Uit een veldrapport van OpenAI en academische medewerkers is gebleken dat AI-codeermiddelen de modernisering van verouderende wetenschappelijke software dramatisch kunnen versnellen, tools in snellere talen kunnen herschrijven en de runtimes met ordes van grootte kunnen verkorten. Het addertje onder het gras: dezelfde agenten kunnen niet op betrouwbare wijze beoordelen of hun werk wetenschappelijk correct is, en presenteren vaak vol vertrouwen code met fouten.

Het rapport, gepubliceerd op 1 augustus 2026 en gedocumenteerd door The Decoder, onderzocht acht casestudies – voornamelijk in de biologie – waarin onderzoeksgroepen codeermiddelen zoals Codex en Claude Code gebruikten om kritieke software te redden, optimaliseren en herschrijven. Voor voortdurende rapportage over de tools die de wetenschap en de industrie een nieuwe vorm geven, volgt u ons [laatste AI-nieuws] (https://aibuzzwire.news).

Een stille crisis in wetenschappelijke software

Veel van de software die modern onderzoek ondersteunt, begon als ondersteunende code voor één enkel artikel. Kleine academische teams bouwden deze tools zonder de middelen voor goed testen, onderhoud of optimalisatie. Het resultaat is een fragiele basis: programma's die cruciaal blijven voor hele vakgebieden, maar voortdurend gerepareerd moeten worden. Het OpenAI-veldrapport suggereert dat AI-codeermiddelen kunnen helpen deze al lang bestaande kloof te dichten.

De projecten varieerden van routineonderhoud tot volledige herschrijvingen in moderne programmeertalen, en verschillende leverden opvallende prestatieverbeteringen op.

STAR opnieuw opbouwen in Rust

Een van de ambitieuzere projecten, rustar-aligner, werd STAR helemaal opnieuw opgebouwd in Rust. STAR is een veelgebruikt hulpmiddel dat sequencing-gegevens van cellen in kaart brengt naar hun overeenkomstige locaties in een genoom. Het oorspronkelijke programma bevat meer dan 20.000 regels C en C++ en wordt niet langer actief onderhouden, ook al blijft het ingebed in veel onderzoekspijplijnen.

Om de herschrijving te verifiëren, testte het team beide tools op 10.000 korte sequencing-lezingen van gistcellen. Voor single-end lezingen produceerde rustar-aligner in 99,815 procent van de gevallen hetzelfde resultaat als STAR. Voor gepaarde leesbewerkingen was het overeenstemmingspercentage 99,883 procent. De vergelijking strekte zich verder uit dan de in kaart gebrachte locaties en omvatte verschillende andere sleutelvelden die beide programma's voor elke lezing produceren, en geen van beide tools bracht lezingen in kaart die de andere niet in kaart kon brengen.

Een 60-voudige versnelling

RustQC zorgde voor de grootste versnelling door 15 afzonderlijke kwaliteitscontroletools in één programma te combineren. Op een grote dataset kelderde de runtime van 15 uur en 34 minuten naar slechts 14 minuten en 54 seconden – een versnelling van meer dan 60 keer.

Een ander project, HelixForge, verving een tool voor het genereren van synthetische genomische gegevens door een GPU-versnelde versie. In een test met gegevens van één donor en een gedeelte van het genoom van tien miljoen basenparen voltooide HelixForge de volledige pijplijn 59,6 keer sneller dan de oorspronkelijke BamSurgeon, waarbij de belangrijkste rekenstap alleen al 98,6 keer sneller liep.

In een meer conventionele modernisering verving GPT-5.5 het verouderde bouw- en installatieproces van cyvcf2, een Python-bibliotheek voor het lezen van genetische gegevens. Bij de meer betrokken MHCflurry-migratie wisselden Claude Code en Codex de rol van ontwikkelaar en recensent af, terwijl ze ongeveer 10.000 regels code van TensorFlow naar PyTorch porteerden. MHCflurry is een immunologiemodel dat voorspelt welke doelwitten immuuncellen zullen herkennen.

'Vol vertrouwen fout'

De hoofdbevinding was echter ontnuchterend. In de casestudy's voltooiden agenten goed gedefinieerde taken snel, maar konden ze niet op betrouwbare wijze beoordelen of hun werk wetenschappelijk correct was. Zelfs als hun code fouten bevatte, presenteerden de systemen deze vaak met het volste vertrouwen.

Brent Pedersen, de ontwikkelaar van cyvcf2, vatte de spanning samen in het rapport: "Met codeermiddelen is het vrij eenvoudig om snel te gaan; voorlopig is er, om ver te komen in de wetenschap, nog steeds behoefte aan deskundige begeleiding, begrip, smaak en zorg."

Philip Ewels, die het RustQC-project leidde, was botter. Hij beschreef de agenten als "welsprekend, overtuigend en zelfverzekerd fout op een manier die gemakkelijk over het hoofd te zien is." Ewels liet de modellen nooit de nauwkeurigheid van hun eigen werk beoordelen, maar bouwde in plaats daarvan een onafhankelijk testharnas om hun fouten op te sporen.

Fouten die zich in het volle zicht verbergen

De casestudy van bayesm illustreerde hoe moeilijk het kan zijn om deze fouten op te sporen. De Rust-herschrijving verliep tussen de twee en twintig keer sneller dan het origineel, maar de eerste versies van twee geavanceerde methoden bevatten subtiele gebreken. In één geval heeft de agent een belangrijke controleparameter omgekeerd, waardoor het programma het omgekeerde van de beoogde waarden gebruikte. Een afzonderlijke bug beïnvloedde de berekening zelf. Onderzoekers ontdekten beide problemen pas nadat ze een gedetailleerde kalibratietest hadden uitgevoerd op duizenden synthetische datasets met bekende resultaten.

De aflevering onderstreept een structurele verschuiving in de manier waarop wetenschappers naast AI kunnen werken: in plaats van zelf code te schrijven, wordt hun centrale taak het rigoureus verifiëren van de resultaten – een rol die diepgaande domeinexpertise vereist die de agenten zelf niet kunnen leveren.

Wat het betekent voor de wetenschap

De bevindingen komen neer op een moment van intens debat over de vraag hoeveel autonomie AI-systemen moeten krijgen in domeinen waar veel op het spel staat. De versnellingen zijn echt transformerend: een 60-voudige verkorting van de looptijd kan van een nachtelijke klus een koffiepauze maken. Maar de belangrijkste bijdrage van het rapport is misschien wel de eerlijkheid over de grenzen. Agenten die snel, vloeiend en overtuigend zijn, maar toch niet in staat zijn de wetenschappelijke validiteit zelf te beoordelen, zijn alleen een krachtig hulpmiddel in de handen van experts die precies weten wat ze moeten controleren.

Voor de betrokken onderzoekers is de les duidelijk: AI kan de steigers van de wetenschap met opmerkelijke snelheid herbouwen, maar het menselijk oordeel blijft belastend.

Blijf AI een stap voor

Van doorbraken in onderzoek tot implementaties in ondernemingen: het tempo van de veranderingen is meedogenloos. Voeg AI Buzz Wire toe voor voortdurende, op feiten gecontroleerde berichtgeving over hoe kunstmatige intelligentie de wetenschap, het bedrijfsleven en de samenleving hervormt.

Lees meer AI-onderzoeksnieuws →