Wetenschappers in en buiten Europa omarmen dit jaar de Leiden Declaration over wiskunde en kunstmatige intelligentie. De verklaring is opgesteld in Leiden en zet het debat aan over hoe AI het vakgebied verandert. Universiteiten en onderzoeksorganisaties bespreken de gevolgen voor onderzoek en onderwijs. Het doel is helder: verantwoord gebruik van algoritmen, met oog voor bewijs, transparantie en publieke waarden.
Verklaring zet agenda voor wiskunde
De Leiden Declaration schetst principes voor hoe wiskunde en AI elkaar versterken zonder kwaliteit te verliezen. De kern is dat uitkomsten controleerbaar en navolgbaar moeten blijven, ook als modellen meedenken. De tekst richt zich op onderzoekers, opleidingen en beleidsmakers. Zo ontstaat één gesprekstaal voor keuzes in labs, curricula en financiering.
De snelle opkomst van generatieve systemen, zoals GPT-4 (OpenAI), Gemini (Google) en Llama (Meta), maakt dit urgent. Deze modellen kunnen redeneren, programmeren en schetsen van bewijzen geven. Dat biedt kansen voor ontdekking en onderwijs. Maar het vergroot ook het risico op ondoorzichtige fouten en pseudo-bewijzen.
De verklaring vraagt daarom om menselijk toezicht en controleerbare methoden. Bewijsstappen moeten te verifiëren zijn, bij voorkeur met formele hulpmiddelen. Data, code en modellen horen waar mogelijk open te zijn. Zo blijft wiskunde toetsbaar en herhaalbaar, ook in een tijd van krachtige zwarte-doos-systemen.
Europese AI-verordening raakt onderzoek
De Europese AI-verordening (AI Act) werkt met een risicobenadering en raakt ook academisch gebruik. Onderzoek kent vrijstellingen, maar bij inzet buiten het lab gelden strengere eisen. Denk aan onderwijssoftware, toetsing of adviesfuncties die studenten en burgers raken. Universiteiten moeten dan documenteren, testen en risico’s beperken.
Grote algemene modellen (GPAI) van bedrijven als OpenAI, Google en Meta vallen onder extra plichten. Instellingen die zulke modellen integreren, moeten naleving borgen en de herkomst van componenten kennen. De AVG blijft daarnaast leidend bij verwerking van persoonsgegevens. Dataminimalisatie en versleuteling zijn dan basiseisen.
De AI-verordening deelt AI-systemen in vier risicoklassen: minimaal, beperkt, hoog en onaanvaardbaar. Voor hoge risico’s gelden strikte verplichtingen, zoals documentatie, kwaliteitsmanagement en menselijk toezicht.
De lijn van de Leiden Declaration sluit aan bij deze Europese kaders. Transparantie, uitlegbaarheid en verifieerbaarheid maken naleving praktischer. Inkoop en IT-beheer bij universiteiten, bijvoorbeeld via SURF in Nederland, kunnen daarop standaardiseren. Dat versnelt veilig gebruik in onderwijs en onderzoek.
Onderwijs verschuift naar redeneren
AI-tools zoals Wolfram Alpha (Wolfram Research), ChatGPT (OpenAI) en Copilot (Microsoft) veranderen wiskunde-onderwijs. Routinetaken worden geautomatiseerd, waardoor toetsvormen moeten mee veranderen. De nadruk verschuift naar probleemformulering, redeneren en het uitleggen van tussenstappen. Studenten leren zo met én over algoritmen werken.
Detectie van AI-gebruik werkt onbetrouwbaar en is juridisch lastig te borgen. Oplossingen liggen eerder in open-boek, mondelinge of procesgerichte toetsen. Daarbij telt het denkpad net zo zwaar als het eindantwoord. Dit past bij de oproep om transparante methoden te belonen.
Docenten hebben ondersteuning nodig om opdrachten en leeruitkomsten aan te passen. Europese netwerken en projecten, zoals AI4EU en het European Digital Education Hub, kunnen materiaal delen. Ook landelijke diensten in Nederland kunnen hierbij helpen met richtlijnen en training. Zo wordt de werkdruk beperkt en kwaliteit geborgd.
Bewijscontrole vraagt open tooling
Formele bewijsassistenten helpen om stappen mechanisch te controleren. Voorbeelden zijn Lean (community, oorsprong bij Microsoft Research), Coq (Inria) en Isabelle (TU München). Deze systemen leggen definities en bewijzen vast in strikte, machineleesbare taal. Dat maakt fouten en verborgen aannames zichtbaar.
Open broncode en open bibliotheken vergroten herhaalbaarheid. De Lean-bibliotheek mathlib laat zien hoe gemeenschappen samen bewijsketens opbouwen. Publieke benchmarks helpen om vorderingen van algoritmen eerlijk te meten. Zo ontstaat een transparante lat voor nieuwe AI-claims.
Generatieve modellen kunnen plausibele maar onjuiste bewijzen produceren. Formele verificatie is daarom een noodzakelijke tegenhanger. De verklaring moedigt integratie van formele checks in de workflow aan. Dat verkleint risico’s op misleiding en versterkt vertrouwen in resultaten.
Financiering en samenwerking nodig
Serieuze inzet van AI in wiskunde vraagt rekenkracht, data-infrastructuur en tijd. Europese voorzieningen als EuroHPC en de European Open Science Cloud (EOSC) kunnen daarbij helpen. Universiteiten hebben steun nodig om toegang te regelen en kosten te dragen. Duidelijke prioriteiten maken investeringen doelgericht.
Horizon Europe, de European Research Council (ERC) en NWO kunnen gerichte programma’s opzetten. Interdisciplinaire calls verbinden wiskunde, informatica en ethiek. Vereisten rond open data en software sluiten aan bij de verklaring. Zo wordt kwaliteit een expliciete beoordelingsfactor.
Publiek-private samenwerking biedt extra kennis en tooling. Bedrijven als Google DeepMind, Wolfram Research en Microsoft brengen ervaring in met redenerende systemen. Afspraken over intellectueel eigendom en data zijn dan cruciaal. Transparantie en toetsbaarheid blijven de rode draad.
Internationale weerklank en vervolg
Universiteiten en vakverenigingen in Europa, Noord-Amerika en Azië bespreken de verklaring. De European Mathematical Society en de International Mathematical Union voeren al langer gesprekken over AI en bewijs. De Leidse tekst geeft dat debat richting en concrete taal. Daarmee groeit de kans op gedeelde standaarden.
Volgende stappen zijn werkplaatsen, richtlijnen en handreikingen voor curricula. Ook peer review en conferenties kunnen eisen rond verifieerbaarheid aanscherpen. Dat versnelt gewenst gedrag zonder extra bureaucratie. Beleidskeuzes sluiten zo beter aan op de praktijk in labs en zalen.
Nederland kan hierin een voortrekkersrol spelen met Leiden als knooppunt. Aansluiting op de AI Act en de AVG maakt de Europese lijn helder. Op het moment van schrijven werken meerdere instellingen aan eigen implementatiestrategieën. De impact blijkt straks uit beter onderwijs, sterkere bewijzen en minder black boxes.