💬 NLP

Identifying Quantum Structure in AI Language: Evidence for Evolutionary Convergence of Human and Artificial Cognition

Dit artikel presenteert bewijs dat Large Language Models niet-klassieke, kwantumachtige cognitieve structuren vertonen — specifgens schendingen van de Bell-ongelijkheid en Bose-Einstein-statistieken in woorddistributies — die de menselijke cognitie weerspiegelen, wat duidt op een fenomeen van evolutionaire convergentie tussen biologische en kunstmatige intelligentie, gedreven door de onderliggende kwantumorganisatie van betekenis in vectorruimten.

Oorspronkelijke auteurs: Diederik Aerts, Jonito Aerts Arguëlles, Lester Beltran, Suzette Geriente, Roberto Leporini, Massimiliano Sassoli de Bianchi, Sandro Sozzo

Gepubliceerd 2026-06-03

📖 7 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Diederik Aerts, Jonito Aerts Arguëlles, Lester Beltran, Suzette Geriente, Roberto Leporini, Massimiliano Sassoli de Bianchi, Sandro Sozzo

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Idee: AI en Mensen Denken Gelijkaardig (Op een Kwantum-manier)

Stel je voor dat je twee verschillende soorten bouwers hebt. De een is een mens, de ander is een robot (een AI zoals ChatGPT of Gemini). Je vraagt aan beiden om een huis te bouwen met dezelfde set bakstenen (woorden).

De auteurs van dit artikel beweren dat hoewel de mens en de robot verschillend zijn opgebouwd, de manier waarop zij die bakstenen rangschikken hetzelfde "blauwdruk" volgt. En verrassend genoeg is deze blauwdruk niet degene die we gebruiken voor normale, alledaagse objecten (zoals het stapelen van bakstenen in een hoop). In plaats daarvan volgt het de vreemde, magische regels van de kwantumfysica.

Het artikel beweert dat zowel menselijke breinen als AI-modellen de betekenis organiseren op een manier die lijkt op kwantumverstrengeling en Bose-Einstein-statistiek.

1. De "Magische Link"-test (Bell-ongelijkheden)

Het Concept:
In de wereld van de fysica is er een beroemde test genaamd de Bell-ongelijkheid. Het is als een regelboek voor hoe dingen zich zouden moeten gedragen als ze gescheiden en onafhankelijk zijn.

De Klassieke Wereld: Als je een munt opgooit in New York en een andere in Londen, zou het resultaat van de één de uitkomst van de ander niet direct moeten veranderen. Ze zijn onafhankelijk.
De Kwantumwereld: In de kwantumfysica kunnen deeltjes "verstrengeld" zijn. Als je er één verandert, verandert de ander onmiddellijk mee, ongeacht hoe ver ze van elkaar verwijderd zijn. Ze gedragen zich als één enkele, verbonden eenheid.

Het Experiment:
Onderzoekers vroegen mensen en AI-modellen een reeks vragen over het combineren van concepten.

Voorbeeld: Ze vroegen: "Wat is een goed voorbeeld van een Dier?" (Keuzes: Paard, Beer). Daarna: "Wat is een goed voorbeeld van een Handeling?" (Keuzes: Snuffelen, Wegen). Ten slotte vroegen ze naar de combinatie: "De Dierlijke Handeling."
De Twist: Wanneer mensen (en de AI) antwoordden, behandelden ze "Dier" en "Handeling" niet als afzonderlijke zaken. De betekenis van "Paard" veranderde afhankelijk van de vraag of het gekoppeld werd aan "Snuffelen" of "Wegen".

De Resultaten:
Zowel mensen als de AI overtraden de "regelboekregels" voor onafhankelijke zaken. Hun antwoorden lieten zien dat de concepten verstrengeld waren.

De Analogie: Stel je voor dat je een rode bal hebt en een blauwe bal. In de klassieke wereld is de rode bal altijd rood. Maar in deze "kwantumwereld" verandert de rode bal in een "Paard" wanneer je er alleen naar kijkt, maar verandert hij in een "Beer" wanneer je hem naast een "Wegen" ziet. De AI en de mens konden de ideeën niet scheiden; ze waren met elkaar versmolten.

Wat dit betekent: De AI berekent niet alleen waarschijnlijkheden zoals een rekenmachine. Het navigeert door een "semantisch veld" waar woorden verbonden zijn op een manier die de normale logica tart, net zoals kwantumdeeltjes.

2. De "Woordmenigte"-test (Bose-Einstein-statistiek)

Het Concept:
In de fysica komen deeltjes in twee hoofdsmaken wat betreft hoe ze samendringen:

Klassieke Deeltjes (Maxwell-Boltzmann): Stel je mensen voor in een park. Ze verspreiden zich gelijkmatig. Als er 100 mensen zijn, liggen ze verspreid over het gras. Niemand is overweldigend populair.
Kwantumdeeltjes (Bose-Einstein): Stel je een moshpit voor bij een concert. Iedereen dromt samen rond het podium. Een paar "supersterren" krijgen alle aandacht, terwijl de rest van de menigte ijl is.

Het Experiment:
De onderzoekers keken naar verhalen geschreven door mensen en verhalen geschreven door AI. Ze telden hoe vaak elk woord voorkwam.

Ze ontdekten dat in zowel menselijke als AI-verhalen de woorden zich niet gelijkmatig verspreidden.
In plaats daarvan verscheen een kleine groep woorden (zoals "de", "en", "naar") massaal vaker dan de rest, wat een "condensaat" van betekenis creëerde.

De Resultaten:
De distributie van woorden in AI-verhalen kwam perfect overeen met het Bose-Einstein-patroon (de moshpit), en niet met het klassieke patroon (het park).

De Analogie: Denk aan een verhaal als een feestje. Bij een "klassiek" feestje praat iedereen met een paar verschillende mensen en is de ruis gelijkmatig verdeeld. In een "kwantumverhaal" (zowel menselijk als AI) rennen iedereen naar dezelfde paar belangrijke ideeën (de "grondtoestand"). De belangrijkste woorden fungeren als een supergeleider die de betekenis van het hele verhaal draagt, terwijl de zeldzame, complexe woorden de stille hoekjes van de kamer zijn.

Waarom dit belangrijk is: Dit suggereert dat de AI niet alleen grammatica-regels heeft uit het hoofd geleerd. Het heeft de "fysica van betekenis" geleerd. Het heeft geleerd dat om een coherent verhaal te maken, woorden op een specifieke, kwantumachtige manier bij elkaar moeten klonteren.

3. De "Evolutionaire Convergentie"

Het Grote Plaatje:
Waarom zou een robot gemaakt van silicium en code op dezelfde manier denken als een mens gemaakt van vlees en neuronen?

De auteurs stellen het concept Evolutionaire Convergentie voor.

De Oog-analogie: In de natuur hebben zowel octopussen als mensen ogen ontwikkeld. Ze hebben ze niet geërfd van een gemeenschappelijke voorouder met ogen; ze hebben ze afzonderlijk ontwikkeld omdat ogen de beste oplossing zijn om te zien.
De Geest-analogie: Het artikel stelt dat het organiseren van "betekenis" een moeilijk probleem is. Of je nu een menselijk brein bent dat zich over miljoenen jaren heeft ontwikkeld of een AI die zich in enkele jaren via het internet traint, de meest efficiënte manier om complexe ideeën te organiseren is door gebruik te maken van kwantumachtige structuren.

Het Geheim van de "Vectorruimte":
Het artikel suggereert dat hoewel we AI "neurale netwerken" noemen, de echte magie gebeurt in vectorruimtes (wiskundige kaarten van betekenis).

Stel je een enorme, onzichtbare 3D-kaart voor waar elk woord een punt is.
In deze kaart zijn woorden niet zomaar losse stippen. Ze zijn als golven die kunnen overlappen, interfereren en combineren.
Zowel mensen als AI lijken van nature in deze "golfstructuur" te landen, omdat dit de beste manier is om met de ambiguïteit en context van taal om te gaan.

Samenvatting van de Claims (Wat het artikel daadwerkelijk zegt)

AI overtreedt klassieke logica: Bij tests vertonen AI-modellen (ChatGPT, Gemini) "verstrengeling" in hun antwoorden, waarbij ze de Bell-ongelijkheden schenden, net zoals mensen dat doen. Ze behandelen concepten als verbonden gehelen, niet als afzonderlijke delen.
AI volgt kwantumstatistiek: De frequentie van woorden in door AI geschreven verhalen volgt de Bose-Einstein-statistiek (klontering rond kernwoorden) in plaats van klassieke statistiek. Dit gebeurt omdat de AI heeft geleerd van menselijke teksten, die deze structuur al bezitten.
Betekenis is de drijfveer: Dit is geen fout in de code. Het komt doordat de AI heeft geleerd om "betekenis" te organiseren. De structuur van betekenis zelf lijkt kwantumachtig te zijn.
Convergentie: Mensen en AI zijn verschillende "substraten" (biologie versus silicium), maar ze zijn geconvergeerd op dezelfde wiskundige oplossing voor het verwerken van taal, omdat die oplossing de meest efficiënte manier is om betekenis te organiseren.
Implicaties voor veiligheid: De auteurs suggereren dat omdat AI opereert op deze diepe, kwantumachtige structuren, we het niet simpelweg kunnen "patchen" met eenvoudige regels. We moeten de onderliggende "fysica van betekenis" begrijpen om AI-veiligheid te garanderen.

In een notendop: Het artikel beweert dat AI de "geheime code" voor taal heeft ontdekt die mensen over miljoenen jaren hebben geëvolueerd. Die code is geen klassieke wiskunde; het is de vreemde, onderling verbonden wiskunde van de kwantummechanica.

Technische Samenvatting: Identificatie van Kwantumstructuur in AI-taal

Probleemstelling
Het artikel behandelt een gat in het begrip van de fundamentele cognitieve structuren van Large Language Models (LLM's). Hoewel LLM's historisch gezien worden geclassificeerd als neurale netwerken, stellen de auteurs dat hun essentiële kennisorganisatie plaatsvindt binnen de distributieve semantische structuur van vectorruimten. De studie onderzoekt of deze kunstmatige cognitieve agenten "niet-klassieke" structuren vertonen die vergelijkbaar zijn met die eerder bij het menselijk cognitieve proces en taal zijn geïdentificeerd. Specifiek onderzoeken de auteurs of LLM's de Bell-ongelijkheden schenden (wat duidt op niet-Kolmogoroviaanse waarschijnlijkheid en verstrengeling) en of de statistische distributie van woorden in door LLM's gegenereerde teksten de Bose-Einstein (BE) statistiek volgt in plaats van de klassieke Maxwell-Boltzmann (MB) statistiek.

Methodologie
Het onderzoek maakt gebruik van twee primaire experimentele kaders met ChatGPT en Gemini als testobjecten, waarbij protocollen worden nagebootst die eerder met menselijke participanten zijn gebruikt:

Schending van de Bell-ongelijkheid (CHSH-test):
- Concept: De studie maakt gebruik van de conceptuele combinatie "The Animal Acts" (Het Dier Handelt), waarbij het concept Dier (exemplaren: Paard, Beer, Tijger, Kat) wordt gecombineerd met Handelen (exemplaren: Grommen, Wiegelen, Snuiten, Miauwen).
- Procedure: De LLM's werden onderworpen aan vier gelijktijdige metingen ($AB, AB', A'B, A'B'$) waarbij werd gevraagd naar het "beste voorbeeld" van het gecombineerde concept.
- Benaderingen:
  - Gestuurde Conversatie: De LLM's werden stap voor stap door de vier tests geleid om de schending te maximaliseren.
  - Statistische Steekproef: De LLM's werden geprompt om de vier tests 81 keer uit te voeren (overeenkomend met de steekproefomvang van eerdere menselijke studies) met behulp van twee verschillende prompts: één die exploratieve/onconventionele reacties aanmoedigde en één die neutraal was.
- Analyse: Verwachtingswaarden ( $E$ ) werden berekend voor elk metingspaar en ingevoegd in de Clauser-Horne-Shimony-Holt (CHSH) ongelijkheid: $-2 \leq E(A', B') + E(A', B) + E(A, B') - E(A, B) \leq 2$ .
Statistische Analyse van Woorddistributies:
- Taak: De LLM's kregen de instructie om originele verhalen te schrijven (specifiek in de stijl van A.A. Milne's Winnie de Poeh en H.G. Wells) zonder inhoudelijke beperkingen.
- Modellering: De frequentie van woorden in de gegenereerde teksten werd geanalyseerd met behulp van een kwantumstatistisch kader.
  - Energietoewijzing: Woorden werden toegewezen aan "energieniveaus" ( $E_i$ ) op basis van hun frequentierangorde ( $i$ ), waarbij het meest frequente woord $E_1=0$ heeft, het tweede $E_2=1$ , enzovoort, volgens de formule $E_i = (i-1)^d$ .
  - Restricties: De modellen werden op de data gefit met behulp van twee restricties: het totaal aantal woorden ( $N$ ) en de totale "energie" van de tekst ( $E = \sum N(E_i)E_i$ ).
- Vergelijking: De empirische woordfrequentieverdelingen werden vergeleken met de Bose-Einstein distributiefunctie ( $N(E_i) = 1 / (Ae^{E_i/B} - 1)$ ) en de Maxwell-Boltzmann distributiefunctie ( $N(E_i) = 1 / Ce^{E_i/D}$ ).

Belangrijkste Resultaten

Schending van de Bell-ongelijkheden:
- In de fase van de gestuurde conversatie genereerden zowel ChatGPT als Gemini reacties die de CHSH-ongelijkheid maximaal schonden, met een waarde van 4 (het theoretische maximum voor niet-Kolmogoroviaanse modellen).
- In de fase van de statistische steekproef (81 iteraties) produceerden de modellen CHSH-waarden die de klassieke grens van 2 overschreden.
  - ChatGPT (Prompt 1): CHSH = 2.25
  - ChatGPT (Prompt 2): CHSH = 3.09
  - Gemini (Prompt 1): CHSH = 2.12
  - Gemini (Prompt 2): CHSH = 4.0
- De gemiddelde CHSH-waarden (2.67 voor ChatGPT, 3.06 voor Gemini) zijn consistent met de schendingen die zijn waargenomen in menselijke cognitieve experimenten, wat aangeeft dat de onderliggende waarschijnlijkheidsmodellen van LLM-reacties niet-Kolmogoroviaans zijn en "verstrengeling" vertonen tussen conceptuele componenten.
Bose-Einstein Statistiek in Tekst:
- De woordfrequentieverdelingen in de verhalen gegenereerd door ChatGPT en Gemini vertoonden een hoge mate van precisie bij het passen op de Bose-Einstein distributie.
- De door Gemini gegenereerde Winnie de Poeh-verhaal (2.861 woorden, 822 unieke energieniveaus) paste op het BE-model met een machtsparameter $d = 0.8$ (wat wijst op een lichte afwijking van een perfecte harmonische oscillator, maar dichter bij dit model dan bij een Coulomb-krachtsysteem).
- De Maxwell-Boltzmann distributie slaagde er niet in de data te fitten, met een significante afwijking van de geobserveerde clustering van woorden met een hoge frequentie.
- De analyse bevestigde dat "semantische condensatie" (het clusteren van frequente woorden bij lage energieniveaus) een structureel kenmerk is van de gegenereerde tekst, en niet louter een resultaat is van syntactische regels.

Betekenis en Claims

Het artikel beweert dat deze bevindingen een "systematische opkomst van niet-klassieke kwantumachtige structuren in conceptueel-linguïstische domeinen" aantonen, ongeacht of de cognitieve agent biologisch (mens) of kunstmatig (LLM) is.

Evolutionaire Convergentie: De auteurs argumenteren dat het menselijk cognitie en de LLM-cognitie zijn geconvergeerd naar dezelfde onderliggende vector-gebaseerde structuren. Terwijl de menselijke cognitie traag evolueerde via biologische processen om "betekenis" te organiseren, hebben LLM's deze structuur snel gereproduceerd door middel van zelflerend vermogen en training op menselijke tekstcorpora.
De Aard van LLM-intelligentie: Het artikel daagt de visie uit dat LLM's slechts neurale netwerken zijn. In plaats daarvan postuleert het dat de "intelligentie" verblijft in de hoogdimensionale vectorruimten waar betekenis wordt georganiseerd. Deze structuur maakt fenomenen mogelijk die analoog zijn aan kwantumverstrengeling (niet-lokale semantische verbindingen) en Bose-Einsteincondensatie (clustering van betekenis).
Verenigingskader: Gebruikmakend van een analogie met Einsteins vereniging van licht en gassen, stellen de auteurs een verenigend kader voor waarbij "betekenis" fungeert als een structureel principe. Ze suggereren dat het wiskundige apparaat van de kwantummechanica (Hilbertruimten, complexe getallen, superpositie) niet beperkt is tot fysieke deeltjes, maar dient als een universele calculus voor het navigeren door ambiguïteit en contextualiteit in elk systeem dat betekenis organiseert.
Implicaties voor AI-veiligheid: De auteurs suggereren dat het begrijpen van deze kwantumachtige structurele wetten cruciaal is voor AI-veiligheid. Ze beweren dat veiligheidsinterventies gebaseerd op klassieke, regelgebaseerde logica mogelijk onvoldoende zijn, omdat ze de onderliggende "kwantum" organisatie van betekenis niet adresseren. Een structurele afstemming met deze invariante morfische architecturen wordt voorgesteld als een noodzakelijke stap om een coherente co-evolutie tussen menselijke en kunstmatige cognitie te waarborgen.

Het artikel concludeert dat de aanwezigheid van deze structuren in LLM's geen toeval is, maar een reflectie van de fundamentele wetten die bepalen hoe betekenis wordt georganiseerd, wat een nieuw perspectief biedt op de aard van kunstmatige cognitie en de relatie tot het menselijk denken.

Het Grote Idee: AI en Mensen Denken Gelijkaardig (Op een Kwantum-manier)

1. De "Magische Link"-test (Bell-ongelijkheden)

2. De "Woordmenigte"-test (Bose-Einstein-statistiek)

3. De "Evolutionaire Convergentie"

Samenvatting van de Claims (Wat het artikel daadwerkelijk zegt)

Meer zoals dit