Decennia lang hebben wiskundigen stilletjes vertrouwd op kunstmatige intelligentie om complexe problemen aan te pakken – een realiteit die een cruciale les biedt nu andere vakgebieden worstelen met de toenemende invloed van AI. De geschiedenis van het vakgebied laat zien dat het accepteren van door machines gegenereerde resultaten, zelfs als deze onbevredigend zijn, tot doorbraken kan leiden.
De vierkleurenstelling en het begin van computationele bewijzen
In 1976 verbaasden Kenneth Appel en Wolfgang Haken de wiskundige wereld met een bewijs van de vierkleurenstelling. Deze stelling stelt dat elke kaart met slechts vier kleuren kan worden gekleurd, zodat geen enkele aangrenzende regio dezelfde tint heeft. Het bewijs was echter niet elegant: het bestond uit 60.000 regels computercode.
Het team had een machine geprogrammeerd om systematisch bijna 2.000 mogelijke kaartconfiguraties te controleren, waarmee elk mogelijk scenario werd gedekt. Het resultaat was technisch correct, maar veel wiskundigen vonden het… onbevredigend. Het bewijs ontbeerde de intuïtieve elegantie die ze verwachtten en onthulde geen dieper wiskundig principe.
Aanpassing aan machinelogica
Na verloop van tijd heeft de gemeenschap zich aangepast. Wiskundigen erkenden dat de methode weliswaar niet mooi was, maar wel effectief. Deze acceptatie maakte de weg vrij voor de huidige AI-gestuurde proefdrukken. Moderne grote taalmodellen verzorgen nu de codering, en aparte software verifieert de resultaten, waardoor zorgen over AI-‘hallucinaties’ (verzonnen outputs) worden geëlimineerd.
Het contrast buiten de academische wereld
Dit staat in schril contrast met andere sectoren waar door AI gegenereerde code vaak spectaculair mislukt. Gartner voorspelt dat de helft van de bedrijven die banen vervangen door AI binnen een jaar opnieuw personeel voor dezelfde functies zal aanwerven, wat erop wijst dat veel implementaties voorbarig zijn.
De ervaring van wiskundigen leert ons dat AI niet alleen gaat over het vervangen van mensen; het gaat erom hun capaciteiten te vergroten. Het succes van de praktijk hangt af van het vertrouwen op machinaal gevalideerde antwoorden, zelfs als het proces niet intuïtief is.
De wereld buiten de wiskunde is misschien nog niet klaar, maar de les is duidelijk: praktisch vertrouwen en filosofisch comfort met AI-output zijn essentieel voor vooruitgang.
