25 Fields-medaillewinnaars waarschuwen voor AI die begrip overslaat

De verklaring van 25 Fields-medaillewinnaars waarschuwt dat AI-bedrijven wiskunde steeds meer als benchmark behandelen, terwijl begrip, controle en menselijke kennisoverdracht daardoor in de knel komen.

Voor een Nederlandse ondernemer die AI inzet voor analyses, software, onderzoek of advies, verschuift de inzet daarmee van een antwoord produceren naar een antwoord begrijpen. Snelheid kan de output verhogen, maar zonder controleerbare herkomst en uitleg wordt kenniswerk moeilijker te beoordelen, over te dragen en verantwoord te gebruiken.

Wat de ondertekenaars zien

De verklaring verscheen op 11 september. Terence Tao schrijft dat de 25 initiële ondertekenaars allemaal Fields-medaillewinnaars zijn en dat de groep na gesprekken in de voorafgaande week snel publiceerde omdat de situatie urgent leek. Onder de namen staan ook Peter Scholze, Maryna Viazovska, Cédric Villani en de in 2026 onderscheiden Yu Deng.

De groep keert zich niet tegen AI op zichzelf. Het bezwaar richt zich op de manier waarop AI-bedrijven beroemde wiskundeproblemen inzetten als prestatietest. Voor de wiskundige gemeenschap is een oplossing pas waardevol als die ook nieuwe structuren, methoden en inzichten zichtbaar maakt. Daarna volgt een langzaam proces van gesprekken, controle, vereenvoudiging en overdracht, zodat anderen het resultaat kunnen begrijpen en gebruiken.

De concrete zorgen

Volgens de ondertekenaars kan AI op hoge snelheid ware of onware stellingen produceren zonder dat het vakgebied de betekenis ervan kan uitwerken. Oplossingen worden soms al aangekondigd voordat er een volledige uitleg ligt, nieuwe methoden zijn losgemaakt van het resultaat of eerder werk correct is vermeld. Dat maakt bronvermelding en auteurschap onduidelijk en kan fouten of ideeën zonder context verder laten circuleren.

Daarachter zit een tweede verlies. Studenten leren een eindantwoord. Ze leren ook hoe ze vragen stellen, argumenten opbouwen en voortbouwen op werk van anderen. Als AI vooral het eindproduct levert, dreigt de menselijke overdrachtsketen te verzwakken die nieuwe experts en nieuwe vragen voortbrengt.

Breder dan de wiskunde

De waarschuwing komt een dag nadat OpenAI zich terugtrok als sponsor van een wiskunde-evenement op Caltech, na kritiek van onderzoekers daarover. TechCrunch beschrijft de brief als onderdeel van een conflict over snelheid, erkenning en de controleerbaarheid van AI-resultaten. De verklaring noemt geen bedrijf en maakt de inzet juist breder: dezelfde spanning kan ontstaan in softwareontwikkeling, onderzoek, onderwijs en andere vormen van kenniswerk.

Dat is een andere vraag dan in OpenAI's Navier-Stokes-claim met 10.000 agents en 88 uur werk. Dat eerdere verhaal draaide om de herkomst en onafhankelijke beoordeling van één AI-geproduceerd bewijs. De nieuwe verklaring gaat over de norm eronder: welk doel moet AI in kenniswerk dienen, en wie bewaakt dat doel wanneer een systeem sneller resultaten maakt dan mensen ze kunnen duiden?

De grens voor bedrijven

Voor organisaties wordt die grens praktisch zodra AI onderdeel wordt van een kernproces. Een model kan code schrijven, een analyse samenvatten of een advies voorbereiden, maar de uitkomst blijft pas bruikbaar als duidelijk is welke bronnen, controles en menselijke beslissingen eraan voorafgingen. Dat dossier maakt een fout onderzoekbaar. Het bepaalt ook of kennis binnen een team blijft bestaan wanneer de oorspronkelijke maker vertrekt. Ook intern moet een collega de redenering kunnen terugvinden en weten waar menselijke beoordeling stopte.

De Fields-medaillewinnaars laten ruimte voor AI die onderzoek en begrip echt versnelt. Hun punt is dat de uitkomst afhangt van menselijke keuzes over hoe de technologie wordt ingezet. De scheidslijn loopt dus niet tussen mens en machine, maar tussen een antwoord dat alleen wordt afgeleverd en kennis die iemand kan uitleggen, controleren en doorgeven.