De krantenkoppen suggereren de laatste tijd dat kunstmatige intelligentie de wiskunde definitief heeft gekraakt. Een artikel in The Wall Street Journal stelde dat AI nu de moeilijkste wiskundige uitdagingen aankan en zelfs risico’s voor de mensheid oplevert. Science meldde dat een doorbraak van OpenAI een existentiële crisis in het vakgebied heeft veroorzaakt. De wiskundige Daniel Litt van de University of Toronto schreef over het einde van de wiskunde. Dergelijke claims zorgen voor ongerustheid.
Het is gemakkelijk voor te stellen dat machines alle berekeningen overnemen, zodat studenten geen algebra meer hoeven te worstelen en experts geen bewijzen meer hoeven te leveren. OpenAI kondigde onlangs een oplossing aan voor het negentig jaar oude Navier-Stokes-probleem, een van de Millennium Prize Problems van het Clay Institute met een prijs van een miljoen dollar voor een geverifieerd antwoord. Het bedrijf publiceerde ook bewijzen voor honderden andere belangrijke openstaande vragen in de wiskunde.
Wiskunde zelf zal nooit aan belang inboeten. Het vormt de basis voor alle grote technologieën, van medische beeldvorming tot encryptie en moderne kunstmatige intelligentie. In een tijdperk dat draait om machine learning zal de vraag naar wiskundig inzicht alleen maar toenemen. De echte vraag is of menselijke experts nog nodig zijn.
Zelfs als AI elk bestaand probleem zou kunnen oplossen, zou de samenleving nog steeds mensen nodig hebben om de resultaten te interpreteren. Denk aan een verkiezingsaudit of een medisch advies dat door een machine is gegenereerd. Burgers eisen bewijs en een duidelijke uitleg van de redenering. Menselijke wiskundigen verbinden de echte wereld met rekenmodellen en vertalen de uitkomsten voor beleidsmakers en het publiek.
Het woord wiskunde komt van het Griekse woord voor ‘onderwerpen van het leren’. Het doel is altijd dieper begrip geweest, niet alleen een lijst antwoorden. Zoals wiskundige William Thurston tientallen jaren geleden al opmerkte: mensen kunnen computers gebruiken om tabellen met priemgetallen te genereren, maar wat ze echt zoeken is inzicht.
Van de basisschool tot het hoger onderwijs bouwen klaslokalen deze vaardigheid in logisch redeneren op. In een tijd van betwiste claims is het vermogen om argumenten op te bouwen en te verifiëren belangrijker dan ooit. AI-tutors zijn altijd beschikbaar en worden steeds beter, maar ze kunnen de empathie, aanmoediging en gedeelde menselijke ervaring die goede leraren bieden niet vervangen.
Onderzoeks-wiskundigen blijven ook nodig omdat huidige AI-systemen rusten op ideeën die mensen generaties lang hebben ontwikkeld. Lineaire algebra, optimalisatie en kansrekening vormen de basis van deze tools. Experts die de onderliggende wiskunde diep begrijpen, zijn het best in staat om de systemen te beoordelen en te verbeteren.
OpenAI bouwde voort op eerdere menselijke vooruitgang om in veel gevallen sneller tot oplossingen te komen. Tegelijkertijd worstelden de systemen met duizenden andere open problemen waarvoor geen duidelijke, door mensen ontwikkelde weg bestond. Het recente werk aan Navier-Stokes dankte wiskundigen Diego Córdoba en Luis Martinez-Zoroa voor cruciale inzichten. De elektriciteitskosten voor de berekeningen liepen volgens berichten in de miljoenen dollars, ruim boven de prijs uit.
AI heeft nog geen geheel nieuwe theorieën gecreëerd of frisse open vragen gesteld. Wiskunde is oneindig en machines hebben geen concepten als calculus uit eerdere kennis alleen uitgevonden. Menselijke onderzoekers kunnen samen met deze tools onverwachte richtingen verkennen en de levende praktijk van het vakgebied behouden.
Routinematige verificatie en het zoeken naar tegenvoorbeelden kunnen nu snel gebeuren. Deze verschuiving geeft wiskundigen de ruimte om ambitieuze nieuwe theorieën na te streven. Net zoals nieuwe instrumenten vroeger nieuwe horizonten openden voor ontdekkingsreizigers, biedt AI wiskundigen en wetenschappers krachtige ondersteuning om het menselijk begrip verder uit te breiden dan ooit tevoren.