Vandaag las ik een artikel van OpenAI over tien nieuwe resultaten in wiskunde en theoretische informatica. En ik merkte dat het me niet meer losliet. Niet alleen omdat wiskunde ingewikkeld is of omdat OpenAI er groot nieuws van maakt, maar vooral omdat het raakt aan een uitspraak die ik de afgelopen jaren heel vaak heb gehoord: AI kan geen nieuwe kennis maken. AI zou alleen maar kunnen reproduceren wat mensen in het verleden al hebben ontdekt.
Dat klonk lang logisch. AI is getraind op bestaande data, dus het kan toch alleen maar bestaande kennis herschikken? Maar als je naar dit soort ontwikkelingen kijkt, begint dat beeld te schuiven. OpenAI schrijft dat een interne versie van hun AI tien resultaten heeft gevonden die lang openstaande problemen oplossen of daar substantiële vooruitgang op boeken. Daarna zijn de argumenten met menselijke hulp uitgewerkt tot papers en geformaliseerd in Lean, zodat de bewijzen ook formeel controleerbaar zijn. Natuurlijk moet de wiskundige gemeenschap hier nog naar kijken. Dat vind ik belangrijk om erbij te zeggen. Maar zelfs met die nuance blijft de conclusie groot: AI lijkt niet alleen antwoorden te geven op vragen die wij al kennen, maar ook mee te werken aan nieuwe kennis.
Van reproduceren naar ontdekken
Dit is volgens mij een van de grootste mentale verschuivingen die we moeten maken. Veel gesprekken over AI gaan nog steeds over productiviteit. Kun je sneller een tekst schrijven? Kun je sneller een website maken? Kun je sneller e-mail beantwoorden? Dat is allemaal belangrijk, maar het is niet de kern van wat hier gebeurt. De kern is dat AI langzaam verschuift van een hulpmiddel dat bestaande informatie samenvat naar een hulpmiddel dat nieuwe hypotheses, nieuwe ontwerpen en nieuwe bewijzen kan maken.
Bij wiskunde wordt dat extra zichtbaar, omdat wiskunde een streng vakgebied is. Je kunt niet zomaar iets roepen en hopen dat het waar is. Uiteindelijk moet een bewijs standhouden. Juist daarom is dit interessant. Als een AI een wiskundig bewijs kan bedenken dat vervolgens controleerbaar is, dan zitten we in een andere categorie dan een chatbot die een nette samenvatting maakt. Dan hebben we het over een systeem dat daadwerkelijk kan bijdragen aan de groei van menselijke kennis.
Dat betekent niet dat mensen overbodig zijn. Integendeel. Mensen moeten nog steeds de juiste vragen stellen, resultaten controleren, verbanden zien, bepalen wat relevant is en nadenken over de gevolgen. Maar de verhouding verandert wel. Waar kennis vroeger bijna volledig door mensen werd geproduceerd en door machines werd opgeslagen, zien we nu dat machines zelf steeds vaker onderdeel worden van het ontdekkingsproces.
Tweeduizend dollar
Wat ik bijna nog opvallender vond, was het bedrag dat OpenAI noemt. De totale hoeveelheid AI-gebruik die nodig was om deze resultaten te vinden, zou volgens OpenAI ongeveer 2.000 dollar kosten tegen Sol API-tarieven. 2.000 dollar is veel geld als je het zelf moet betalen. Maar het is bijna niets als je bedenkt dat het hier gaat om tien wiskundige en theoretische problemen waar mensen niet zomaar uitkwamen.
Dat bedrag maakt iets zichtbaar. Als nieuwe kennis steeds vaker wordt uitgedrukt in rekencapaciteit, tokens en API-kosten, dan verandert de schaal waarop ontdekking mogelijk is. Dan hoef je niet altijd meer een groot instituut, een enorm team of jaren onderzoekstijd te hebben om in de buurt te komen van een doorbraak. Je hebt nog steeds kennis nodig. Je hebt nog steeds controle nodig. Je hebt nog steeds mensen nodig die begrijpen wat er gebeurt. Maar de kosten om ideeën uit te proberen dalen hard.
En dat is volgens mij waar de echte versnelling zit. Niet alleen dat de beste AI beter wordt, maar ook dat AI goedkoper wordt. We zien open source AI steeds sterker worden. We zien kleinere AI-systemen dichter in de buurt komen van de meest vooraanstaande AI. We zien dat steeds meer mensen toegang krijgen tot gereedschap dat een paar jaar geleden nog ondenkbaar was. Als die beweging doorzet, dan krijg je iets wat Mo Gawdat mooi heeft omschreven: intelligentie uit het stopcontact, net zoals we elektriciteit uit het stopcontact krijgen.
De biologie maakt het ongemakkelijk
Tegelijkertijd wordt het daardoor ook ongemakkelijk. Want kennis is niet automatisch goed. Nieuwe kennis kan genezen, maar ook schade veroorzaken. Dat zie je nu al in de biologie. Recent schreven onder andere The Guardian en het Science Media Centre over onderzoek waarin AI werd gebruikt om bacteriofagen te ontwerpen. Dat zijn virussen die bacteriën infecteren. In dit geval ging het dus niet om virussen die mensen ziek maken, maar om bacteriofagen die E. coli konden aanvallen.
Dat is belangrijk om precies te zeggen, omdat het anders snel te sensationeel wordt. Het positieve verhaal is duidelijk. Dit soort technieken kan mogelijk helpen bij nieuwe behandelingen, bijvoorbeeld tegen bacteriën die resistent zijn geworden tegen bestaande middelen. In een wereld waarin antibioticaresistentie een steeds groter probleem wordt, is dat geen klein voordeel. AI kan helpen om sneller varianten te ontwerpen, te testen en te verbeteren.
Maar de schaduwkant is net zo duidelijk. Als AI kan helpen bij het ontwerpen van nuttige biologische systemen, dan kan dezelfde ontwikkeling uiteindelijk ook worden misbruikt. Misschien niet meteen op de manier waarop mensen in films denken. Misschien is het veel moeilijker dan het klinkt. Maar de richting is duidelijk genoeg om serieus te nemen. We krijgen systemen die steeds beter worden in het ontwerpen van dingen in de echte wereld: bewijzen, moleculen, medicijnen, materialen en misschien ook gevaarlijke biologische structuren.
De rand van een kennisexplosie
Daarom denk ik dat we op de rand van een kennisexplosie zitten. Niet omdat morgen alle ziekten zijn opgelost. Niet omdat AI vanaf nu elk probleem betrouwbaar oplost. En ook niet omdat de menselijke wetenschap klaar is. Maar omdat de kosten van intelligent zoeken, redeneren, ontwerpen en testen steeds verder dalen.
Als een AI voor relatief weinig geld nieuwe wiskundige resultaten kan vinden, dan is het logisch om te verwachten dat dit ook in andere vakgebieden gaat gebeuren. In geneeskunde. In energie. In klimaatonderzoek. In onderwijs. In software. In bijna elk domein waar veel mogelijkheden bestaan en waar het zoeken naar de juiste oplossing normaal gesproken veel tijd kost.
De bottleneck verschuift dan. Eerst was de bottleneck vaak het bedenken van opties. Straks wordt de bottleneck misschien het beoordelen van opties. Wat klopt? Wat is veilig? Wat is maatschappelijk wenselijk? Wie mag dit gebruiken? Wie controleert het? Wie krijgt toegang? En wie draagt verantwoordelijkheid als nieuwe kennis niet alleen goede, maar ook gevaarlijke gevolgen heeft?
Niet blind versnellen
Voor mij is dit precies de spanning van deze tijd. Aan de ene kant ben ik enorm optimistisch. Als we intelligentie echt veel goedkoper en toegankelijker maken, dan kunnen we problemen aanpakken die vroeger te duur, te traag of te ingewikkeld waren. Misschien vinden we nieuwe medicijnen. Misschien lossen we wiskundige problemen op die weer nodig zijn voor betere technologie. Misschien ontdekken we materialen waarmee energie goedkoper en schoner wordt.
Aan de andere kant kun je hier niet alleen maar enthousiast over zijn. Een kennisexplosie is niet hetzelfde als een wijsheidsontwikkeling. Meer kennis betekent niet automatisch betere keuzes. Sterker nog, als kennis sneller groeit dan onze instituties, wetgeving en ethiek kunnen bijhouden, dan ontstaat er juist gevaar. Dan krijgen kleine groepen mogelijkheden die vroeger alleen staten, grote bedrijven of onderzoeksinstituten hadden. En dan moeten we serieus nadenken over beveiliging, toegang, controle en internationale afspraken.
Ik denk daarom dat de belangrijkste vraag niet meer is of AI nieuwe kennis kan maken. Die vraag begint langzaam beantwoord te worden. De belangrijkere vraag is onder welke voorwaarden we dit willen laten gebeuren. Wie mag welke AI gebruiken? Welke toepassingen moeten open zijn? Welke toepassingen moeten streng worden gecontroleerd? Hoe voorkomen we dat angst alles blokkeert, maar ook dat enthousiasme ons blind maakt?
Dit is de grote verandering die nu zichtbaar wordt. AI maakt ons niet alleen sneller. AI maakt de wereld zelf sneller. Ontdekkingen die vroeger jaren duurden, kunnen misschien straks in dagen, uren of minuten worden voorbereid. Dat kan prachtig zijn.
Maar alleen als we begrijpen dat nieuwe kennis altijd twee kanten heeft.