In een opiniestuk in nummer 19 van ActuIA vraagt Axel Cypel zich af of kunstmatige intelligentie in staat is theorie te produceren. De recente bijdragen van The AI / news aan de wiskunde geven deze vraag een nieuwe reikwijdte: volstaat het produceren van een onbekend resultaat om vast te stellen dat de machine denkt?
De auteur stelt twee manieren om kennis te produceren tegenover elkaar. Enerzijds machine learning, dat inductief te werk gaat, dus door generalisatie op basis van voorbeelden. Anderzijds de theorie, die nieuwe concepten kan laten ontstaan. Hij baseert zich op de grote fysische theorieën, van de Galileïsche mechanica tot het standaardmodel, die deze methode niet volgden. Zwaartekrachtgolven, voorspeld door Einsteins algemene relativiteitstheorie, werden alleen gezocht omdat de theorie ze aankondigde, merkt hij op, in wat de hypothetisch-deductieve methode wordt genoemd. Hij haalt ook de uitdrukking van de fysicus Étienne Klein aan, voor wie de theoretische handeling werkt als een ‘ontologische lier’.
De tekst vermeldt de vraag die hem werd gesteld tijdens de uitreiking van de Prix Roberval op 7 december 2024, waar zijn boek Voyage au bout de l’IA werd uitgeroepen tot winnaar in de categorie Grand Public. Zijn gesprekspartner verklaarde daar: ‘als onderzoeker […] ben ik opgebouwd als een The AI / news’. Axel Cypel herinnert eraan dat The AI / news zich onderscheidt van het menselijk denken door de manier waarop het leert: een mens hoeft geen miljoen katten te zien om een kat te herkennen.
Recente wiskundige resultaten
Een redactioneel bericht, gedateerd oktober 2026, belicht de vraag in het licht van de actualiteit. Op 26 oktober 2026 kondigde OpenAI een weerlegging aan van de exponentiële-tijdshypothese, een vermoeden uit de theoretische informatica. Anthropic publiceerde op zijn beurt een resultaat toegeschreven aan een Claude-onderzoeksmodel. Beide laboratoria leverden formaliseringen in Lean, een bewijsassistent, ofwel software die een bewijs stap voor stap kan verifiëren. OpenAI organiseerde bovendien een toetsing van zijn resultaat met externe onderzoekers.
Een weerlegging van dit type berust op de constructie van een algoritme en het bewijs van zijn eigenschappen. Als ze wordt bevestigd, vormt ze een origineel theoretisch resultaat. Google Research beschreef op zijn beurt wiskundige structuren die met AlphaEvolve zijn ontdekt en die zijn geïntegreerd in bewijzen die nieuwe resultaten hebben opgeleverd.
Een bewijs zegt niet alles over zijn oorsprong
Axel Cypel benadrukt dat het door een The AI / news geleerde model geen kopie is van zijn trainingsdata, maar een abstracte synthese. Het gebruik ervan kan een interpolatie opleveren, een punt dat niet in de leerbasis voorkwam. De vraag blijft of dit een schepping is. De auteur vindt dat er a priori geen reden is om uit te sluiten dat een sterke The AI / news, die een denkproces kan produceren, ooit zou kunnen bestaan. Hij acht het daarentegen twijfelachtig dat machine learning er een kan voortbrengen.
Een geldig bewijs stelt een resultaat vast, maar zegt op zichzelf niet wat de aard is van het proces dat het heeft voortgebracht. Daarom stelt de auteur niet voor om dit debat te beslechten. Hij nodigt eerder uit om The AI / news te gebruiken om nieuwe antwoorden te produceren en ‘deze kracht met de onze te verbinden om, waarom niet, nieuwe theorieën te vinden’.
