AI kraakt de wiskunde: tien open problemen in één klap

Kunstmatige intelligentie · Wiskunde · Onderzoek AI kraakt de wiskunde: tien open problemen in één klap Een experimenteel model van OpenAI zou tien onopgeloste wiskundeproblemen hebben gekraakt, compleet met bewijzen die een computer kan controleren. Doorbraak of slim gekozen huiswerk? Afbeelding: Manuelzapata04 via Wikimedia Commons, CC BY-SA 4.0 Wiskunde gold lang als het laatste bastion waar mensen het slimmer deden dan machines. Rekenen kon een computer altijd al, maar een écht open probleem oplossen, iets waar hoogleraren jaren op stukliepen, dat was andere koek. Begin deze maand kantelde dat beeld. Op 1 augustus 2026 maakte OpenAI bekend dat een interne versie van Astra, de opvolger in zijn modellenfamilie, tien tot dan toe onopgeloste problemen had gekraakt in de wiskunde en de theoretische informatica. Wat de aankondiging bijzonder maakt, is niet alleen dat het lukte, maar hoe. Het model schreef zijn oplossingen niet in gewoon proza, maar in Lean, een bewijstaal die een computer regel voor regel kan narekenen. De formele bewijzen zijn op GitHub gepubliceerd, zodat iedereen ze kan controleren. En dat alles voor een rekenrekening van ongeveer 2.000 dollar, een fractie van wat je aan mankracht kwijt zou zijn. 10open problemen opgelost ~$2.000rekenkosten per oplossing 1 aug2026, dag van de aankondiging Wat er precies is opgelost Twee resultaten springen eruit. Het eerste is een constructie die het bestaan van niet-sofische groepen aantoont, een centrale open vraag in de groepentheorie waar wiskundigen al jaren omheen dansen. Het tweede levert nieuwe grenzen voor sphere packing op, het klassieke vraagstuk hoe je bollen zo dicht mogelijk opeenstapelt. Dat laatste klinkt abstract, maar dezelfde wiskunde duikt op in foutcorrectie, datacompressie en de manier waarop signalen betrouwbaar over een ruizig kanaal reizen. De overige acht oplossingen liggen verspreid over de wiskunde en de theoretische informatica. Belangrijker dan het aantal is de aard ervan: dit zijn geen sommen met één juist antwoord, maar problemen waarbij je een geldige redenering moet opbouwen die elke stap verantwoordt. Waarom Lean het verschil maakt Eerdere claims over AI en wiskunde stuitten steevast op hetzelfde probleem: taalmodellen klinken overtuigend, ook als ze onzin uitkramen. Een bewijs dat er goed uitziet, hoeft nog niet te kloppen. Precies daar zit de winst van deze aanpak. Door in Lean te werken, wordt elk bewijs een keten van logische stappen die een bewijsverificator onverbiddelijk narekent. Zit er ergens een gat in de redenering, dan weigert de machine mee te gaan. Menselijke goedgelovigheid speelt geen rol meer. Van vraag naar controleerbaar bewijs Open probleem nog onbewezen Model redeneert Astra bouwt stappen Bewijs in Lean formele code Verificatie computer rekent na Dat maakt het resultaat lastiger weg te wuiven dan de zoveelste demo. Waar een tekstueel "bewijs" nog eindeloos discussie oplevert, is een Lean-bestand ofwel geldig, ofwel niet. Vandaar dat de publicatie op GitHub belangrijker is dan de aankondiging zelf: het bewijsmateriaal ligt open op tafel. Wat de vakwereld ervan vindt De reacties uit de wiskundige gemeenschap waren opvallend serieus. Fields-medaillewinnaar Timothy Gowers, een van de meest gezaghebbende stemmen in het vak, liet weten dat hij een van de gepubliceerde bewijzen zonder aarzelen zou aanbevelen voor een vooraanstaand tijdschrift. Dat is een fors compliment: het gaat niet om "knap voor een computer", maar om werk dat de toets van echte publicatie zou kunnen doorstaan. Een Fields-medaillewinnaar die zegt dat hij het werk van een AI zonder voorbehoud zou voordragen voor een toptijdschrift, is het soort uitspraak dat je een jaar geleden nog niet hoorde. Reactie uit de wiskundige gemeenschap, augustus 2026 De kanttekeningen die je erbij moet lezen Voordat we het einde van de menselijke wiskundige uitroepen: er zitten flinke mitsen aan. Ten eerste is Astra niet uitgebracht. Wat OpenAI toonde, is een interne versie, en het bedrijf heeft er belang bij om zijn beste beentje voor te zetten. Ten tweede merken analisten op dat de gekozen problemen precies in het straatje liggen waar AI van nature sterk is: taken die je in kleine, controleerbare stappen kunt hakken en waar een verificator meteen zegt of het klopt. Ten derde loopt de onafhankelijke controle nog. De Lean-bewijzen zijn publiek, maar de bredere claim, dat het echt om tien wezenlijk open problemen ging en niet om bekende resultaten in een nieuw jasje, wordt door vakgenoten nog tegen het licht gehouden. Een computer die het bewijs narekent, garandeert dat de logica sluitend is, maar niet dat het probleem ook zo belangrijk of nieuw is als geadverteerd. Nuance: een geverifieerd Lean-bewijs bewijst dat de redenering klopt, niet dat het probleem er wiskundig toe doet. Verificatie en betekenis zijn twee verschillende dingen, en alleen het eerste laat zich automatiseren. Waarom dit toch iets verandert Zelfs met alle voorbehouden verschuift er iets fundamenteels. De combinatie van een redenerend model en een formele bewijsverificator maakt van wiskunde een terrein waar machines niet alleen kunnen meedenken, maar ook hun eigen werk kunnen bewijzen. Dat opent de deur naar een werkwijze waarin een onderzoeker een vermoeden formuleert, het model duizend routes probeert, en alleen de bewijzen die de verificator overleven bij de mens terechtkomen. De wiskundige wordt dan meer redacteur en minder ploeteraar. De prijs onderstreept dat nog eens. Voor ongeveer tweeduizend dollar aan rekenkracht een resultaat produceren dat een Fields-medaillewinnaar serieus neemt, betekent dat dit soort experimenten binnen bereik komt van universiteiten en zelfs individuele onderzoekers. Niet als vervanging van menselijk inzicht, maar als een gereedschap dat het saaie, foutgevoelige deel van bewijzen overneemt. Of Astra straks houdt wat deze eerste aankondiging belooft, moet blijken zodra het model breder beschikbaar is en meer onafhankelijke ogen de bewijzen hebben nagelopen. Maar de richting is duidelijk: de vraag is niet langer óf AI aan echte wiskunde kan bijdragen, maar hoe we het werk dat eruit komt netjes tegen het licht houden. Voorlopig is de mens nog altijd degene die beslist welke vraag het waard is om te stellen. Bronnen BuildFastWithAI, "AI News Today, August 2, 2026" – buildfastwithai.com Tech Startups, "Top Tech News Today, August 3, 2026" – techstartups.com LLM Stats, "LLM News Today (August 2026)" – llm-stats.com/ai-news

AI kraakt de wiskunde: tien open problemen in één klap

Reacties 0

Meer tech artikelen

AI bouwt AI: Claude leidt nu een kwart van het onderzoek bij Anthropic

Switch 2 haalt de achterstand in: VRR komt eindelijk naar de tv

Apple vouwt open: de iPhone Duo en een lineup zonder instapmodel