Eeuwenlang werd de wiskunde grotendeels beoefend zoals honderd jaar geleden: mensen krabbelden ideeën op borden, vertrouwend op intuïtie en geschreven beschrijvingen om complexe logische hiaten te overbruggen. Maar er is een fundamentele verandering gaande. Gedreven door de opkomst van kunstmatige intelligentie en een beweging in de richting van ‘formalisering’ beweegt het vakgebied zich richting een toekomst waarin wiskundige waarheden niet alleen worden geschreven, maar digitaal worden gecodeerd en geverifieerd door machines.
Van intuïtie naar code: de opkomst van formalisering
De kern van deze transformatie is formalisering : het proces van het vertalen van wiskundige definities en stellingen naar nauwkeurige computercode. In tegenstelling tot traditionele bewijzen, die uitgestrekt kunnen zijn en afhankelijk zijn van ‘handmatige’ beschrijvingen, moet een geformaliseerd bewijs volkomen rigoureus zijn.
Dit gaat niet over het computer-‘denken’ voor de wiskundige. In plaats daarvan moet de menselijke wiskundige veel gedisciplineerder worden en elke kleine logische stap uitdrukken, zodat een gespecialiseerd programma deze zonder dubbelzinnigheid kan verifiëren.
Waarom dit belangrijk is:
Moderne wiskundige bewijzen worden steeds complexer. Terwijl onderzoekers ongelijksoortige wiskundegebieden overbruggen, kunnen bewijzen honderden pagina’s beslaan, waardoor ze zelfs voor menselijke experts moeilijk volledig te onderzoeken zijn. Formalisering biedt een manier om:
– Elimineer menselijke fouten: Zelfs een enkele “hallucinatie” of logische fout kan een heel argument ongeldig maken.
– Creëer een digitale bibliotheek: Door wiskunde in code te coderen, bouwen we in wezen een “doorzoekbare, verifieerbare database” van alle wiskundige kennis.
– Maak het menselijk intellect vrij: Als machines de slopende taak van het controleren van fijne details op zich nemen, kunnen wiskundigen zich concentreren op creativiteit op hoog niveau en nieuwe ontdekkingen.
De “Fermat”-benchmark
Om de grenzen van dit nieuwe paradigma te testen, gaat wiskundige Kevin Buzzard van het Imperial College London een van de grootste uitdagingen uit de geschiedenis aan: Fermats laatste stelling.
Hoewel de stelling in 1998 op beroemde wijze werd opgelost door Andrew Wiles, is het bewijs een enorm labyrint van 130 pagina’s van onderling verbonden wiskundige velden. Het doel van Buzzard is niet om het opnieuw te ‘oplossen’, maar om het te digitaliseren met behulp van Lean, een interactieve stellingbewijzer.
Dit project blijkt een enorme samenwerkingsonderneming te zijn. Wat begon als een kleine onderzoeksinspanning is uitgegroeid tot een interdisciplinair fenomeen, met duizenden berichten en tientallen bijdragers die eraan werken dit monumentale stukje menselijk denken te vertalen naar een machinaal leesbaar formaat.
De AI-synergie: LLM’s ontmoeten Theorem Provers
De meest significante recente versneller op dit gebied is de combinatie van Large Language Models (LLMs) – zoals ChatGPT – met stellingbewijzers zoals Lean.
Momenteel kunnen LLM’s uitstekend als wiskundigen klinken, maar ze zijn onbetrouwbaar. Omdat ze op waarschijnlijkheid in plaats van op logica werken, kunnen ze ‘hallucinaties’ veroorzaken die er correct uitzien, maar wiskundig hol zijn. In de wiskunde staat 99% nauwkeurigheid gelijk aan falen.
Er ontstaat echter een nieuwe hybride aanpak:
1. De LLM stelt een potentieel bewijs of stap voor (het “creatieve” deel).
2. The Theorem Prover (Lean) fungeert als de ultieme feitenchecker en verifieert elke afzonderlijke logische link.
Deze synergie werd onlangs gedemonstreerd door het AI-programma Aristoteles, dat Lean gebruikte om prestaties op gouden medailleniveau te behalen op de Internationale Wiskundeolympiade.
Een existentiële verschuiving voor het veld
Deze technologische sprong is niet zonder controverse. De wiskundige gemeenschap worstelt momenteel met een existentiële vraag: Zal de zoektocht naar digitale precisie de aard van wiskundig onderzoek op zijn kop zetten?
Er zijn terechte zorgen over hoe AI de rol van de wiskundige zou kunnen veranderen en of het ‘menselijke’ element van ontdekking – de intuïtie en de strijd – verloren zal gaan in een zee van geautomatiseerde verificatie. Toch suggereren voorstanders als Patrick Shafto van de Rutgers Universiteit dat AI, in plaats van mensen te vervangen, de meest interessante aspecten van het mens-zijn zal benadrukken: onze aangeboren zoektocht naar kennis.
“Als we de wiskunde digitaliseren, zal dit op een gegeven moment de wiskunde misschien op zijn kop zetten.” — Kevin Buizerd
Conclusie
De overgang van papier naar code vertegenwoordigt een modernisering van de wiskunde die vergelijkbaar is met de verschuiving van vinyl naar streaming in de muziekindustrie. Door de creatieve kracht van AI te combineren met de absolute nauwkeurigheid van digitale stellingbewijzers, betreedt de wiskunde een tijdperk waarin ontdekkingen kunnen worden versneld en de waarheid wiskundig kan worden gegarandeerd.
