Wat het betekent als AI jaren vakwerk comprimeert in 11 dagen

Vorige week voltooide Anthropics AI-model Claude een van de zwaarste klussen in de wiskunde. Het doel was het bewijs van de Laatste Stelling van Fermat — een probleem dat 350 jaar openbleef nadat Pierre de Fermat het in 1637 in de kantlijn van een boek schreef. De wiskundige Andrew Wiles loste het eindelijk op in 1995, in 129 dichte pagina's na jaren werk. Claude voltooide zijn versie in 11 dagen.

Ter verduidelijking: Claude loste de stelling niet van scratch op — Wiles had dat al gedaan. De taak was het bewijs te "formaliseren": de menselijke wiskunde vertalen naar computercode die een machine stap voor stap controleert, zonder foutenmarge. Experts schatten dat dit een team van specialisten meerdere jaren zou kosten. Claude liet tientallen parallelle agents tegelijk werken en produceerde 13 miljoen regels geverifieerde code — vijf keer groter dan elke wiskundebibliotheek daarvoor.

Onderweg bewezen de agents 29.500 tussenliggende stellingen en verwerkte het systeem zo'n 6 miljard tokens — de kleine teksteenheden die een AI verwerkt. Een apart experiment formaliseerde een andere bekende stelling in drie dagen, met consumentenplannen die iedereen nu kan gebruiken.

Het echte verhaal gaat niet over wiskunde — het gaat over tijd. Als AI een meerjarig expertproject kan samendrukken tot 11 dagen, kan hetzelfde patroon gelden voor juridische documentenreview, wetenschappelijke literatuurcontrole, complianceanalyse of code-audit. Elk hoogwaardig, expertintensief werk dat tijd kost om te verifiëren, is nu een kandidaat: maanden expertwerk samengedrukt tot dagen.

Een eerlijke kanttekening: dit werkte omdat de juiste infrastructuur aanwezig was — community-wiskundebibliotheken, een open-source platform en mensen die op cruciale momenten de richting bepaalden. AI verving de experts niet; het werkte snel naast hen. De praktische vraag voor elk team: waar houdt langzame, expertintensieve verificatie alles anders op?