# MIT-studie: AI lost steeds meer theoretische vraagstukken op buiten de wiskunde

- Rubriek: Modellen
- Gepubliceerd: 2026-10-14T20:15:00+02:00
- URL: https://aiweekblad.nl/artikel/mit-studie-ai-lost-steeds-meer-theoretische-vraagstukken-op-buiten-de-wiskunde
- Bron: WIRED, [AI Came for Math. Now It’s Chasing the Rest of Science](https://www.wired.com/story/ai-is-coming-for-science-next-watch-out/)

> Onderzoekers van MIT testten zes OpenAI-modellen op nieuwe theoretische problemen uit onder meer economie, statistiek en natuurkunde. In twee jaar steeg het aandeel correct opgeloste vraagstukken van ongeveer 2 naar ongeveer 35 procent.

Na de wiskunde lijken andere theoretische vakgebieden aan de beurt. Dat blijkt uit een studie van Neil Thompson, die bij MIT onderzoekt hoe vooruitgang in computers en AI de samenleving en innovatie beïnvloedt. Hij deed het onderzoek samen met promovendus Gabriel Manso en onderzoeker Claudio Mayrink Verdun. WIRED sprak met de onderzoekers.

## Hoe de test werkte

De onderzoekers verzamelden theoretische vraagstukken uit wetenschappelijke artikelen die tussen december 2025 en mei 2026 online verschenen. Die legden ze voor aan zes OpenAI-modellen: o1, o3, GPT-5, GPT-5.1, GPT-5.4 en GPT-5.5.

Belangrijk detail: de oplossingen stonden in artikelen die pas verschenen na de trainingsperiode van die modellen. De modellen konden het antwoord dus niet uit hun trainingsdata halen. Internettoegang was ook geblokkeerd, zodat ze niets konden opzoeken.

## De uitkomst

Tussen half 2024 en half 2026 stegen de beste modellen van ongeveer 2 procent naar ongeveer 35 procent correct opgeloste problemen. Het ging om vakgebieden als kansrekening, statistische theorie, economische theorie, theoretische hogeenergiefysica, zwaartekracht en kosmologie, en kwantumfysica. Volgens Thompson is er geen teken dat de vooruitgang vertraagt. Hij verwacht dat AI binnen een paar jaar veel theoretische vragen in deze velden kan beantwoorden.

## Kanttekeningen

- De studie keek alleen naar vakgebieden waarin je problemen op papier kunt oplossen, zonder simulaties of experimenten.

- Alleen modellen van OpenAI zijn getest.

- 35 procent betekent ook dat het merendeel van de problemen nog niet wordt opgelost.

- Controle blijft nodig. Volgens Manso kan een model bij zeer complexe problemen fouten maken en klinkt een antwoord makkelijk overtuigend, terwijl de volledige uitwerking soms niet klopt. OpenAI trok na publicatie zelf ook enkele oplossingen uit zijn nieuwste dataset terug.

## De achtergrond: onrust in de wiskunde

De studie komt op een moment dat de wiskundewereld zich afvraagt wat AI met het vak doet. Vorige maand meldde OpenAI dat een nog niet uitgebracht model een groot open vraagstuk rond de Navier-Stokes-vergelijkingen had opgelost, wat tot ophef leidde. Sindsdien zijn er volgens WIRED honderden oplossingen voor oude wiskundeproblemen aangekondigd. Sommige wiskundigen pleiten voor grenzen aan AI-gebruik, omdat het oplossen zelf vaak net zo waardevol is als het antwoord.

## Wat betekent dit?

Voor onderzoekers en studenten in theoretische vakken kan AI snel een gewoon hulpmiddel worden, net als in de wiskunde nu al gebeurt. De onderzoekers benadrukken dat er nog steeds mensen nodig zijn die goede ideeën bedenken en verbanden leggen. Het roept ook vragen op over opleidingen, over wie de eer krijgt voor een ontdekking en over hoe je nagaat of een AI-oplossing klopt.

_Met AI geschreven door AIweekblad op basis van [AI Came for Math. Now It’s Chasing the Rest of Science](https://www.wired.com/story/ai-is-coming-for-science-next-watch-out/) (WIRED). Redactiebeleid: https://aiweekblad.nl/redactiebeleid_