AI was geweldig, totdat het dat niet meer was.

Door Nia Robles

Toen ik in Oxford aankwam, ervoer ik wat velen een cultuurshock zouden noemen. Naast de flamboyante feesten en de zichtbare micro-agressies van de gegoede elite, voelden mijn cursussen natuurkunde en wiskunde radicaal anders aan dan voorheen. De colleges waren aanzienlijk onpersoonlijker; de professoren waren wat vijandig; de groep was enorm en iedereen had iets te bewijzen. Dit zou vrij normaal hebben gevoeld als ik mijn studie in Argentinië had voortgezet, maar ik was me inmiddels aangepast aan het Amerikaanse onderwijsmodel—aan een school als Northwestern, die een vrij klein natuurkundeprogramma had. Bovendien bracht ik de helft van mijn bacheloropleiding door in het gezelschap van PhD-studenten, waarbij ik dezelfde vakken volgde als zij.

Maar een master in Engeland was anders. Het voelde groter, ominouser. De meeste mensen kozen ervoor om alleen te studeren en opdrachten op te lossen, en wanneer we probeerden in groepen te werken, bestond de verwachting dat je je als het "genie-type" zou presenteren. Ik had direct na mijn bachelor aanbiedingen voor een PhD gekregen van Harvard en Oxford, en ik had het gevoel dat ik moest bewijzen dat ik het verdiende. Het was gedeeltelijk mijn eigen schuld. Ik voelde de behoefte om te pochen om serieus genomen te worden, maar dat werkte averechts. In het begin was het ongemakkelijk, maar halverwege het Michaelmas-trimester verschoof de sfeer drastisch. Al snel verschoven onze discussies en ego-spelletjes van zinloze debatten bij het whiteboard naar klasgenoten die simpelweg zeiden: "Ik heb ChatGPT gewoon gevraagd hoe ik het moet doen."

De eerste ontmoeting met ChatGPT

Dit was eind 2024. Ik had in het verleden van AI gehoord. Iedereen was er het hele jaar enthousiast over, maar niemand die ik kende gebruikte het voor de lessen. Ik hoorde mensen klagen over hoeveel water het verbruikte, hoe slecht het was voor het milieu, en enkelen stelden zelfs dat het ons op een dag allemaal zou kunnen uitroeien. Dit voelde voor mij als complete onzin.

Ik herinner me dat ik halverwege de lente aan mijn bachelorthesis werkte. Ik opende Instagram om een paar minuten uit te stellen en zag een populaire "PhD-influencer" (wat dat ook betekent) zeggen dat ze haar naam in ChatGPT had ingevoerd, waarna de bot een enorme hoeveelheid informatie over haar en hoe geweldig ze was, uitspuwde. Ik vond het een beetje eng dat een "website" al je informatie zo kon ophalen (en ik vond de onderneming een beetje narcistisch), maar ik was diep nieuwsgierig, dus ik gaf de chatbot een kans. Ik herinner me dat ik een vraag stelde over scattering amplitudes, waarop de bot onzin antwoordde. Dus zette ik door en vroeg het met meer detail, waarop hij antwoordde:

"Je zou een theoretisch natuurkundige moeten vragen."

Op dat moment was dat voor mij genoeg om het venster te sluiten en nooit meer te openen.

Pas een paar maanden later, toen ik in Oxford studeerde met mijn toenmalige "vrienden", hoorde ik hen constant loven hoe ChatGPT hun huiswerk kon doen. Probleemsets voor de meeste MMathPhys-cursussen in Oxford worden niet beoordeeld; de echte cijfers komen uit examens of je scriptie. Een paar vakken vereisen dat je huiswerk inlevert, maar 'geslaagd' is dan voldoende. Ik vond het zinloos om een chatbot te vragen alles voor je te doen, terwijl het hele doel van het huiswerk was om te dienen als oefening voor het examen. Toch merkte ik in januari 2025 dat ik vastliep bij een vraag over QFT (kwantumveldentheorie), dus vroeg ik de chatbot, zoals mijn vrienden hadden aanbevolen. Opnieuw produceerde hij onzin. Ik keek er daarna maandenlang niet meer naar.

De erosie van samenwerking

Het was vreemd hoe het idee van "huiswerk" leek te vervallen. Voorheen hadden we tenminste de fatsoen om op Stack Overflow te kijken en te zoeken naar soortgelijke problemen of technieken die konden helpen, maar nu deden mensen dat plotseling niet eens meer. Ze vroegen ChatGPT simpelweg om alles te doen. Eerlijk gezegd nam dat het doel van het maken van huiswerk weg, hoewel ik denk dat we dat doel al langer geleden waren verloren. Ik dacht altijd dat probleemsets, naast de examenvoorbereiding, geweldig waren om te leren wat samenwerking tijdens het oplossen van problemen inhoudt.

Maar in werkelijkheid is samenwerking zelden deel uitgemaakt van mijn realiteit als student. De laatste keer dat ik me herinner dat ik echt samenwerkte met medestudenten, was in mijn eerste jaar op de universiteit. Ik volgde multivariabele calculus met een groep studenten techniek. Ik kende twee meisjes, Andrea en Juliana, van de oriëntatieweek en we vormden direct een kleine groepschat om samen te werken. We probeerden elke set opdrachten eerst apart op te lossen, en daarna stuurde ieder van ons de antwoorden naar de groepchat om erover te debatteren. Bijvoorbeeld, een van hen vroeg me: "Oh, dat is een slimme manier om deze vraag aan te pakken. Hoe wist je dat we over deze curve moesten integreren? Kun je het me uitleggen?" of zei: "Hé, ik denk dat deze vraag niet klopt! Je zou Lagrange-multiplicatoren op deze manier moeten gebruiken." En ik deed hetzelfde voor hen. Ik heb veel geleerd in dat vak, en dat was mede te danken aan mijn geweldige samenwerkingspartners van dat moment. Debatteren, discussiëren en simpelweg van hen leren was oprecht fijn. Het hielp me om beter te worden in wiskunde en de concepten echt te doorgronden.

Ik was erg enthousiast om aan de studie natuurkunde te beginnen en samen te werken met andere natuurkundestudenten. In het herfstsemester van mijn tweede jaar schreef ik me in voor een honors vak differentiaalvergelijkingen met een vriend die ook natuurkunde studeerde. Zoals ik dacht dat gebruikelijk was, stuurden we elkaar onze uitwerkingen om te controleren. Het was mijn eerste keer in een honors wiskundevak, terwijl die vriend er al drie had gedaan. Bovendien had ik de eerste twee colleges moeten missen omdat mijn academisch adviseur erop stond dat ik er nog niet klaar voor was; ik bracht een week door in een diep saaie standaardklas voordat ik de professor had overtuigd me te laten overplaatsen. Kortom, ik maakte een hoop fouten in dat eerste huiswerk. Dus stuurde ik mijn vriend een bericht, zoals ik in het verleden had gedaan, en begon ik te vragen: "Oh, het lijkt erop dat ik dit concept verkeerd heb begrepen, wat bedoel je hier? Waarom is dit waar? Ik heb dit college gemist, dus ik dacht dat we iets anders moesten doen."

Waarop zij me beschuldigde van plagiaat, me volledig begon te negeren en tegen anderen begon te zeggen dat ik haar werk probeerde te kopiëren. Onze vriendschap was daarna nooit meer hetzelfde. En ik leerde een harde les: ik was alleen. Voor de rest van de cursus werkte ik alleen aan het huiswerk, studeerde ik alleen voor de examens en eindigde ik met een A voor het vak. Sterker nog, ik heb het grootste deel van mijn studie alleen gewerkt, zelfs als undergraduate te midden van PhD-studenten. Ik legde mijn antwoorden wel uit aan mijn klasgenoten, maar ik had nooit meer die interactie terug die ik in mijn eerste jaar had.

In dat opzicht maakte ChatGPT de omgeving rondom samenwerking alleen maar somberder. Nu was er niets meer dan: "Vraag het gewoon aan ChatGPT."

AI als versneller van kennis

Ik was nog steeds terughoudend om AI te gebruiken. Ik zag veel mensen in de MMathPhys het gebruiken, niet alleen voor hun huiswerk, maar ook voor hun scripties en het onderzoek dat ze wilden publiceren. Ik was in verwarring. Een andere vriend begon het als therapeut te gebruiken. Ik was nog steeds diep verward. Ik werd afgestoten door hoe meegaand de bot was, maar het gaf wel de vreemde illusie dat er iemand achter het scherm zat.

Ongeacht dit alles, haalden al mijn slechte beslissingen me in mei 2025 in. Ik had het grootste deel van mijn tijd in Oxford eigenlijk niets gedaan. Ik beschouwde het bijwonen van colleges altijd als een soort sociaal ritueel; ze hebben me nooit geholpen. Ik heb altijd uit boeken geleerd. Op dezelfde manier waren sommige probleemsets compact, oninzichtelijk en nutteloos, en als ze niet nodig waren voor mijn cijfer, nam ik de moeite niet om ze te maken. Ik had bovendien een PhD-aanbod van Harvard liggen, dus er was echt niets te verliezen. In plaats daarvan reisde ik veel, ging ik naar feestjes, maakte ik mezelf belachelijk, las ik een hoop boeken, speelde ik schaak, voerde ik de eenden en huilde ik veel. Maar op een gegeven moment realiseerde ik me dat ik mijn masterdiploma moest halen en ik had anderhalve maand om vier Oxford MSc-vakken vanaf nul te leren en mijn examens te halen. Ik was kansloos.

En daar was ChatGPT. Het ding aan ChatGPT is dat het geen persoon is. Het "denkt" niet zoals wij. Maar ik realiseerde me dat het zeer nuttig was voor één ding: het herschikken van wat mensen zeiden op een meer behapbare manier. Dus ik zat met mijn aantekeningen over kosmologie en algemene relativiteit, en elke keer als ik vastliep of een definitie niet kon visualiseren, maakte ik een screenshot of kopieerde ik het kleine gedeelte of de zin die ik niet begreep, en ChatGPT legde het opnieuw aan me uit. Soms voegde het een kort voorbeeld toe dat me hielp om bijvoorbeeld indexnotatie te begrijpen, of legde het me uit dat torsion-free simpelweg betekende dat parallellogrammen gesloten waren.

Een van de belangrijkste incompatibiliteiten tussen standaard natuurkunde-/wiskundeonderwijs en de manier waarop ik over problemen nadenk, is dat definities en afleidingen in een vacuüm voor mij een beetje nutteloos zijn. Ik kan ingewikkelde wiskunde volgen en ik kan begrijpen wat een definitie zegt, maar het klikt pas voor mij als ik een echt illustratief voorbeeld zie. Dit is niet alleen iets van mij; dit is hoe Feynman ook over natuurkunde dacht [1], en ik ben er zeker van dat veel mensen dit cognitieve profiel delen.

Maar in plaats van te dealen met collega's die geïrriteerd raakten door mijn stomme vragen, bood ChatGPT die brug bijna onmiddellijk en zonder gedoe. Na drie weken van gebruik realiseerde ik me dat ik het niet meer zo nodig had. Ik kon geavanceerde concepten—zoals Penrose-diagrammen of Kerr-zwarte gaten—op mijn eigen kracht volgen, mijn eigen illustratieve diagrammen en afleidingen maken zonder AI. Twee weken later deed ik mijn examens. Ik leerde de inhoud van Algemene Relativiteitstheorie I & II, Kosmologie en Geofysische Fluïdumdynamica in anderhalve maand vanaf nul, terwijl ik ook twee cursussen Standard Model en een cursus QFT in gekromde ruimtetijden volgde. Mijn cijfers lagen tussen high passes en merits, maar het was genoeg! Ik kreeg mijn graad. En dit waren volledig closed book examens, dus ik deed het werk zelf. Maar ChatGPT hielp me echt om de acquisitie van kennis te versnellen.

De paradox van efficiëntie in onderzoek

Dat gezegd hebbende, ik vertrouwde het totaal niet voor nieuw onderzoek. Toen ik bij Harvard aankwam, kreeg ik begin november van mijn eerste jaar (G1) mijn eerste PhD-project. Ik werkte samen met een postdoc en was aangenaam verrast te zien dat de vaardigheden die ik tijdens mijn bachelor van mijn twee mentoren had geleerd, ongelooflijk nuttig waren voor dat probleem. Ik implementeerde wat twistor theory en chirale algebra's in een handig Mathematica-notebook, wat hielp bij veel berekeningen. Ik gebruikte AI nauwelijks voor dat project. Het hielp me bij het vinden van achtergrondliteratuur en het interpreteren van enkele paragrafen/afleidingen in die papers. Daarbuiten gebruikte ik alleen Claude Opus om één stuk code in mijn bibliotheek te repareren om me te helpen met polen en residuen in een expressie, omdat ik niet zeker wist hoe ik dat moest doen. Dat was alles.

De "single minus paper" veranderde echter de verwachtingen rondom AI in de natuurkunde. Een intern model van OpenAI had namelijk iets ontdekt waar onderzoekers maandenlang over hadden geprobeerd te puzzelen. Dat was cool, maar er zat nuance bij. Veel van het zware werk van dat paper en de conceptuele sprongen waren gedaan door echte mensen, maar de prestatie van AI mocht niet worden onderschat. Het was indrukweend. Het bewijs was indrukwekkend en niet voor de hand liggend, en dit paper opende veel onderzoeksrichtingen in Celestial Holography. AI is inderdaad geweldig in het bewijzen van zaken binnen een gegeven kader. Het is ook goed in zaken die een strikte logica volgen of het leveren van complexe wiskundige structuren die correct zijn, maar dat is niet alles wat natuurkunde is. Of, dat geloof ik tenminste.

Het probleem is dat elke keer als ik mijn kleine Mathematica-notebook liet zien—die ik grotendeels zelf had gecodeerd aan de hand van de Wolfram-documentatie—zowel mijn seniors als mijn PhD-collega's simpelweg vroegen:

"Kan ChatGPT dat niet doen?"

Misschien. Maar een probleem coderen in Mathematica gaat niet alleen over "efficiëntie" of het snel schrijven van code. Het gaat over het coderen van een theorie, een kader, het werken met uitzonderingsgevallen en het leren. Misschien had ik Claude of ChatGPT kunnen vragen om een bibliotheek voor chirale algebra's in Mathematica te maken, en die zou goed of beter zijn geweest dan die van mij, maar wat zou dan het punt zijn? Misschien zou het sneller zijn geweest, iets sneller. Misschien had ik het alle verschillende dingen die ik wilde doen kunnen voeren, en het op de achtergrond kunnen laten coderen om een hoop antwoorden uit te spugen... maar als eerstejaarsstudent leek dat het hele doel van het doen van onderzoek te ondermijnen. Bovendien is ChatGPT niet onfeilbaar. Het kan er zwaar naast zitten. En niet doorhebben wanneer het fout zit, is gewoon gênant voor iedereen die erbij betrokken is.

Ik geloof niet in het zwoegen op een moeilijke integraal of een bewijs vanaf nul om te bewijzen dat je "man genoeg" bent om het aan te kunnen (als een rekenmachine of Mathematica het kan, waarom zou je dan lijden?), maar ik denk wel dat er iets waardevols is in het oplossen van een interessant probleem, het begrijpen van een structuur en het doen van het grootste deel van het conceptuele zware werk. Ik heb mijn eerste project met zeer beperkt AI-gebruik afgerond, en het paper is gepubliceerd.

De eenzaamheid van de moderne wetenschapper

Toen het tijd was om aan mijn tweede project te beginnen als een nieuwe G2, merkte ik dat de omgeving drastisch was veranderd. Als je door de natuurkundeafdeling van Harvard loopt en in de kantoren kijkt, hebben veel mensen ChatGPT, Codex, Claude of iets soortgelijks openstaan op hun monitoren. Veel van de e-mails die ik begon te ontvangen, bevatten AI-gegenereerde notities of notities gebaseerd op ideeën van ChatGPT. Het was niet alleen ik; veel van mijn collega's maken dit mee, hier en overal. Dit is nu een veelvoorkomende ervaring. Nu betekent "brainstormen" eigenlijk: praten met ChatGPT. Veel van mijn tijd gaat verloren aan het ontcijferen van ChatGPT-notities, om vervolgens te beseffen dat het onzin is en door te gaan naar de volgende.

Ik was geërgerd. Ik had bezwaren, vragen en zorgen, maar ik werd weggestuurd en kreeg te horen dat ik het aan ChatGPT moest vragen. Dus vroeg ik het aan ChatGPT, en het "valideerde" simpelweg alles wat ik zei, maar stelde geen oplossingen voor. Het probleem is dat ik wilde debatteren met mijn superieuren, vragen wilde stellen... en dat kon ik niet. Ik realiseerde me dat een groot deel van een PhD in theoretische natuurkunde bestaat uit het dealen met luidruchtige mensen die tegen een whiteboard schreeuwen, dus het voelt niet erg interactief. Sommige mensen gebruiken veel deftige woorden. Bullshitting is volgens sommigen gangbare praktijk. Ik besefte op een gegeven moment dat het niet alleen aan mij lag; er was sprake van postuur, van performance, en ChatGPT maakte dat erger. Dus was ik opnieuw alleen met een chatbot. Maar nu had ik geen set college-aantekeningen geschreven door een topnatuurkundige uit Cambridge over een theorie die bijna een eeuw geleden was vastgesteld... ik had een paar papers, vage ideeën en nergens om heen, want bij een PhD werk je aan zaken die niemand eerder heeft gedaan.

En dat was niet goed. Want ik ben pas een tweedejaars PhD-student en ik weet niets. Ik weet veel dingen, maar in het grote geheel ben ik onervaren en heb ik mentoren nodig. En een chatbot kan mijn mentor niet zijn. En toen realiseerde ik me dat hetzelfde instrument dat me een jaar geleden zoveel hielp, nu mij en mijn vakgebied aan het verdrinken was. Ik geloof niet dat technologieën slecht zijn, maar ik denk wel dat de manier waarop mensen sommige technologieën gebruiken schadelijk kan zijn. Maar het is niet de schuld van de AI, het is de onze.

Ik besefte al vroeg dat veel mensen in mijn vakgebied minder gefocust waren op het vinden van de waarheid dan op het projecteren, het gelijk hebben en het showen. Ik besefte al vroeg dat voor veel natuurkundigen het doceren en mentorschap meer een last is dan iets dat ze bijzonder waardevol vinden. We willen de snelste PhD-studenten, degenen die drie papers hebben gepubliceerd tijdens hun bachelor, degenen die een berekening het snelst afronden. We willen de meest actuele onderwerpen en de meeste citaties. Maar als een chatbot een PhD-student kan vervangen, als hij sneller en efficiënter is en de QFT-volumes van Weinberg in vijf minuten kan absorberen, waarom hebben we dan überhaupt nog studenten nodig?

Waarom werken we samen als we gewoon alleen met een bot kunnen werken?

Herinner je je dat ik het had over die groepchat met mijn vrienden van techniek, waarin we constant aan het vergelijken en brainstormen waren? Soms zagen zij een concept of een heldere oplossing die ik over het hoofd had gezien, en ik deed dat ook voor hen. Dat hielp ons groeien en het gaf me een diep begrip van veel van die concepten. Ik loste examens op onverwachte manieren op, maar dat was leuk! Het hielp om de wiskunde echt te begrijpen en in te zien hoe mooi het was. Maar dat was ook een gezonde samenwerking. Het ging niet om het behalen van het hoogste cijfer, of het hebben van de slimste oplossing, gatekeeping of schreeuwen. We gingen zitten, probeerden het uit, bespraken het beleefd en legden het aan elkaar uit. We waren niet gemeen of neerbuigend, we leerden gewoon van elkaar en verbeterden elkaar.

Mensen houden ons in balans. Ieder persoon is anders. We hebben allemaal een andere achtergrond, een andere manier van naar de wereld kijken. We komen uit verschillende opleidingen. Je leert van anderen en zij leren van jou.

En dat zijn we nu ook aan het verliezen. Moeten we vrezen dat collega's die bij AI-bedrijven werken onze prompts meenemen en proberen een probleem op te lossen voordat wij dat doen? Moeten we vrezen voor dreigingen? Moeten we vrezen dat onze dagen als PhD-studenten worden doorgebracht met het vertellen aan een machine dat hij "harder moet proberen" in plaats van iets nieuws echt diepgaand te begrijpen?

De waarheid is dat ik zeer onder de indruk was en enthousiast over hoe ChatGPT me hielp bij het studeren. Zou ik liever responsieve professoren hebben, docenten die pedagogiek begrijpen, natuurkundigen die begrijpelijke papers willen schrijven in plaats van inzichten doelbewust te begraven in betekenisloze jargon, en collega's met wie ik kan praten zonder een angstaanval te krijgen? Ja. Dat zou ik honderd procent liever hebben. En ik vrees dat het nu alleen maar erger zal worden. Want we hebben nu in onze handen een machine die al onze vooroordelen bevestigt en ze begraaft in tientallen pagina's betekenisloze wiskunde.

Ik ben gewoon een PhD-student die zich een beetje verslagen voelt, niet omdat AI mijn baan zou kunnen overnemen—ik ben bevoorrecht genoeg dat dat geen zorg is (en laten we eerlijk zijn, ik ben bevoorrecht genoeg om de kans te hebben een PhD in theoretische natuurkunde te doen). Maar omdat de manier waarop we AI gebruiken, vernietigt wat wetenschap in de eerste plaats leuk maakte. Is het echt leuk om dertig papers in een week te publiceren met behulp van AI, gewoon om het te doen? Een van mijn vrienden in het programma vraagt terecht: "Zijn die papers het wel waard om te publiceren?"

Het hele punt van het oplossen van een interessant probleem of het begrijpen van de mysteries van het universum is niet om een prijs te winnen of de meeste citaties te hebben, maar om dichter bij dat bijna mythische ding te komen dat we de waarheid noemen; om het universum en onszelf te kennen door de studie van de aard van de dingen.

Het probleem is dat de kleine chatbot in onze zakken ons meer isoleert en ons daarmee verder wegvoert van dit bescheiden doel: leren. Maar het was niet alleen de chatbot, het was ook de cultuur binnen de academische wereld. Ik denk dat chatbots een spiegel zijn, een diep validerende, sycofantische spiegel met de kennis van het internet. Maar spiegels kunnen gevaarlijk zijn als we te lang blijven staan, te betoverd door onze eigen reflectie, en we alles en iedereen anders vergeten. In het bijzonder zou het erg zielig zijn om een van de weinige dingen te vernietigen die ons leven zinvol maken—niet de fancy prijs of de fancy positie, maar simpelweg het hebben van een gemeenschap om mee te delen, te discussiëren en te leren. Om dingen te leren. Dat is iets prachtigs.

-Nia

***

"Indien de mens slechts de oorzaak kon zien, en waarom Deze berg van ellende de geest neerdrukt, Zouden zij alles laten vallen en bestuderen om uit te vinden De Aard van het Universum en diens inrichting— Aangezien het onze status voor de eeuwigheid is Die hier op het spel staat, en niet slechts één Kort uur—de staat waarin alle stervelingen moeten De tijd doorbrengen die komt, wanneer onze dagen voorbij zijn." -Lucretius [2]

***

Voetnoten [1] Feynman, R. P. (1985). Surely You're Joking, Mr. Feynman!: Adventures of a Curious Character. W. W. Norton & Company. [2] Lucretius, T. C. (2007). The nature of things (A. E. Stallings, Trans.). Penguin Books. (Origineel werk gepubliceerd ca. 50 v.Chr.)