Tussen vermoedens en protocollen: OpenAI waagt zich aan de exacte wetenschappen

Op 26 oktober 2026 maakte OpenAI bekend dat zijn interne modellen drie belangrijke theoretische resultaten hadden opgeleverd: de weerlegging van de Exponential Time Hypothesis (ETH) in de informatica, het bewijs van het local-smoothingvermoeden in de wiskunde en rigoureuze bestaansbewijzen voor bepaalde wisselwerkende kwantumveldentheorieën in vier dimensies, waaronder QCD en zuivere Yang-Millstheorie. Ook als ze worden bevestigd, hebben de resultaten duidelijke grenzen: de weerlegging van de ETH beslist P tegen NP niet en levert geen polynomiale algoritmen op, en OpenAI beweert niet het millenniumprobleem van het Clay Institute over Yang-Mills te hebben opgelost, want het deel over de massakloof blijft open.

Naast de theoretische reikwijdte trekt vooral de manier van publiceren de aandacht. Het bedrijf koos drie verschillende routes: directe publicatie met een formalisering in Lean voor de wiskunde; publicatie gelijktijdig met een onafhankelijke controle voor de informatica, toevertrouwd aan de bedenkers van de hypothese, Russell Impagliazzo en Ramamohan Paturi van UC San Diego, en aan Ryan Williams van het MIT; en vooraf overdragen aan een groep natuurkundigen onder leiding van Nobelprijswinnaar David Gross. Volgens ForkLog benadrukte de groep dat deelname aan de controle niet betekent dat ze de conclusie van OpenAI onderschrijft, en kondigde ze een controle aan die openstaat voor de gemeenschap. Zoals hetzelfde medium meldde, verklaarde OpenAI het materiaal „eerst aan de experts te willen geven, die vervolgens bepalen hoe het wordt gepubliceerd”. De Advisory Group on Mathematics and Artificial Intelligence (AGMAI) vroeg OpenAI het Yang-Millsartikel te publiceren: „er is geen enkele wetenschappelijke reden om het nog langer uit te stellen”. Volgens Scientific American druist de aanpak bij twee van de drie resultaten in tegen de aanbevelingen van de groep, ook wat de aanwijzing van de experts betreft.

Er blijven belangrijke methodologische bedenkingen. Geen van de drie resultaten is al peer-reviewed of onafhankelijk bevestigd. Het Yang-Millsartikel is niet openbaar en dus voorlopig niet te controleren. Bij de ETH vermeldt de documentatie in de GitHub-repository van OpenAI dat de in Lean geformaliseerde bewering een zwakkere analytische grens heeft dan die in het manuscript, en er is niet nagegaan of de geformaliseerde bewering precies overeenkomt met de stelling van het manuscript. Omdat het bovendien om een propriëtair model gaat waarvan prompts, rekentijd en redeneerketens niet bekend worden gemaakt, moet de wetenschappelijke gemeenschap teksten beoordelen die OpenAI zelf ruwe onderzoeksdata noemt: de output van een systeem waarvan de logische onderdelen niet toegankelijk zijn.

De aankondigingen komen vóór de controles, en controles kosten tijd: de waarde van kunstmatige intelligentie in theoretisch onderzoek zal ook worden afgemeten aan de transparantie van haar methoden. — Olya