When AI Navigates the Fog of War

Dit artikel presenteert een tijdsgebonden analyse van hoe grote taalmodellen de onzekere vroege fase van het in 2026 uitgebroken conflict in het Midden-Oosten redeneren, waarbij wordt vastgesteld dat deze modellen vaak strategisch realistisch zijn maar hun betrouwbaarheid varieert afhankelijk van de complexiteit van de politieke omgeving.

De kern

Titel: Kunnen AI's de toekomst voorspellen als ze in de mist lopen?

Stel je voor dat je in een dikke, ondoordringbare mistwand loopt. Je kunt je eigen handen nauwelijks zien, laat staan wat er over een uur of morgen gebeurt. Dit is wat strategen "de mist van de oorlog" noemen: een situatie vol onzekerheid, waar informatie incompleet is, tegenstrijdig en soms zelfs vals.

Deze paper vraagt zich af: Kan een kunstmatige intelligentie (AI) door deze mist heen kijken en een betrouwbare voorspelling doen over hoe een oorlog zal verlopen, zonder dat ze de uitkomst al kent?

Om dit te testen, hebben de onderzoekers een heel slim experiment opgezet met een fictieve, maar realistische oorlog in het Midden-Oosten in 2026. Hier is hoe het werkt, vertaald in alledaags taal:

1. Het Grote Probleem: De "Cheat Sheet"

Normaal gesproken testen we AI's op historische gebeurtenissen (zoals de Tweede Wereldoorlog). Maar dat is vals spelen. De AI heeft die verhalen al gelezen in haar trainingsdata. Het is alsof je een leerling een proefwerk geeft over een examen dat ze al hebben gemaakt; ze geven het juiste antwoord niet omdat ze slim zijn, maar omdat ze het antwoord uit hun hoofd kennen.

De onderzoekers wilden weten of de AI écht kan redeneren, niet alleen herinneren.

2. De Oplossing: Een Oorlog die nog niet gebeurd is

Ze kozen voor een conflict dat pas na de kennis van de AI plaatsvond (in 2026). De AI's hebben hier dus geen enkel boekje over gelezen. Ze moeten net als een mens in de war zitten: "Wat gebeurt er nu? Wat kan er morgen gebeuren?"

Ze bouwden een tijdslijn met 11 belangrijke momenten (zoals een start van een aanval, een aanval op een olietanker, of een nieuwe leider). Op elk moment kregen ze alleen nieuwsberichten die op dat specifieke moment bekend waren. Ze mochten geen informatie gebruiken van de toekomst.

3. Wat deden ze?

De AI's kregen op elk moment vragen gesteld, zoals:

• "Zal Iran nu terugslaan?"
• "Zal de olieprijs stijgen?"
• "Zal de wereldoorlog uitbreken?"

De onderzoekers keken niet alleen naar of het antwoord goed was, maar vooral naar hoe de AI redeneerde.

4. De Resultaten: Wat leerden we?

De onderzoekers ontdekten drie interessante dingen, die we kunnen vergelijken met een groep slimme maar verschillende detectives:

• Soms zijn ze echte strateegs:
  De AI's waren verrassend goed in het doorgronden van de "echte" redenen achter de acties. Ze zagen niet alleen de politieke praatjes ("We zijn boos!"), maar keken naar de onderliggende logica: "Als ze nu stoppen, verliezen ze hun gezag," of "Ze kunnen de olietankers niet blokkeren omdat ze zelf afhankelijk zijn van die olie." Ze dachten mee over kosten, risico's en wat er nodig is om een regering in stand te houden.

• Ze zijn goed in cijfers, minder goed in politiek:
  De AI's waren heel betrouwbaar als het ging over economie en logistiek (bijvoorbeeld: "Als de olietankers stoppen, stijgt de prijs"). Maar als het ging over politieke signalen, leiderschapsstrijd of wie er met wie praat, werden ze onzeker en maakten ze meer fouten. Politiek is vaak vaag en vol dubbelzinnigheid; daar kunnen ze minder goed mee om.

• Hun verhaal verandert naarmate de mist dichter wordt:
  Aan het begin dachten de AI's: "Dit is een korte ruzie, snel opgelost." Maar naarmate er meer nieuws kwam (meer landen betrokken, meer schade), veranderde hun verhaal. Ze realiseerden zich dat dit geen snelle oplossing zou worden, maar een langdurige, vermoeiende strijd die de hele regio zou veranderen. Ze leerden van hun eigen onzekerheid.

5. Waarom is dit belangrijk?

Dit onderzoek is als een tijdcapsule. Omdat de oorlog nog aan de gang is (in de wereld van de paper), hebben we nu een momentopname van hoe AI's denken in een echte crisis, zonder dat ze de uitkomst kennen.

Het laat zien dat AI's meer kunnen dan alleen feiten opdiepen. Ze kunnen complexe situaties analyseren, net als een mens. Maar ze zijn ook menselijk in hun zwaktes: ze worstelen met de vaagheid van politiek en de onvoorspelbaarheid van leiders.

Kortom:
Deze paper laat zien dat als we AI's in de echte, chaotische wereld zetten (in plaats van in een schone testomgeving), ze verrassend goed kunnen nadenken over oorlog en vrede. Ze zijn geen kristallen bollen, maar ze zijn wel slimme, analytische denkers die ons kunnen helpen begrijpen hoe complexe crises zich kunnen ontwikkelen.

Technische samenvatting

Titel: Wanneer AI de Mist van de Oorlog Navigeert: Analyse van Redeneringsgedrag van LLM's tijdens een Ontluikende Geopolitieke Crisis

1. Probleemstelling

Het paper adresseert een fundamentele uitdaging in de evaluatie van Large Language Models (LLM's): het vermogen tot redeneren en voorspellen van geopolitieke gebeurtenissen onder echte onzekerheid ("de mist van de oorlog").

• Hindsight Bias en Data-lek: Traditionele evaluaties van geopolitieke voorspellingen zijn vaak onbetrouwbaar omdat ze retrospectief zijn. LLM's zijn getraind op enorme corpora die historische gebeurtenissen bevatten, wat leidt tot "training-data leakage". Modellen kunnen de uitkomst van een conflict "weten" door hun trainingsdata in plaats van het te redeneren op basis van de informatie die op dat moment beschikbaar was.
• Complexiteit: Geopolitieke crises vereisen het navigeren door onvolledige, ambiguë en tegenstrijdige signalen, waarbij belangen, militaire strategieën en economische factoren verweven zijn. Het is moeilijk te bepalen of een model echt redeneert of slechts patronen herkent uit de trainingsdata.

2. Methodologie

Om dit probleem aan te pakken, hebben de auteurs een tijdsgebonden case study ontworpen rondom het begin van het Midden-Oosten-conflict van 2026. Omdat dit conflict plaatsvond na de trainingscutoff van alle huidige frontier-modellen, is de kans op data-lek minimaal.

• Tijdsgebonden Nodes: De auteurs hebben een tijdlijn samengesteld van 11 kritieke temporale nodes (T0 t/m T10), variërend van 27 februari tot 6 maart 2026. Elke node vertegenwoordigt een moment waarop nieuwe informatie de strategische landschap veranderde (bijv. start van operaties, aanval op nucleaire faciliteiten, economische schokgolven).
• Contextuele Informatie: Voor elke node kregen de modellen uitsluitend toegang tot nieuwsberichten en publieke informatie die voor dat specifieke tijdstip beschikbaar waren. Er werd geen informatie over toekomstige gebeurtenissen verstrekt.
• Vraagontwerp:
  • 42 Verifieerbare Vragen: Specifiek voor elke node, gericht op trends en uitkomsten die later konden worden geverifieerd (bijv. "Zal het VK direct betrokken raken?").
  • 5 Exploratieve Vragen: Brede geopolitieke vragen gesteld bij elke node om de evolutie van het narratief te volgen (bijv. "Zal het conflict escaleren tot een wereldoorlog?").
• Data Collectie: De context werd opgebouwd uit nieuwsartikelen van 12 internationale bronnen (zoals Reuters, Al Jazeera, BBC), wat een ruwe, ongestructureerde informatieomgeving simuleert die een echte analist zou tegenkomen.
• Modellen: Er werden meerdere state-of-the-art LLM's getest, waaronder GPT-5.4, Claude-sonnet-4.6, Gemini-3.1-flash, Qwen3.5 en Kimi-k2.5.

3. Belangrijkste Bijdragen

1. Een Tijdsgebonden Case Study: Dit is een van de eerste werken dat LLM-redenering analyseert tijdens een lopende oorlog, waarbij modellen moeten redeneren met onvolledige informatie zonder kennis van de uitkomst.
2. Gestructureerd Framework: De auteurs hebben een framework ontwikkeld met 11 temporale nodes en 47 vragen om longitudinale observaties mogelijk te maken van hoe modelanalyses evolueren naarmate nieuwe informatie beschikbaar komt.
3. Gearchiveerd Momentopname: Omdat het conflict nog gaande is, dienen de antwoorden als een archief van "contemporaine" machine-redenering. Dit biedt een unieke referentie voor toekomstig onderzoek zonder de vertekening van achterafkennis.

4. Resultaten en Analyse

De analyse van de modelantwoorden leidde tot drie hoofdbevindingen:

• Sterk Strategisch Redeneren: Modellen toonden vaak een sterk vermogen om verder te kijken dan oppervlakkige politieke retoriek. Ze richtten zich op onderliggende structurele factoren zoals militaire "sunk costs", afschrikkingsdruk en materiële beperkingen. Ze waren bijvoorbeeld in staat om te redeneren dat een nieuwe leider in Iran (na een decapitatie) gedwongen zou kunnen worden om agressiever op te treden om intern gezag te tonen, in plaats van passief te reageren.
• Ongelijke Domeinprestaties:
  • Sterk in Economische/Logistieke Domeinen: Modellen presteerden het meest betrouwbaar bij het redeneren over economische schokgolven (Theme III, score ~0.79). De causale ketens tussen militaire acties en energiemarkten waren voor hen goed te volgen.
  • Zwakker in Politieke/Strategische Ambiguïteit: Modellen hadden meer moeite met politieke signalering en multi-actor interacties (Theme II en IV, score ~0.67). Hier, waar strategische ambiguïteit en leiderschapsdynamiek centraal staan, waren de voorspellingen minder consistent.
• Evolutie van Narratieven: De redenering van de modellen evolueerde aanzienlijk naarmate het conflict vorderde:
  • Fase I (Begin): Verwachtingen van snelle diplomatieke oplossingen of beperkte conflicten.
  • Fase II (Escalatie): Verschuiving naar het concept van een "geglobaliseerde regionale oorlog" waarbij economische systemen (zoals de Straat van Hormuz) centraal staan.
  • Fase III (Verdediging): Een verschuiving naar het inzicht dat het conflict waarschijnlijk zal uitmonden in een "moeilijke, stilzwijgende wapenstilstand" gedreven door economische uitputting en logistieke limieten, in plaats van een duidelijke militaire overwinning.

Kwantitatieve Kalibratie:
De modellen toonden een gemiddelde kalibratieconsistentie van 0.72 (1 - MAE), wat aangeeft dat hun waarschijnlijkheidsschattingen redelijk overeenkwamen met de waargenomen uitkomsten binnen de observatieperiode, hoewel er variatie was tussen de modellen en de thema's.

5. Betekenis en Impact

• Nieuwe Evaluatiestandaard: Dit paper biedt een nieuwe benchmark voor het testen van LLM's onder echte onzekerheid, waarbij data-lek wordt geminimaliseerd. Het stelt de vraag of modellen kunnen redeneren in plaats van alleen te memoriseren.
• Inzicht in AI-gedrag: Het onderzoek toont aan dat AI-systemen complexe, multi-actor scenario's kunnen analyseren, maar dat hun betrouwbaarheid sterk afhangt van de aard van het probleem (structureel vs. politiek).
• Toekomstig Onderzoek: De gearchiveerde dataset van modelantwoorden tijdens een lopende crisis biedt een waardevolle bron voor toekomstig onderzoek naar temporeel redeneren, narratieve evolutie en hoe AI omgaat met geopolitieke onzekerheid.
• Beperkingen: De auteurs benadrukken dat dit werk bedoeld is voor analytische en onderzoeksdoeleinden, niet voor operationeel militair gebruik. De resultaten moeten worden gezien als een momentopname van AI-capaciteiten in een specifiek, ongezien scenario.

Samenvattend biedt dit paper een rigoureuze, tijdsgebonden analyse die aantoont dat moderne LLM's in staat zijn tot genuanceerd strategisch redeneren onder de "mist van de oorlog", maar dat hun prestaties sterk variëren afhankelijk van de complexiteit en ambiguïteit van het geopolitieke domein.