AI-systemen lossen sinds het begin van 2026 steeds vaker openstaande wiskundeproblemen op en formaliseren zelfs complete stellingen. Maar daar zit een probleem: de resultaten komen sneller binnen dan mensen ze kunnen controleren. Onderzoekers Mario Vago Marzal en Enric Cosme Llópez zien die kloof als het nieuwe knelpunt in de wiskunde — en stellen een gespecialiseerd softwarekader voor om hem te dichten.
🧠 Even simpel uitgelegd
Stel dat een robot honderden wiskundige bewijzen per dag schrijft. Wie controleert dan of ze allemaal kloppen? Dat lukt geen mens meer. De onderzoekers willen daarom een soort 'gedeeld labo' bouwen: een digitaal systeem waar mensen én AI samen aan bewijzen werken, waarbij elke stap wordt geregistreerd en iedereen kan nagaan wat er gebeurd is. Vergelijk het met een keuken waarin robots koken, maar chef-koks elke schotel kunnen proeven en bijhouden wie wat bereidde.
Van probleemoplossing naar informatiebeheer
In de klassieke wiskunde draaide alles om één ding: een correct bewijs vinden. Die taak nemen AI-systemen nu op grote schaal over. De prioriteit verschuift daardoor. De uitdaging is niet langer het produceren van een resultaat, maar het bepalen hoe betrouwbaar het is — en hoe een heel onderzoeksteam het collectief kan begrijpen.
Volgens het wetenschappelijke voorstel zijn de huidige digitale hulpmiddelen daarvoor onvoldoende. Bestaande instrumenten zijn vaak te specifiek of enkel geschikt voor individueel gebruik. Er ontbreekt een gedeelde werkomgeving die specifiek is ingericht op de interactie tussen menselijke onderzoekers en AI-agenten.
Een modulaire, zelfgehoste oplossing
Marzal en Llópez pleiten voor een zelfgehoste digitale omgeving waarin mensen en AI-agenten gezamenlijk aan wiskundige vraagstukken werken. De architectuur rust op een 'open core': een compacte basis die onderzoeksgroepen naar eigen behoefte implementeren en uitbreiden met specifieke extensies.
De inzet van software is daarbij essentieel voor de administratieve controle. Het systeem moet nauwkeurig registreren welke acties door wie zijn uitgevoerd. Bovendien krijgt elk resultaat en elk bericht een uniek, stabiel adres. Dat is cruciaal voor de traceerbaarheid — en uiteindelijk voor de verificatie van complexe bewijzen.
Samenwerking en het Stemma-prototype
Het voorstel stopt niet bij één team. De auteurs schetsen een visie waarin verschillende onderzoeksgroepen via netwerken van formele bibliotheken met elkaar verbonden raken. Die bibliotheken worden grotendeels door AI-agenten onderhouden, wat de standaardisatie en de kennisuitwisseling tussen instituten moet versnellen.
Om te tonen dat dit model ook echt werkt, bouwden de onderzoekers een prototype: Stemma. Met een synthetisch voorbeeld lieten ze zien dat de voorgestelde infrastructuur in de praktijk kan functioneren.
Wetenschappelijke context en publicatie
Het volledige document beslaat 16 pagina's, met diverse tabellen en figuren, en werd op 8 november 2026 gepubliceerd via arxiv.org. Het artikel staat in de categorie 'History and Overview' binnen de wiskunde en richt zich op het snijvlak van informatica en wiskundig onderzoek.
De technologische vooruitgang van 2026 versnelt het oplossen van wiskundige raadsels dus flink. Maar de conclusie van het voorstel is duidelijk: de menselijke factor blijft bepalend. Zonder adequate organisatie, vertrouwen en collectief begrip blijft de mens de limiterende factor in de wetenschappelijke vooruitgang — ongeacht de rekenkracht van de gebruikte AI-agenten.