Gedurende het grootste deel van de vorige eeuw veranderde de praktijk van de wiskunde opmerkelijk weinig. Een wiskundige merkt een patroon op, schrijft een vermoeden, besteedt maanden of jaren aan het construeren van een bewijs, en andere wiskundigen verifiëren het. Volgens een diepgaand rapport van Benjamin Skuse in IEEE Spectrum begint kunstmatige intelligentie dit langzame, deliberatieve proces te omzeilen en dwingt het het veld om onder ogen te zien wat het eigenlijk betekent om een wiskundige te zijn.
Het stuk, gepubliceerd op 25 juni 2026, laat zien hoe snel grote taalmodellen zijn geëvolueerd van wat critici ooit afdeden als stochastische papegaaien tot echte wiskundige redeneermachines en wat die verschuiving betekent voor de mensen die dit werk altijd hebben gedaan. Voor meer context over dit verhaal, zie ons AI-trends.
De snel groeiende voetafdruk van AI in de wiskunde
Computertechnologie heeft de wiskunde al tientallen jaren versneld. Het keerpunt kwam ongeveer 50 jaar geleden, toen een computer werd gebruikt om de vierkleurenstelling te bewijzen, die vraagt of een kaart kan worden gekleurd met niet meer dan vier kleuren, zodat geen aangrenzende gebieden een kleur delen. Het antwoord was ja, maar het bewijs was controversieel omdat het berustte op het controleren van 1.936 gevallen die geen mens realistisch gezien met de hand kon verifiëren.
Zelfs gedurende dat computationele tijdperk bleef de menselijke wiskundige centraal staan, door vermoedens voor te stellen, strategieën te bedenken en resultaten te verifiëren. AI daagt die regeling nu rechtstreeks uit. Afgelopen zomer bereikten systemen van Google DeepMind en OpenAI een niveau dat gelijkwaardig is aan dat van 's werelds meest wiskundig begaafde middelbare scholieren, en behaalden ze de gouden medaillestatus op de Internationale Wiskunde Olympiade (IMO), de jaarlijkse wedstrijd waarbij deelnemers zes notoir moeilijke problemen moeten oplossen.
De mijlpalen zijn steeds sneller gegaan. Eerder in 2026 produceerde het experimentele systeem Aletheia van Google DeepMind autonoom publiceerbare onderzoeksresultaten op PhD-niveau. Hoewel het werk zelf wiskundig gezien onduidelijk is en structuurconstanten in de rekenkundige meetkunde berekent, ligt de betekenis ervan in de complexe redenering die nodig is om een voorheen onopgelost probleem aan te pakken. Meer recentelijk weerlegde een nieuw AI-systeem voor algemene doeleinden van OpenAI een belangrijk vermoeden in de combinatorische meetkunde, een resultaat dat door topwiskundigen werd geprezen als een mijlpaal voor het vakgebied en dat de moeite waard zou zijn geweest om in een groot tijdschrift te publiceren.
Bewijsassistenten en het formaliseringsknelpunt
Een tweede verschuiving is het gevolg van het koppelen van grote taalmodellen aan proefassistenten. Systemen als Isabelle, Lean en Rocq zijn gespecialiseerde programmeertalen die wiskundige bewijzen stap voor stap controleren en hun logische juistheid verifiëren. Al meer dan tien jaar is het knelpunt de formalisering, het moeizame proces van het handmatig vertalen van stellingen en bewijzen in machinaal leesbare code.
LLM's beginnen dat knelpunt weg te nemen door de vertaling van informele bewijzen naar formele code te automatiseren die bewijsassistenten kunnen verifiëren. In februari gebruikte het AI-bedrijf Math, Inc. zijn redeneringsagent, Gauss genaamd, om het werk te formaliseren dat Maryna Viazovska van EPFL in 2022 een Fields-medaille opleverde. Gauss hielp eerst menselijke wiskundigen om de formalisering van Viazovska's oplossing voor het 8-dimensionale bolverpakkingsprobleem in een kwestie van dagen te voltooien, en formaliseerde vervolgens autonoom het meer gecompliceerde 24-dimensionale geval in slechts twee weken.
Dergelijke prestaties suggereren dat AI al taken uitvoert die lang als uniek menselijk werden beschouwd, en dat een groot deel van het dagelijkse werk van een wiskundige binnenkort een eerlijk spel voor automatisering zou kunnen zijn.
Wiskundigen debatteren over de vraag of ze 'priesters van orakels' worden
Skuse rapporteert vanuit het 12e Heidelberg Laureate Forum in september 2025 en beschrijft tastbaar ongemak in het publiek toen sprekers een toekomst beschreven waarin bovenmenselijke AI-systemen vermoedens vormen, oplossingsruimten zoeken, stellingen bewijzen, bewijzen verifiëren en resultaten generaliseren zonder menselijke tussenkomst.
Yang-Hui He van het London Institute for Mathematical Sciences waarschuwde op gedenkwaardige wijze dat menselijke wiskundigen “priesters van orakels” zouden kunnen worden. Jessica Randall, een wiskundige voor Google Developer Groups, zei dat ze de collectieve existentiële angst voelde toenemen onder jonge onderzoekers. "We zijn ons zeker gaan realiseren dat AI het potentieel heeft om ons te vervangen", vertelde ze aan IEEE Spectrum.
Niet iedereen is gealarmeerd. Sommige gevestigde wiskundigen willen eenvoudigweg antwoorden op de grootste open vragen, zoals de zes resterende Millenniumprijsproblemen, ongeacht wie of wat deze veroorzaakt. "Veel wiskundigen zijn pragmatisch en willen het alleen maar begrijpen", merkte Jeremy Avigad van de Carnegie Mellon Universiteit op. "Ze zouden hun ziel verkopen voor de oplossing van een probleem."
Drie concurrerende visies voor de toekomst
Het IEEE Spectrum-rapport identificeert drie brede visies op de manier waarop wiskunde en AI naast elkaar zouden kunnen bestaan.
De eerste is een mensgerichte visie die prioriteit geeft aan menselijk begrip en AI als een hulpmiddel behandelt, net als een rekenmachine. Fields-medaillewinnaar en Princeton-wiskundige Akshay Venkatesh stelt dat wiskunde in wezen een manier is om tot overeenstemming te komen. "Soms denk ik dat wanneer we cijfers gebruiken, het niet zozeer is dat we verschijnselen beschrijven die intrinsiek numeriek zijn, maar dat we het er allemaal over eens kunnen zijn wat de cijfers precies betekenen," zei hij.
De tweede benadrukt de onherleidbaar menselijke ervaring van strijd. Maia Fraser van de Universiteit van Ottawa stelt dat een AI-bewijs van een hardnekkig vermoeden alleen nuttig is als het voor mensen begrijpelijk is. "Dat de verklaring door AI kan worden bewezen, is al nuttige informatie", gaf ze toe. "Maar dan is het nog steeds een open probleem om met een elegant, mooi menselijk bewijs te komen."
De derde, en misschien wel de meest ambitieuze, komt van Terence Tao van de UCLA, die op tienjarige leeftijd voor het eerst deelnam aan de wiskundeolympiade en nu een van de meest onderscheiden wiskundigen ter wereld is. Tao ziet AI als de katalysator voor wat hij ‘grote wiskunde’ noemt, een toekomst van grootschalige, gedecentraliseerde samenwerking tussen mens en machine waarin complexe problemen in stukken worden verdeeld, waarbij mensen het creatieve werk opeisen en AI het technische werk op zich neemt.
Een discipline die vraagt waarom het bestaat
Wat dit moment ongebruikelijk maakt, is dat het debat niet langer hypothetisch is. AI-systemen verdienen al gouden medailles van de IMO, produceren publiceerbaar onderzoek, weerleggen vermoedens en formaliseren de Fields Medal-winnende bewijzen in dagen in plaats van jaren.
Voor studenten als Trill White van de Australische Deakin Universiteit, die het Heidelberg-forum bezochten, kwam het besef hard aan. 'Dat is verwoestend,' herinnerde White zich dat hij dacht. "Wat zullen mensen moeten bijdragen aan de wiskunde? Zal het iets worden dat niemand begrijpt?"
Het antwoord staat nog niet vast. Maar zoals de rapportage van Skuse duidelijk maakt, wordt de wiskunde, een van de oudste intellectuele disciplines van de mensheid, nu geconfronteerd met dezelfde vraag die vrijwel elk vakgebied dat AI aanraakt hervormt: wanneer een machine het werk kan doen, waar is dat werk dan eigenlijk voor bedoeld?
Bron: Benjamin Skuse, "What It Means to Be a Mathematician When AI Does the Math", IEEE Spectrum, 25 juni 2026.---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
