OpenAI wiskundige doorbraken: zijn ze bewezen?

OpenAI presenteert honderden manuscripten met mogelijke wiskundige doorbraken. Ze zijn gemaakt door een intern AI model dat niet openbaar beschikbaar is. De omvang is indrukwekkend, maar de belangrijkste vraag is nog niet beantwoord: hoeveel resultaten blijven overeind na onafhankelijke controle?

OpenAI publiceerde op 6 oktober 2026 een grote verzameling nieuwe wiskundige resultaten. Volgens het bedrijf zijn ze grotendeels geproduceerd door één intern frontiermodel. Het gaat niet om een versie van ChatGPT die onderzoekers zelf kunnen gebruiken of testen.

De aankondiging laat zien hoe snel AI zich ontwikkelt als hulpmiddel voor wetenschappelijk onderzoek. Tegelijk maakt de publicatie een nieuw probleem zichtbaar. AI kan inmiddels sneller mogelijke kennis produceren dan mensen die kennis kunnen controleren, begrijpen en verwerken.

Wat heeft OpenAI precies gepubliceerd?

De openbare verzameling bevat 719 manuscripten, verdeeld over 372 zogenoemde families. Zo’n familie kan bestaan uit een hoofdresultaat, aanvullende argumenten, gevolgen van dat resultaat of alternatieve bewijzen. Het is daarom onjuist om te zeggen dat het model 719 afzonderlijke wiskundige problemen heeft opgelost.

OpenAI meldt dat het model ongeveer 4.000 onderzoeksproblemen kreeg voorgelegd. Een gemiddeld geselecteerd resultaat kostte ongeveer evenveel rekenwerk als drie uur denktijd in ChatGPT Pro. Voor slechts tien resultaten publiceerde het bedrijf een samenvatting van de gevolgde redenering.

De schaal is uitzonderlijk. Een model kreeg duizenden open onderzoeksvragen en leverde in korte tijd honderden teksten op die volgens OpenAI belangrijk genoeg waren om openbaar te maken. Maar aantallen bewijzen nog niet dat de resultaten correct, nieuw of relevant zijn.

Heeft het AI model de wiskundige problemen echt opgelost?

Dat is nog niet voor de volledige verzameling vastgesteld. OpenAI noemt het nieuwe wiskundige resultaten, maar schrijft in de eigen repository ook dat niet alle manuscripten formeel zijn gecontroleerd en dat sommige teksten fouten kunnen bevatten.

In de wiskunde is een overtuigend klinkend bewijs niet voldoende. Andere wiskundigen moeten controleren of iedere stap klopt, of de gebruikte aannames geldig zijn en of het resultaat werkelijk nieuw is. Ook moet duidelijk worden waarom een resultaat belangrijk is en hoe het aansluit op bestaande kennis.

Dat risico is niet uniek voor wiskunde. Generatieve AI kan overtuigende fouten maken wanneer informatie ontbreekt, een redenering ontspoort of een bron verkeerd wordt gebruikt. Specialistische taal maakt zulke fouten moeilijker zichtbaar, niet automatisch minder waarschijnlijk.

De publicatie is daarom beter te omschrijven als een grote verzameling kandidaatresultaten dan als een definitieve lijst opgeloste problemen. Sommige bewijzen kunnen belangrijke doorbraken blijken. Andere kunnen na controle moeten worden aangepast of verworpen.

Wat controleert Lean wel en niet?

OpenAI heeft ongeveer 42 procent van de belangrijkste resultaten geformaliseerd in Lean. Dit is software waarmee een wiskundig bewijs stap voor stap door een computer kan worden gecontroleerd.

Zo’n formele controle is sterk bewijs dat een formeel beschreven conclusie logisch volgt uit de ingevoerde definities en aannames. Toch is Lean geen automatische garantie dat de uitleg in gewone taal dezelfde redenering bevat. Het kan misgaan wanneer een AI model een bewering of bewijs onjuist vertaalt naar de formele taal.

Dit onderscheid hoort bij de bredere vraag naar controleerbaarheid van AI. Niet alleen de uitkomst moet controleerbaar zijn, maar ook wat precies is getoetst, welke aannames zijn gebruikt en of een mens kan ingrijpen wanneer de vertaling niet klopt.

Onderzoekers wezen eerder op dit risico bij OpenAI’s claim over het Navier Stokesprobleem. Zij concludeerden dat het formele Lean bewijs niet overeenkwam met het bewijs in gewone taal. Dat onderzoek toont niet aan dat de nieuwe verzameling fout is. Het laat wel zien waarom een geslaagde technische controle de inhoudelijke beoordeling door vakexperts niet vervangt.

Waarom reageren wiskundigen kritisch?

De onafhankelijke Advisory Group on Mathematics and Artificial Intelligence waarschuwt voor onderzoek met krachtige modellen die alleen voor AI bedrijven toegankelijk zijn. Wetenschappers kunnen het gebruikte systeem niet zelf onderzoeken, resultaten niet onder dezelfde omstandigheden reproduceren en geen vervolgvragen aan het model stellen.

De adviesgroep vindt bovendien dat een wetenschappelijk resultaat meer vraagt dan een correct eindbewijs. Een onderzoeker hoort het argument te begrijpen, verantwoordelijkheid te nemen, vragen te beantwoorden en nieuwe kennis aan het vakgebied uit te leggen. Wanneer niemand het gegenereerde bewijs volledig begrijpt, verschuift veel controlewerk naar de wetenschappelijke gemeenschap.

Een controleur moet daarom voldoende kennis, informatie, tijd en bevoegdheid hebben om een resultaat af te wijzen. Dat uitgangspunt staat verder uitgewerkt in Wanneer is menselijke controle op AI noodzakelijk?.

OpenAI zegt workshops, conferenties en andere programma’s te willen financieren om menselijke kennis rond de resultaten op te bouwen. Dat is relevant, maar het verandert de huidige status niet. Publicatie is het begin van de beoordeling, niet het einde.

Waarom is dit toch een belangrijke ontwikkeling?

De voorzichtigheid maakt de prestatie niet onbelangrijk. Zelfs wanneer een deel van de resultaten afvalt, laat de verzameling zien dat algemene AI modellen steeds verder doordringen in onderzoek dat lange redeneringen, abstractie en specialistische kennis vraagt.

Voor wie eerst de technische basis wil begrijpen, legt Wat is een taalmodel? visueel uit hoe zulke modellen patronen verwerken en waarom een overtuigend antwoord toch fout kan zijn.

De mogelijke omslag zit vooral in de snelheid. Een wiskundige onderzoekt normaal een beperkt aantal ideeën tegelijk. Een AI systeem kan veel problemen en bewijsstrategieën naast elkaar verkennen. Daardoor kan het sneller interessante routes vinden, varianten testen en formele uitwerkingen maken.

Dat verandert ook de rol van onderzoekers. Het bedenken van mogelijke bewijzen kan goedkoper worden, terwijl selectie, verificatie en uitleg juist belangrijker worden. De schaarste verschuift dan van nieuwe resultaten produceren naar bepalen welke resultaten correct en betekenisvol zijn.

Wat zegt dit over de betrouwbaarheid van AI?

Deze publicatie maakt een bekend probleem groter. Een AI antwoord kan overtuigend, technisch en zelfs formeel onderbouwd lijken, terwijl belangrijke controle nog ontbreekt. Hoe specialistischer het onderwerp, hoe moeilijker het voor buitenstaanders wordt om dat verschil te herkennen.

Voor dagelijks AI gebruik geldt hetzelfde principe op kleinere schaal. Beoordeel niet alleen hoe overtuigend een antwoord klinkt. De vijf praktische controles in Wanneer kun je een AI antwoord vertrouwen? helpen om claims, onzekerheid en ontbrekende informatie te beoordelen. Controleer daarnaast of AI bronnen echt bestaan en de bewering ondersteunen. De volledige methode staat in AI output beoordelen.

Veelgestelde vragen

Welk OpenAI model maakte de wiskundige resultaten?

OpenAI noemt alleen een intern frontiermodel. Het bedrijf publiceerde geen officiële modelnaam en het model is niet beschikbaar voor onafhankelijke tests. Het is daarom niet onderbouwd om de resultaten aan een openbare ChatGPT versie of aan GPT 6 Astra toe te schrijven.

Heeft OpenAI 372 wiskundige problemen opgelost?

Dat staat nog niet vast. De 372 families groeperen gerelateerde manuscripten en zijn niet hetzelfde als 372 onafhankelijk bevestigde oplossingen. De volledige verzameling moet nog door wiskundigen worden beoordeeld.

Bewijst een controle met Lean dat een bewijs klopt?

Lean kan bevestigen dat een formeel beschreven bewijs logisch geldig is. Eerst moet wel correct zijn vastgelegd welke bewering wordt bewezen en of de formele versie overeenkomt met de uitleg in gewone taal.

Conclusie

De OpenAI wiskundige doorbraken zijn interessant omdat ze tegelijk vooruitgang en een nieuw knelpunt tonen. Een niet openbaar AI model kan op grote schaal mogelijke onderzoeksresultaten produceren, maar onafhankelijke controle en menselijk begrip groeien niet automatisch mee.

De juiste conclusie is daarom niet dat AI de wiskunde heeft gekraakt. De sterkere conclusie is dat AI het tempo van wiskundig onderzoek mogelijk ingrijpend verandert. Of deze manuscripten echte doorbraken zijn, wordt uiteindelijk niet bepaald door de aankondiging van OpenAI, maar door controle en begrip binnen de wiskundige gemeenschap.

Deze spanning tussen sterke prestaties en onzekere uitkomsten hoort bij het bredere onderwerp kwaliteit en betrouwbaarheid van AI.

Bronnen

  1. OpenAI, Sharing AI progress in mathematics, aankondiging en publicatiemethode, gecontroleerd 09-10-2026.
  2. OpenAI Math repository, aantallen manuscripten, families, pogingen, formaliseringen en redeneersamenvattingen, gecontroleerd 09-10-2026.
  3. Advisory Group on Mathematics and Artificial Intelligence, Responsible Release of AI Generated Mathematics, aanbevelingen over gesloten modellen, menselijke verantwoordelijkheid en wetenschappelijke publicatie, gecontroleerd 09-10-2026.
  4. Bastounis, Circelli en Hansen, Navier Stokes Lost in Translation, beperkingen van automatische vertaling naar Lean, gecontroleerd 09-10-2026.
  5. TechCrunch, OpenAI’s math solutions aren’t meeting the field’s standards yet, reacties op de publicatiewijze en toepassing van de adviesrichtlijnen, gecontroleerd 09-10-2026.

Deel dit artikel:


Ontdek meer van De Wereld Van AI

Blijf op de hoogte van nieuwe AI-artikelen, direct in je mailbox.

Welkom!

De Wereld van AI is een Nederlandstalig kennisplatform dat kunstmatige intelligentie begrijpelijk en praktisch maakt.

Ontdek heldere uitleg over AI, machine learning en AI agents, leer hoe je AI praktisch gebruikt en lees hoe organisaties AI verantwoord kunnen inzetten. Met voorbeelden, verdiepende artikelen en handige downloads.

Nieuw met AI? Begin met mijn gratis Basiscursus AI en ontdek stap voor stap hoe kunstmatige intelligentie werkt.

Wil je verder kijken? Bekijk Alle Artikelen, ontdek de AI-Woordenlijst of kies een onderwerp via Hoofdthema’s over AI.

Liever kijken dan lezen?
Bezoek mijn YouTube-kanaal De Wereld van AI voor korte en toegankelijke video’s.

Logo van De Wereld van AI met een rode knop waarop “Subscribe” staat, als promotie voor het YouTube-kanaal

Praktische AI-uitleg in je LinkedIn-feed

Volg De Wereld van AI voor praktische voorbeelden, eigen tests en tips om AI-antwoorden kritisch te beoordelen.

AI-Tools (9) AI energieverbruik (1) AI en klimaat (1) AI in de zorg (1) Automatisering (7) AVG (5) ChatGPT (20) Claude (3) Datacenter (1) Data Science (4) Deep Learning (8) EU AI Act (5) Generatieve AI (16) Google Gemini (3) Machine Learning (24) Microsoft Copilot (3) Neurale Netwerken (10) Privacy (5) Taalmodellen (13)