeit konzentrieren wird, die richtigen Probleme auszuwählen, Ergebnisse zu verifizieren und zu verarbeiten, anstatt nur Beweise zu produzieren. Diese Verschiebung wird voraussichtlich auch andere beweisbasierte Disziplinen wie theoretische Physik und Kryptographie beeinflussen, da KI weiterhin die Landschaft der mathematischen Forschung verändert.