AI verandert de wetenschap ingrijpender dan we denken

Kunstmatige intelligentie is niet alleen een handig hulpmiddel voor wetenschappers, schrijft voormalig rector Emile Aarts. AI-systemen dragen al jaren bij aan het oplossen van wetenschappelijke vraagstukken. ‘De vraag is niet of AI de wetenschapper vervangt, maar hoe de wetenschap verandert.’

Beeld Kitinut Jinapuck / Shutterstock

In zijn column AI neemt het wetenschappelijk onderzoek nog niet over (10 november 2026) stelt Hans Van Eyghen dat de invloed van kunstmatige intelligentie op wetenschappelijk onderzoek tot dusver meevalt. AI is handig bij het zoeken naar informatie, het samenvatten van literatuur en het verbeteren van teksten, maar het creatieve denken en het wetenschappelijke redeneerwerk blijven volgens hem mensenwerk. Hij onderbouwt zijn conclusie onder meer met het beperkte aantal door AI gegenereerde artikelen dat door wetenschappelijke tijdschriften is geaccepteerd.

Van Eyghen stelt hiermee de verkeerde vraag. De wetenschappelijke betekenis van AI moet niet worden afgemeten aan het aantal door AI geschreven en gepubliceerde artikelen. De wezenlijke vraag is of AI bijdraagt aan nieuwe wetenschappelijke kennis, het oplossen van fundamentele problemen en het realiseren van ontdekkingen die zonder AI moeilijker, langzamer of wellicht helemaal niet tot stand zouden zijn gekomen. Het antwoord daarop is inmiddels onmiskenbaar: ja.

Kijk bijvoorbeeld naar de wiskunde. In 2024 bereikten de AI-systemen AlphaProof en AlphaGeometry 2 een prestatieniveau vergelijkbaar met dat van een zilverenmedaillewinnaar bij de Internationale Wiskunde Olympiade. In 2025 behaalde een geavanceerde versie van Gemini Deep Think zelfs een goudenmedailleniveau door vijf van de zes opgaven correct op te lossen.

Nog interessanter is AlphaEvolve, dat bestaande wiskundige oplossingen heeft verbeterd en een nieuw algoritme voor matrixvermenigvuldiging ontdekte. Daarmee werd een resultaat verbeterd dat bijna vijftig jaar als de beste bekende oplossing gold. Dit is geen tekstproductie, maar een bijdrage aan de ontwikkeling van wiskundige kennis en methoden.

Ook in de biologie is sprake van een fundamentele verandering. AlphaFold heeft de voorspelling van eiwitstructuren revolutionair veranderd en werd in 2024 bekroond met de Nobelprijs voor Scheikunde. In 2025 werd AlphaGenome geïntroduceerd, een AI-model dat grote delen van het menselijk genoom analyseert en voorspelt hoe genetische variaties de werking en regulering van genen beïnvloeden. Daarmee krijgen biologen nieuwe mogelijkheden om de relatie tussen genetische informatie, cellen en ziekten te onderzoeken.

Vergelijkbare doorbraken worden gemeld in de economie en econometrie. In 2022 ontwikkelden onderzoekers met The AI Economist een systeem op basis van reinforcement learning dat zelfstandig belastingstelsels kon ontwerpen en evalueren. In gesimuleerde dynamische economieën vond het systeem beleidsoplossingen die bestaande modellen op het gebied van maatschappelijke welvaart en de afweging tussen gelijkheid en productiviteit verbeterden.

In de econometrie heeft de ontwikkeling van Double Machine Learning nieuwe mogelijkheden gecreëerd om causale verbanden en beleidseffecten te onderzoeken in complexe datasets met grote aantallen variabelen. En in 2026 laten onderzoekers in de Annual Review of Economics zien hoe large language models het empirisch economisch onderzoek fundamenteel kunnen uitbreiden door informatie uit miljoenen documenten en teksten systematisch te analyseren.

Deze voorbeelden maken duidelijk dat we onderscheid moeten maken tussen twee ontwikkelingen: AI als hulpmiddel bij het uitvoeren van wetenschappelijk onderzoek en AI als partner in het proces van wetenschappelijke ontdekking. Juist die tweede ontwikkeling is van fundamentele betekenis. AI-systemen kunnen patronen herkennen die voor mensen moeilijk zichtbaar zijn, grote aantallen hypothesen onderzoeken, complexe berekeningen uitvoeren en oplossingen vinden die onderzoekers vervolgens kunnen toetsen en verder ontwikkelen.

Dat betekent niet dat de wetenschapper overbodig wordt, integendeel. Wetenschappelijke creativiteit, kritische reflectie, interpretatie, verificatie en verantwoordelijkheid blijven essentieel. AI kan fouten maken, resultaten verkeerd interpreteren en overtuigend ogende onzin produceren. Maar dat is geen argument om de wetenschappelijke betekenis van AI te relativeren. Het is een argument om de samenwerking tussen mens en machine zorgvuldig vorm te geven.

De vraag is daarom niet of AI de wetenschapper vervangt. De vraag is hoe de wetenschap verandert wanneer menselijke intelligentie en kunstmatige intelligentie elkaar versterken. Wie de impact van AI uitsluitend beoordeelt aan de hand van door AI geschreven wetenschappelijke artikelen, kijkt naar de verkeerde indicator. De echte revolutie vindt plaats in het laboratorium, achter de computer en in het denken over wetenschappelijke problemen.

AI neemt de wetenschap misschien niet over, maar verandert wel de wijze waarop ze uitgevoerd en beleden wordt. En dat is een veel ingrijpender ontwikkeling.

Emile Aarts was rector magnificus van Tilburg University en hoogleraar AI en Data Science. Eerder was hij verbonden aan de Technische Universiteit Eindhoven en Philips Research.

Bekijk meer recent nieuws

Schrijf je in voor onze nieuwsbrief

Blijf op de hoogte. Meld je aan voor de nieuwsbrief van Univers.