Waarom kunstmatige intelligentie de wiskunde nog niet heeft overgenomen
26 augustus 2026
Gebaseerd op berichtgeving van The Guardian → — vereenvoudigd & uitgelegd door VAIIYA.
Afgelopen maand kwamen circa veertig topwiskundigen besloten bijeen op het hoofdkantoor van OpenAI. Het doel van de bijeenkomst: praten over de toekomst van hun vakgebied in een tijdperk van razendsnelle technologische vooruitgang. Uit de sfeer rond de ontmoeting sprak een duidelijke bezorgdheid. Veel wetenschappers vrezen voor hun carrière en de toekomst van de wiskunde.
Volgens beveiligingstechnoloog Bruce Schneier en wiskundeprofessor Kasra Rafi is die paniek, in elk geval voor de korte termijn, voorbarig. Hoewel recente AI-modellen indrukwekkende resultaten behalen op het niveau van gepromoveerde onderzoekers, zijn de systemen nog lang niet in staat om ervaren academische wiskundigen te vervangen.
Verrassende doorbraken en slimme combinaties
De prestaties van topmodellen in 2026 zijn zonder meer opmerkelijk. OpenAI meldde eerder dat zijn nieuwste model het tachtig jaar oude unit distance conjecture uit de discrete geometrie weerlegde. Anthropic publiceerde resultaten op het gebied van cryptanalyse, en liet AI-model Claude een poging doen om de beroemde Riemann-hypothese te bewijzen.
Toch vallen deze successen volgens Schneier en Rafi hoofdzakelijk binnen twee categorieën. Enerzijds gaat het om het vinden van tegenvoorbeelden voor stellingen die mensen juist probeerden te bewijzen. Anderzijds betreft het de toepassing van bekende technieken uit het ene wiskundige domein op problemen in een ander domein.
Een AI heeft het voordeel dat het over een gigantisch werkgeheugen beschikt en verbanden kan leggen tussen vakgebieden die een menselijke expert niet snel zou combineren. Zo werd het unit distance conjecture ontkracht door inzichten uit de algebraïsche getaltheorie te gebruiken — een invalshoek waar menselijke specialisten simpelweg niet direct aan dachten.
Het gebrek aan conceptuele vernieuwing
Het leggen van onverwachte verbindingen en het doorzoeken van enorme rekenruimtes is een vorm van creativiteit. Het is vergelijkbaar met de manier waarop AI-systemen grootmeesters verslaan in Go of eiwitstructuren voorspellen. Maar het ontwikkelen van een echt nieuw conceptueel kader blijft vooralsnog buiten bereik.
Veel wiskundige vooruitgang komt voort uit het identificeren van de essentie van een vraagstuk en het opbouwen van een compleet nieuwe theorie om dat te begrijpen. Huidige AI-modellen zijn ijzersterk in het doorzoeken en hercombineren van bestaande kennis, maar zwak in het opbouwen van diepe, duurzame nieuwe concepten.
Schneier en Rafi benadrukken dat dit een fundamentele beperking is van de huidige generatie kunstmatige intelligentie. AI kan bestaande ideeën op een originele manier hergroeperen, maar het ontbreekt het systeem aan het vermogen tot echt nieuwe intellectuele structuren.
Of die grens standhoudt, is de vraag. Omdat veel wiskundige vaardigheden emergente eigenschappen zijn van alsmaar krachtigere modellen, verwachten de auteurs dat AI uiteindelijk ook deze vorm van creativiteit zal aanleren. Tot die tijd blijft het ontwikkelen van diepgaande nieuwe theorieën het exclusieve domein van de mens.