Kunstmatige intelligentie laat steeds vaker zien dat zij niet alleen bestaande kennis kan samenvatten, maar ook kan helpen bij het oplossen van ingewikkelde wetenschappelijke vraagstukken. Een opvallende ontwikkeling uit Nederland betreft een wiskundig vermoeden uit 1965 waarvoor met behulp van AI een aanzienlijk korter bewijs zou zijn gevonden.

Volgens berichtgeving van ondernaimers.nl op 21 oktober 2026 werkte een gepensioneerde wiskundige van de Technische Universiteit Eindhoven met AI aan een probleem waarvan het oorspronkelijke bewijs ongeveer 150 pagina’s en meer dan 100.000 regels code besloeg. De nieuwe aanpak zou het bewijs hebben teruggebracht tot minder dan dertig pagina’s en ongeveer 35.000 regels.

Het resultaat illustreert hoe AI-systemen onderzoekers kunnen helpen bij formele wiskunde, waar een redenering niet alleen aannemelijk moet klinken, maar stap voor stap moet kloppen.

Wat maakt een wiskundig bewijs bijzonder?

In de wiskunde is een vermoeden een uitspraak waarvan wordt vermoed dat deze waar is, maar die nog formeel bewezen moet worden.

Een bewijs moet laten zien dat de conclusie logisch volgt uit de uitgangspunten. Dat kan bij complexe problemen bijzonder veel werk vergen. Onderzoekers moeten soms grote aantallen tussenstappen controleren en gebruikmaken van gespecialiseerde software om de redenering formeel vast te leggen.

Wanneer een bewijs zeer lang is, wordt het moeilijker om het volledig te begrijpen, te onderhouden en onafhankelijk te controleren.

Een korter bewijs kan daarom wetenschappelijk waardevol zijn. Het kan de kern van een redenering duidelijker maken en het voor andere onderzoekers eenvoudiger maken om de resultaten te bestuderen.

Dat betekent niet dat een korter bewijs automatisch beter of correcter is. De geldigheid van de redenering blijft doorslaggevend.

Welke rol speelt AI?

AI-systemen kunnen onderzoekers ondersteunen bij het verkennen van mogelijke oplossingsroutes, het voorstellen van tussenstappen en het vertalen van wiskundige ideeën naar formele notatie.

Bij formele wiskunde is er bovendien een belangrijk verschil met gewone tekstgeneratie. Een taalmodel kan een overtuigend ogende formule of redenering produceren die toch onjuist is. Daarom worden gespecialiseerde systemen gebruikt om formele stappen te controleren.

Een AI-systeem kan bijvoorbeeld een mogelijke redenering voorstellen, waarna een formele bewijsassistent controleert of de gebruikte regels geldig zijn. Als een stap niet klopt, moet deze worden aangepast of vervangen.

Die combinatie van patroonherkenning en formele verificatie is een van de interessantste ontwikkelingen in AI-ondersteund onderzoek.

Waarom een korter bewijs ertoe doet

Een verkorting van ongeveer 150 naar minder dan dertig pagina’s kan de toegankelijkheid van een wiskundig resultaat aanzienlijk verbeteren, mits de inhoud en de formele onderbouwing behouden blijven.

Kortere bewijzen kunnen helpen om verborgen structuren in een probleem zichtbaar te maken. Ze kunnen ook een vertrekpunt bieden voor nieuwe resultaten, omdat andere onderzoekers sneller kunnen vaststellen welke onderdelen van een redenering verder kunnen worden ontwikkeld.

Ook in de informatica zijn formele bewijzen belangrijk. Ze worden gebruikt om eigenschappen van algoritmen, programmeertalen en beveiligingssystemen te onderbouwen.

AI die kan helpen bij het vinden en controleren van zulke bewijzen, zou daarom op termijn relevant kunnen worden voor uiteenlopende wetenschappelijke disciplines.

Waarom menselijke controle noodzakelijk blijft

Ondanks de mogelijkheden blijft onafhankelijke verificatie essentieel. Onderzoekers moeten vaststellen dat de nieuwe redenering daadwerkelijk het oorspronkelijke probleem oplost, dat alle aannames correct worden toegepast en dat er geen stappen ontbreken.

Bij een groot formeel bewijs kan software helpen om afzonderlijke beweringen te controleren. Toch moeten wetenschappers ook begrijpen wat er precies wordt bewezen en onder welke voorwaarden de conclusie geldt.

Het is daarom belangrijk om onderscheid te maken tussen een AI-systeem dat een mogelijke oplossing genereert en een systeem dat een volledig bewijs formeel heeft geverifieerd.

Voor publicatie in de wetenschappelijke literatuur zijn transparantie, reproduceerbaarheid en onafhankelijke beoordeling belangrijke onderdelen van het proces.

Wat betekent dit voor Nederlandse wetenschap?

Nederlandse universiteiten en onderzoeksinstellingen kunnen profiteren van AI-systemen die wetenschappelijk werk ondersteunen. Naast wiskunde zijn er toepassingen in materiaalonderzoek, biologie, chemie en informatica.

De belangrijkste kansen liggen niet noodzakelijk in het vervangen van onderzoekers, maar in het versnellen van onderdelen van hun werk die veel tijd en aandacht vragen.

AI kan bijvoorbeeld helpen bij het verkennen van mogelijke hypotheses, het schrijven van ondersteunende code en het controleren van complexe redeneringen. Wetenschappers blijven nodig om de juiste vragen te formuleren, resultaten te interpreteren en de kwaliteit van het onderzoek te bewaken.

De ontwikkeling maakt ook duidelijk dat gespecialiseerde AI-toepassingen soms belangrijker kunnen zijn dan algemene chatbots. Een systeem dat een moeilijk bewijs betrouwbaar kan vinden of controleren, kan wetenschappelijk waardevol zijn zonder dat het alle mogelijke vragen kan beantwoorden.

Conclusie

De gemelde verkorting van een decenniaoud wiskundig bewijs laat zien hoe AI nieuwe mogelijkheden kan bieden voor formeel wetenschappelijk onderzoek. De technologie kan helpen om oplossingsroutes te vinden en complexe redeneringen efficiënter te maken.

De uiteindelijke waarde hangt echter af van de controleerbaarheid van het resultaat. Als onafhankelijke verificatie bevestigt dat het nieuwe bewijs correct is, kan de ontwikkeling een interessant voorbeeld worden van AI als hulpmiddel bij fundamenteel onderzoek.

Voor de Nederlandse wetenschap ligt hier een belangrijke kans: AI inzetten om moeilijk oplosbare problemen toegankelijker te maken, zonder de eisen aan nauwkeurigheid en bewijsvoering los te laten.