Een model van OpenAI lijkt een wiskundig probleem te hebben opgelost dat wiskundigen al decennia bezighoudt.
In een paper van drie pagina’s, gehost op het officiële contentdeliverynetwerk van OpenAI, wordt gesteld dat het Cycle Double Cover-vermoeden is bewezen, een al jaren openstaand probleem in de grafentheorie. Volgens de paper is het volledige bewijs gegenereerd door GPT-5.6 Sol Ultra; Codex en GPT-5.6 Sol zouden zijn ingezet om het resultaat om te zetten in een leesbare paper.
Dat is een forse claim. Als onafhankelijke wiskundigen het bewijs bevestigen, zou dat laten zien dat geavanceerde AI-systemen meer kunnen dan bestaande literatuur samenvatten of helpen bij berekeningen. Ze zouden dan in staat zijn tot originele wiskunde die sterk genoeg is om problemen op te lossen waar mensen al jaren op vastlopen.
Voorlopig blijft het echter een geclaimd bewijs, geen algemeen geaccepteerde doorbraak.
Wat heeft de AI naar eigen zeggen opgelost?
Grafentheorie is de tak van de wiskunde die zich bezighoudt met netwerken.
Een graaf kun je zien als een verzameling punten die met lijnen aan elkaar zijn verbonden. De punten kunnen mensen, computers, steden of willekeurige andere objecten voorstellen; de lijnen modelleren de relaties of verbindingen daartussen.
Het Cycle Double Cover-vermoeden vraagt of elk verbonden netwerk zonder cruciaal enkelvoudig uitvalpunt kan worden afgedekt met een verzameling lussen zó dat elke verbinding precies twee keer voorkomt.
Dat klinkt abstract, maar het probleem staat al tientallen jaren open en wordt in verband gebracht met prominente wiskundigen als William Tutte, George Szekeres en Paul Seymour.
Voor bepaalde klassen van grafen is het vermoeden al bewezen, maar een volledig algemeen bewijs ontbrak.
De nieuwe, door OpenAI gehoste paper claimt precies dat gat te dichten.
De kern van de bewijsstrategie
De redenering in de paper is technisch, maar de hoofdlijn laat zich eenvoudiger schetsen.
Eerst wordt het probleem teruggebracht tot een eenvoudiger klasse van netwerken, waarin elk punt exact drie verbindingen heeft.
Het model gebruikt vervolgens een bekend wiskundig instrument, een zogenoemde “flow”, om labels toe te kennen aan de verbindingen van het netwerk. Die labels worden daarna zó herschikt dat de verbindingen zich vanzelf in lussen organiseren.
Cruciaal is dat elke verbinding exact in twee van die lussen moet voorkomen.
Volgens de paper kan de resterende inconsistentie tussen verschillende delen van het netwerk worden opgelost met lineaire algebra. Zodra dat consistentieprobleem is verholpen, volgt de volledige cykelafdekking.
In eenvoudiger bewoordingen: de AI lijkt een aantal bestaande wiskundige technieken te hebben gecombineerd op een nieuwe manier, en die te hebben gebruikt om de vereiste lussen over ieder geldig netwerk te construeren.
Waarom dit relevant is voor AI
AI-systemen worden al op grote schaal gebruikt om code te schrijven, markten te analyseren, literatuur samen te vatten en te assisteren bij wetenschappelijk onderzoek.
Maar het leveren van een sluitend bewijs voor een groot wiskundig vermoeden is een heel andere orde van complexiteit.
Een juist bewijs moet werken voor alle gevallen die onder de stelling vallen. Het is niet genoeg dat het overtuigend oogt of in een paar voorbeelden het juiste antwoord geeft.
Ook interessant: Anthropic Q3-winst naar verwachting boven $1 mrd bij naderen IPO-aanvraag
Juist daarom geldt wiskunde als een van de scherpste testen of een AI-systeem daadwerkelijk kan redeneren, in plaats van alleen maar plausibele tekst te genereren.
Als het bewijs standhoudt, zou dat aangeven dat frontiermodellen in staat raken bestaande kennis te combineren tot daadwerkelijk nieuwe argumenten.
De implicaties reiken dan verder dan grafentheorie. Vergelijkbare systemen zouden onderzoekers kunnen helpen bij lastige vraagstukken in de fysica, cryptografie, informatica en economie.
De echte test begint nu
Dat de paper wordt gehost op een door OpenAI beheerd domein, geeft het document meer herleidbaarheid dan een anonieme upload. Maar dat maakt het bewijs niet automatisch correct.
Het manuscript vermeldt geen bij naam genoemde menselijke auteurs, geen peerreview-geschiedenis en geen commentaar van onafhankelijke grafentheoretici.
Dat is relevant, omdat beroemde wiskundige problemen regelmatig “oplossingen” aantrekken die bij nadere inspectie gaten blijken te bevatten.
Een bewijs kan er op het eerste gezicht netjes uitzien, maar alsnog falen omdat een stap iets veronderstelt dat niet altijd geldt, een speciaal geval over het hoofd ziet of een bestaande stelling te ruim toepast.
De volgende stap is dus onafhankelijke verificatie.
Wiskundigen zullen iedere reductie moeten nalopen en nagaan of het lineair-algebraïsche deel van het argument werkt voor alle brugloze grafen waarop het vermoeden betrekking heeft.
Onderzoekers zouden ook kunnen proberen het betoog te vertalen naar een formeel proof assistant-systeem, waarin elke logische stap door software moet worden gevalideerd.
Geclaimde doorbraak, geen vaststaand feit
De meest voorzichtige formulering op dit moment is dat een OpenAI-model een mogelijk belangrijk bewijs heeft voortgebracht dat nog externe bevestiging behoeft.
Vinden experts een fout, dan kan de paper alsnog waardevol blijken, bijvoorbeeld door een nieuwe aanpak of reductie te introduceren.
Blijft het bewijs overeind onder scherpe kritiek, dan zijn de gevolgen veel groter.
Dan zou een AI-systeem niet alleen een wiskundige hebben geassisteerd, maar zelfstandig krediet krijgen voor het oplossen van een probleem dat generaties lang openstond.
Het verhaal is dus nog niet dat AI definitief het Cycle Double Cover-vermoeden heeft opgelost.
Het is dat AI dat mogelijk heeft gedaan — en dat het nu aan de wiskundige gemeenschap is om te bepalen of het model echt heeft raakgeschoten of een van de meest overtuigend ogende missers tot nu toe heeft geproduceerd.
Lees verder: China in overleg met Alibaba en ByteDance over beperking export AI-modellen