De slimste rekenmachines ter wereld botsen op een onverwachte grens
Kunstmatige intelligentie kan examens afleggen, complexe wiskundige bewijzen reproduceren en enorme hoeveelheden kennis verwerken. Toch ontbreekt er volgens een van 's werelds grootste wiskundigen nog iets fundamenteels: het vermogen om een écht nieuwe vraag te stellen.
Dat stelt de gerenommeerde wiskundige Terence Tao. Tao, die dagelijks AI-tools gebruikt en bekendstaat als een van de meest invloedrijke denkers binnen de moderne wiskunde, ziet zowel de indrukwekkende kracht als de duidelijke beperkingen van de technologie.
Volgens hem ligt de scheidslijn tussen menselijke creativiteit en kunstmatige intelligentie veel scherper dan veel headlines suggereren.
AI heeft alle boeken gelezen, maar ontdekt nog geen nieuwe wereld
Moderne AI-systemen hebben toegang gehad tot een ongekende hoeveelheid menselijke kennis. Van wetenschappelijke publicaties en schoolboeken tot programmeercode en encyclopedieën: vrijwel alles wat ooit digitaal werd vastgelegd, kan onderdeel zijn geweest van hun training.
Toch betekent kennis absorberen niet automatisch dat er nieuwe kennis ontstaat.
Volgens Tao zijn AI-systemen bijzonder goed in het herkennen van patronen en het combineren van bestaande informatie. Ze kunnen daardoor vaak verrassend intelligente antwoorden geven. Maar wanneer het aankomt op het formuleren van volledig nieuwe onderzoeksvragen, lopen ze tegen een fundamentele beperking aan.
Een systeem kan immers perfect begrijpen hoe eerdere ontdekkingen zijn gedaan zonder zelf te beseffen welke onbekende vragen nog onbeantwoord zijn.
Waarom een bestaand bewijs herhalen minder indrukwekkend is dan het lijkt
Veel AI-demonstraties tonen modellen die beroemde wiskundige bewijzen opnieuw afleiden. Op het eerste gezicht lijkt dat een bewijs van intelligentie.
Tao kijkt daar anders naar.
Een bestaand bewijs reconstrueren betekent namelijk niet dat een systeem dezelfde intellectuele reis heeft afgelegd als de oorspronkelijke ontdekker. De machine beweegt zich binnen een landschap dat al bekend is. Ze volgt paden die ooit door mensen zijn uitgezet.
De echte uitdaging ligt volgens hem niet in het vinden van het antwoord, maar in het herkennen van een vraag die nog nooit eerder gesteld werd.
Dat onderscheid maakt volgens Tao het verschil tussen geavanceerde reproductie en echte innovatie.
Een miljoen knopen en een verborgen patroon
Toch wil Tao de capaciteiten van AI niet onderschatten.
Hij verwijst naar een opmerkelijk voorbeeld uit de wiskunde waarbij een neuraal netwerk werd ingezet om een enorme verzameling van meer dan een miljoen wiskundige knopen te analyseren. Tijdens die analyse ontdekte het systeem een verborgen patroon dat menselijke onderzoekers niet eerder hadden opgemerkt.
De ontdekking betekende niet dat AI zelfstandig nieuwe wiskunde had uitgevonden. Wel wees het onderzoekers op een verband dat later door mensen verder werd onderzocht en verklaard.
Dat voorbeeld laat volgens Tao zien waar AI vandaag uitblinkt: het blootleggen van onverwachte patronen in gigantische hoeveelheden data.
De interpretatie en betekenisgeving blijven echter grotendeels menselijke taken.
De grote verrassing: niemand weet waar AI morgen goed in zal zijn
Een van de meest fascinerende aspecten van moderne AI is volgens Tao de onvoorspelbaarheid ervan.
Onderzoekers kunnen vaak niet nauwkeurig voorspellen welke taken een model uitstekend zal uitvoeren en welke opdrachten onverwacht moeilijk blijken.
Sommige complexe problemen worden verrassend goed opgelost, terwijl ogenschijnlijk eenvoudige taken voor AI lastig blijven.
Dat maakt de technologie krachtig, maar ook moeilijk te doorgronden.
Zelfs de ontwikkelaars begrijpen nog niet volledig waarom bepaalde vaardigheden spontaan ontstaan terwijl andere achterblijven.
De Keating-test: een meetlat voor echte machine-intelligentie
Tao verwijst ook naar een gedachte-experiment dat bekendstaat als de "Keating Test".
Waar de bekende Alan Turing zich richtte op de vraag of een machine menselijk gedrag kan imiteren, legt de Keating-test de lat hoger.
De test vraagt niet of een machine overtuigend kan antwoorden, maar of ze een originele vraag kan bedenken die menselijke onderzoekers inspireert tot volledig nieuwe inzichten.
Volgens Tao zou het succesvol doorstaan van zo'n test een veel sterkere aanwijzing zijn voor werkelijk machine-denken dan het slagen voor examens of het schrijven van essays.
Tot nu toe heeft geen enkel AI-systeem dat niveau bereikt.
Waar geheugen stopt en ontdekking begint
De discussie rond kunstmatige intelligentie draait vaak om prestaties: hogere benchmarks, betere scores en indrukwekkendere demonstraties.
Tao wijst erop dat die cijfers slechts een deel van het verhaal vertellen.
Menselijke vooruitgang ontstaat vaak niet doordat iemand een bestaand antwoord vindt, maar doordat iemand een vraag stelt die nog niemand eerder heeft overwogen. Juist daar bevindt zich volgens hem de grootste uitdaging voor AI.
Vandaag kunnen machines vrijwel elke toets halen. Ze kunnen enorme kennisbanken doorzoeken en informatie combineren op een schaal die voor mensen onmogelijk is.
Maar zolang ze niet zelfstandig nieuwe onderzoeksrichtingen kunnen bedenken, blijft er een cruciale kloof bestaan tussen menselijke creativiteit en kunstmatige intelligentie.
Of die kloof permanent is, weet niemand.
Maar volgens Terence Tao is dat precies de vraag die de toekomst van AI zal bepalen.
