MindTopo: hoe goed begrijpt AI eigenlijk ruimtelijk denken?

TL;DR

• Wat: Microsoft Research en partners lanceren MindTopo, een benchmark die test hoe goed AI-modellen ruimtelijke en topologische relaties begrijpen — denk aan paden, omheiningen en knopen.
• Waarom relevant: als AI je bedrijfsprocessen ondersteunt met planning, routing of ruimtelijke taken, wil je weten waar de blinde vlekken zitten.
• Wat je ermee kunt: kritisch kijken naar AI-toepassingen in je bedrijf die ruimtelijk inzicht vereisen — van magazijnplanning tot navigatie — en niet blind vertrouwen op het resultaat.

Ik stuitte op een publicatie van Microsoft Research die me aan het denken zette. Het gaat over MindTopo: een nieuwe benchmark die toetst hoe goed AI-modellen begrijpen wat "binnen" en "buiten" is, of een pad ononderbroken doorloopt, en of een knoop écht een knoop is. Klinkt abstract, maar ik denk dat het voor ondernemers relevanter is dan het op het eerste gezicht lijkt.

Wat is MindTopo precies?

MindTopo is een testset van 11.016 opgaven, verdeeld over 13 taaktypen. De benchmark is ontwikkeld door onderzoekers van onder meer Microsoft Research en test vijf basisprincipes van ruimtelijk redeneren die in de ontwikkelingspsychologie bekendstaan als Piagetiaanse primitieven:

• Continuïteit — loopt een pad of oppervlak ononderbroken door?
• Scheiding — vormen elementen aparte structuren of horen ze bij elkaar?
• Volgorde — in welke volgorde liggen elementen langs een route?
• Insluiting — wat zit er binnen en buiten een gesloten grens?
• Connectiviteit — zijn dingen met elkaar verbonden, denk aan kruisingen, schakels en knopen.

Wat ik hier interessant vind: dit zijn geen exotische wiskundige puzzels. Dit is het soort ruimtelijk inzicht dat een kind van zes al beheerst. Of een pad door een hek loopt. Of een touw écht vastgeknoopt is. MindTopo test dus iets heel fundamenteels.

De benchmark werkt op twee niveaus. Het eerste niveau is statisch redeneren: de AI krijgt een afbeelding te zien en moet vragen beantwoorden over de situatie. Het tweede niveau is interactief plannen: de AI moet acties kiezen om iets in een omgeving te veranderen. Dat tweede niveau blijkt een stuk lastiger.

Hoe presteren de huidige AI-modellen?

Er zijn elf multimodale AI-modellen getest, waaronder grote namen als GPT-5.5, Gemini 3.1 Pro en diverse open-weight modellen zoals Qwen3.5-VL en InternVL-3.5. De resultaten zijn eerlijk gezegd opvallend:

• Beste model (Gemini 3.1 Pro): 54,13% nauwkeurigheid
• Menselijke prestatie: 97,40% nauwkeurigheid
• Willekeurig gokken: 9,49%

Het beste AI-model scoort dus iets meer dan de helft. Mensen scoren bijna perfect. Dat is een enorm verschil — en het wordt nog groter als je kijkt naar de twee niveaus apart. Bij statische redeneertaken halen modellen gemiddeld zo'n 42,67%. Bij interactieve planningstaken zakt dat naar 25%. AI-modellen kunnen dus redelijk herkennen wat er in een plaatje staat, maar zodra ze moeten nadenken over wat er gebeurt als je iets verandert, gaat het veel minder.

Wat mij hier opvalt: de onderzoekers noemen specifiek dat modellen "een lokaal plausibele zet volgen zonder de latere gevolgen te overzien." Dat is een mooie samenvatting van een zwakte die je als ondernemer zou moeten onthouden.

Waarom is dit relevant buiten het lab?

Je denkt misschien: knopen en hekken, wat heb ik daar als ondernemer aan? Maar topologisch redeneren zit in meer toepassingen dan je verwacht.

Stel dat je als ondernemer een magazijn beheert en AI inzet voor het optimaliseren van looproutes. Of dat je een logistiek bedrijf runt en AI-routeplanning gebruikt. Of dat je werkt met robotica in een productieomgeving. In al die gevallen moet de AI begrijpen: kan ik hier doorheen? Zit dit binnen of buiten een afgebakend gebied? Wat verandert er als ik dit obstakel verplaats?

De onderzoekers wijzen zelf op toepassingen voor "robots, toegankelijkheidstools en interactieve assistenten." Wat mij betreft kun je daar gerust magazijnbeheer, bouwplanning en bezorgrouting aan toevoegen.

Het feit dat de beste modellen onder de 55% scoren op dit soort taken, is wat mij betreft een nuttige reality check. Niet om AI af te schrijven — de modellen scoren immers ver boven willekeurig gokken — maar om te weten waar je menselijke controle nodig hebt.

Waar gaat het precies mis?

De onderzoekers identificeren drie typen fouten:

Waarnemingsfouten

Modellen missen soms simpelweg muren, openingen of kruispunten in een afbeelding. Ze zien letterlijk niet wat er staat.

Planningsfouten

Bij interactieve taken kiezen modellen een actie die op het moment logisch líjkt, maar later tot problemen leidt. Ze kijken niet ver genoeg vooruit — vergelijkbaar met iemand die bij het schaken alleen de volgende zet ziet.

Afbraak over meerdere stappen

Hoe meer stappen een AI moet nemen, hoe meer het begrip afbrokkelt. De onderzoekers noemen dit "sequence degradation." Elke stap voegt een beetje onzekerheid toe, en na een paar stappen is het ruimtelijk begrip grotendeels verdwenen.

Ik vind vooral dat derde punt treffend. Veel praktische toepassingen van AI zijn juist meerstaps. Een route uitstippelen. Een planning maken. Een reeks handelingen voor een robot bepalen. Als het ruimtelijk begrip na een paar stappen wegvalt, is dat precies waar het in de praktijk misgaat.

Wat betekent dit voor AI-tools die je nu al gebruikt?

Laat ik helder zijn: MindTopo test visuele AI-modellen op een specifiek type redeneren. Niet elke AI-toepassing in je bedrijf raakt hieraan. Je boekhoudsoftware heeft geen ruimtelijk inzicht nodig, en je chatbot voor klantenservice waarschijnlijk ook niet.

Maar als je AI inzet — of overweegt in te zetten — voor taken die te maken hebben met fysieke ruimte, routes, indelingen of objectrelaties, dan is dit onderzoek informatief. De kernboodschap is niet dat AI het niet kan, maar dat AI het nog niet betrouwbaar genoeg kan om zonder menselijke controle te draaien.

Kun je je voorstellen wat dit betekent als je een bezorgdienst runt en een AI-systeem je dagelijkse routes laat plannen? Of als je een evenementenbedrijf hebt dat AI gebruikt voor plattegronden? Het gaat niet om of de AI een bruikbare suggestie doet — dat kan vaak wel. Het gaat om de gevallen waarin de AI iets over het hoofd ziet dat een mens direct zou opvallen.

Een nuttige spiegel

Voor mij is MindTopo vooral waardevol als spiegel. Het laat zien dat de huidige generatie AI-modellen — inclusief de nieuwste en duurste — nog een fundamentele beperking heeft in ruimtelijk redeneren. Niet in het herkennen van patronen in data, niet in taalverwerking, maar in iets dat wij mensen als vanzelfsprekend beschouwen: begrijpen hoe dingen in de ruimte met elkaar samenhangen.

Dat is geen reden om AI links te laten liggen. Maar het is wel een reden om bij elke AI-implementatie de vraag te stellen: welk type redeneren vraagt deze taak, en hoe goed is het model daarin? MindTopo maakt die vraag voor ruimtelijk redeneren een stuk concreter.