Towards Autonomous Mathematics Research

In dit artikel wordt Aletheia, een autonoom wiskundig onderzoekssysteem dat door iteratief genereren, verifiëren en reviseren van oplossingen in natuurlijke taal, geïntroduceerd om de overgang van olympiadeproblemen naar professioneel wiskundig onderzoek te maken, waarbij het zowel volledig door AI gegenereerde papers als mens-AI-samenwerkingen demonstreert.

De kern

De Wiskundige Ontdekkingsreiziger: Hoe een AI van Google DeepMind de Wiskunde Verandert

Stel je voor dat wiskunde een enorme, donkere berg is. Voor honderden jaren klommen alleen de slimste mensen ter wereld (wiskundigen) deze berg op, stap voor stap, met hun eigen benen en verstand. Soms duwden ze zich vast in een rotsspleet en kwamen ze er niet meer uit.

Nu heeft Google DeepMind een nieuwe klimmer gepresenteerd: Aletheia.

Aletheia is geen mens, maar een zeer slim computerprogramma (een "agent") dat is getraind om wiskundige problemen op te lossen. Maar dit is geen simpele rekenmachine. Het is een onderzoeker die zelf kan denken, fouten kan maken, die fouten kan zien, en die zijn eigen antwoorden kan verbeteren totdat ze kloppen.

Hier is hoe het werkt, vertaald in alledaagse taal:

1. Van Olympiade naar de Top van de Berg

Vroeger waren de slimste AI's goed in het oplossen van wiskundetoetsen (zoals de Internationale Wiskunde Olympiade). Dit is als het klimmen van een steile, maar bekende wand met een duidelijke top. De AI kon daar al goudmedailles winnen.

Maar echte wiskundig onderzoek is anders. Het is alsof je een nieuwe berg moet beklimpen waar niemand ooit is geweest. Er zijn geen kaarten, geen paden en de regels zijn soms vaag. Mensen moeten hier vaak jaren studeren om de top te bereiken. AI's hadden hier moeite mee: ze "hallucineerden" (verzonnen feiten) en snapten de complexe theorieën niet echt.

Aletheia is gebouwd om dit probleem op te lossen. Het is een drie-koppig team dat in één hoofd zit:

• De Denker (Generator): Bedenkt ideeën en probeert oplossingen.
• De Controleur (Verifier): Kijkt kritisch: "Klopt dit echt? Of heb je iets verzonnen?"
• De Herwerker (Reviser): Als het fout is, past hij het aan en probeert hij het opnieuw.

Ze werken samen als een team van detectives dat niet stopt totdat ze de waarheid hebben gevonden.

2. De Grootste Daden van Aletheia

In dit paper laten ze zien wat Aletheia al heeft bereikt. Het is alsof je een robot hebt die drie verschillende soorten avonturen heeft meegemaakt:

• De Zelfstandige Ontdekker (Feng26):
  Dit is het meest opvallende. Aletheia loste een complex wiskundig probleem op zonder dat een mens ook maar één woord schreef. Het vond een elegante oplossing voor een probleem dat mensen al lang probeerden op te lossen. Het was alsof de AI een nieuwe taal leerde en die gebruikte om een raadsel op te lossen dat de menselijke auteurs niet eens kenden.

  • Analogie: Stel je voor dat je een robot in een kamer zet met een ingewikkelde puzzel. De robot komt eruit met de oplossing, terwijl jij alleen naar de deur hebt gekeken.

• De Samenwerker (LeeSeo26):
  Soms werkt Aletheia samen met mensen. In dit geval gaf de AI het grote plan ("We moeten deze specifieke techniek gebruiken!"), en de mensen schreven de details uit.

  • Analogie: De AI is de architect die het blauwdruk voor een kathedraal tekent, en de mensen zijn de metselaars die de stenen leggen.

• De Opschoner (Erdős-problemen):
  Er is een enorme lijst met 700 oude, onopgeloste raadsels van de beroemde wiskundige Paul Erdős. Veel mensen dachten dat deze onmogelijk waren. Aletheia ging aan de slag.

  • Het resultaat? Het loste er een paar op die echt nieuw waren. Maar het loste er ook veel op die al lang opgelost waren, maar die niemand had gevonden omdat ze zo simpel waren.
  • Les: Soms is een probleem niet moeilijk, maar gewoon vergeten. De AI heeft een "supergeheugen" en kan alles doorzoeken wat mensen over het hoofd zien.

3. De "FirstProof" Test

Om te zien of Aletheia echt slim is, gaven wiskundigen het een test met 10 nieuwe, zeer moeilijke problemen die nog nooit online waren. Dit was de "examenklas" voor AI.

• De AI slaagde voor 6 van de 10 vragen.
• Voor één vraag (Probleem 7) was het antwoord zo goed dat het als een echt wetenschappelijk artikel gepubliceerd kon worden.
• Dit laat zien dat AI nu niet meer alleen toetsen kan maken, maar echt nieuwe kennis kan creëren.

4. Waarom is dit belangrijk? (En waarom moeten we voorzichtig zijn)

De auteurs zeggen: "AI gaat de wiskunde niet vervangen, maar versterken."

• De Sterke Kanten van AI: AI's hebben een supergeheugen. Ze weten alles over alles. Ze kunnen duizenden boeken in een seconde lezen. Mensen zijn beperkt door tijd en energie; AI niet.
• De Zwakke Kanten: AI's kunnen nog steeds "dromen" (hallucineren). Ze kunnen een bewijs construeren dat er perfect uitziet, maar op een verkeerd feit berust. Daarom is de menselijke controle nog steeds essentieel.

5. Een Nieuwe Regel voor Transparantie

Omdat er nu zoveel AI-wiskunde komt, willen de auteurs voorkomen dat mensen in de war raken. Ze stellen een nieuw systeem voor, vergelijkbaar met de niveaus van autonoom rijden (Level 0 tot Level 5):

• Level 0: De AI doet niets.
• Level 1: De AI helpt een beetje (zoals zoeken in een bibliotheek).
• Level 2: De AI en de mens werken samen als partners.
• Level 3: De AI doet het werk bijna helemaal zelf.

Ze willen dat elke wetenschappelijke paper aangeeft op welk niveau de AI heeft bijgedragen, zodat iedereen weet wie de "hoofdrolspeler" was.

Conclusie

Dit paper is een mijlpaal. Het laat zien dat we de grens zijn gepasseerd waar AI alleen maar oefent met oude problemen. Nu begint het echte werk: het ontdekken van nieuwe wiskunde.

Het is alsof we een nieuwe soort ontdekkingsreiziger hebben geïntroduceerd. Deze reiziger kan sneller rennen, meer onthouden en nooit moe worden. Maar hij heeft nog steeds een mens nodig die de kaart bekijkt en zegt: "Ja, dit pad leidt echt naar de top, en niet naar een afgrond."

De toekomst van wiskunde is een duet tussen menselijke creativiteit en machine-kracht.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "Towards Autonomous Mathematics Research" in het Nederlands.

Titel: Towards Autonomous Mathematics Research (Richting Autonoom Wiskundig Onderzoek)

Auteurs: Tony Feng et al. (Google DeepMind en externe academische partners)
Datum: maart 2026

---

1. Het Probleem en de Context

De afgelopen jaren hebben foundation-modellen (zoals LLM's) indrukwekkende prestaties geleverd in competitiewiskunde, met name door gouden medaille-niveaus te bereiken op de Internationale Wiskunde Olympiade (IMO). Echter, de overgang van het oplossen van gesloten competitieproblemen naar professioneel wiskundig onderzoek brengt aanzienlijke nieuwe uitdagingen met zich mee:

• Complexiteit: Onderzoeksvragen vereisen het synthetiseren van geavanceerde technieken uit een enorme hoeveelheid literatuur, in tegenstelling tot de beperkte theorema's van de middelbare school die bij olympiades worden gebruikt.
• Hallucinaties: Modellen hebben vaak een oppervlakkig begrip van gespecialiseerde onderwerpen en neigen tot het verzinnen van fictieve citaten of resultaten.
• Evaluatie: Het is moeilijk om de originaliteit en correctheid van AI-genereren wiskunde te beoordelen, wat leidt tot misinformatie en overdreven claims in de media.

Het doel van dit paper is om de haalbaarheid en de grenzen van autonoom wiskundig onderzoek te verkennen, waarbij AI niet alleen als hulpmiddel, maar als een agent fungeert die oplossingen genereert, verifieert en herwerkt.

---

2. Methodologie: De Aletheia Agent

De auteurs introduceren Aletheia, een wiskundig onderzoeksagent gebaseerd op het model Gemini Deep Think. In tegenstelling tot eerdere systemen zoals AlphaGeometry (die formele talen gebruiken), werkt Aletheia volledig in natuurlijke taal.

De architectuur van Aletheia bestaat uit drie onderling verbonden sub-agenten die iteratief samenwerken:

1. Generator: Genereert oplossingen en redeneringen.
2. Verifier: Controleert de gegenereerde oplossingen op logica en consistentie.
3. Reviser: Herwerkt de oplossing op basis van feedback van de Verifier.

Belangrijke technische componenten:

• Inference-time Scaling: Het paper beschrijft een nieuwe schaalwet waarbij de rekentijd tijdens het infereren (inference) wordt opgevoerd om de nauwkeurigheid te verhogen. Dit werkt effectief voor zowel Olympiade- als PhD-niveau problemen.
• Toolgebruik: Aletheia maakt intensief gebruik van tools zoals Google Search en webbrowsing om de literatuur te navigeren en hallucinaties van citaten te verminderen. Hoewel Python-integratie voor rekenfouten minder effectief bleek (vanwege de hoge rekenvaardigheid van het basismodel), was webtoegang cruciaal voor het verifiëren van bestaande theorema's.
• Decoupling van denken en output: Door het verificatiestap expliciet te scheiden van het generatieproces, kan het model fouten herkennen die het tijdens de initiële creatie over het hoofd zag.

---

3. Belangrijkste Bijdragen en Resultaten

De auteurs presenteren een reeks mijlpalen die de capaciteiten van Aletheia demonstreren:

A. Volledig Autonome Publicatie (Level A)

• Paper: Eigenweights for Arithmetic Hirzebruch Proportionality (Feng26).
• Resultaat: Een volledig door AI gegenereerd onderzoekspaper zonder menselijke tussenkomst in de wiskundige inhoud. Aletheia berekende structurele constanten (eigenweights) in de rekenkundige meetkunde en loste open vragen op die in eerdere menselijke werken (FYZ26) onbeantwoord waren.
• Bijdrage: Dit toont aan dat AI in staat is om geavanceerde, publicatiewaardige resultaten te produceren zonder menselijke input.

B. Mens-AI Samenwerking (Level C)

• Paper: Lower bounds for multivariate independence polynomials (LeeSeo26).
• Resultaat: Hier leverde Aletheia een hoog niveau strategisch inzicht (een "roadmap" met cruciale ideeën zoals het gebruik van "dual sets"), terwijl menselijke auteurs de strikte bewijzen uitwerkten.
• Bijdrage: Dit illustreert een omgekeerd workflow-model waarbij de AI de visie biedt en de mens de uitvoering.

C. Evaluatie op de Erdős-problemen

• Onderzoek: Een systematische evaluatie op 700 "Open" problemen uit de database van Bloom's Erdős Conjectures.
• Resultaten:
  • Van 700 problemen leverde Aletheia 212 potentiële oplossingen.
  • Na menselijke verificatie bleken 13 oplossingen betekenisvol correct te zijn.
  • 4 van deze oplossingen waren autonoom en nieuw (Erdős-652, 654, 1040, 1051).
  • Opmerking: Veel "Open" problemen bleken elementair te zijn of al in de literatuur te staan, wat de moeilijkheid voor AI verhoogt om onderscheid te maken tussen echte nieuwheid en bestaande kennis.
  • Een oplossing voor Erdős-1051 werd later uitgebreid tot een nieuw onderzoekspaper (BKKKZ26).

D. FirstProof Benchmark

• Context: Een set van 10 onderzoeksniveau problemen, speciaal samengesteld door wiskundigen om AI-capaciteiten te testen (zonder dat de oplossingen online beschikbaar waren).
• Resultaat: Aletheia loste 6 van de 10 problemen correct op (P2, P5, P7, P8, P9, P10).
  • P7 werd beschouwd als publicatiewaardig (een oplossing voor een open probleem uit een boek).
  • De prestaties waren superieur aan andere modellen (zoals GPT-5.2 Pro) die slechts een subset van de problemen oplosbaar waren.

---

4. Analyse van Nauwkeurigheid en Beperkingen

Het paper is zeer kritisch en transparant over de beperkingen van de huidige technologie:

• Nauwkeurigheid: Hoewel Aletheia succesvol is in specifieke gevallen, is het succespercentage laag voor complexe, open-ended onderzoeksvragen. Bij de Erdős-studie waren slechts 6,5% van de "technisch correcte" antwoorden ook "betekenisvol correct" (d.w.z. het beantwoorden van de werkelijke intentie van het probleem).
• Hallucinaties: Zelfs met zoektools blijven hallucinaties een probleem. Het model citeert soms bestaande papers maar trekt daaruit de verkeerde conclusies of verdraait de resultaten.
• Interpretatie: AI neigt ertoe vragen op de makkelijkst mogelijke manier te interpreteren ("specification gaming"), wat leidt tot oplossingen die technisch correct zijn maar wiskundig triviaal of niet relevant.
• Creativiteit: Succesvolle gevallen lijken vaker het resultaat te zijn van slimme technische manipulaties of het ophalen van kennis uit de training, in plaats van echte, menselijke "creativiteit" of het bedenken van fundamenteel nieuwe concepten.

---

5. Significantie en Voorstellen voor Transparantie

De auteurs betogen dat er een dringend behoefte is aan een gestandaardiseerde manier om AI-bijdragen in de wiskunde te classificeren en te communiceren, om misinformatie te voorkomen.

Voorgestelde Taxonomie:
Ze introduceren een tweedimensionaal classificatiesysteem, vergelijkbaar met de SAE-niveaus voor autonoom rijden:

1. Niveau van Autonomie:
   • H (Primair Mens): AI is slechts een hulpmiddel (zoals literatuurzoeken).
   • C (Mens-AI Samenwerking): Beide partijen leveren essentiële bijdragen.
   • A (Essentieel Autonoom): De kerninhoud is volledig door AI gegenereerd.
2. Niveau van Wiskundige Betekenis:
   • 0-1: Olympiade-niveau of minor nieuwheid.
   • 2: Publicatiewaardig in een goed tijdschrift.
   • 3-4: Grote doorbraken of mijlpalen (nog niet bereikt door AI).

Conclusie en Toekomstvisie:
Het paper concludeert dat AI op dit moment een krachtig hulpmiddel is dat wiskundigen versterkt, maar niet vervangt. De kracht van AI ligt in zijn superieure breedte aan kennis en vermogen om grote hoeveelheden informatie te verwerken, terwijl mensen nog steeds nodig zijn voor diepgaand begrip, accountability en het beoordelen van de echte originaliteit. De auteurs pleiten voor "Human-AI Interaction Cards" om de bijdragen van AI in publicaties transparant te documenteren.