🤖 AI

A First Proof Sprint

Dit monografie rapporteert een multi-agent proof sprint op tien onderzoeksproblemen waarbij een workflow van draaddiagram-decompositie en adversariele verificatie wordt gebruikt om de wiskundige status en QC-validatie expliciet te onderscheiden en de betrouwbaarheid van gecomprimeerde bewijsprocessen te verbeteren.

Oorspronkelijke auteurs: Joseph Corneli

Gepubliceerd 2026-02-17

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Joseph Corneli

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

Dit is een fascinerend verslag van een "wiskundige sprint" die plaatsvond in februari 2026. Stel je voor dat een groep slimme computers (AI) en een menselijke supervisor een uitdaging aangaan: ze moeten in slechts twee dagen tijd tien zeer moeilijke wiskundige raadsels oplossen.

Hier is een uitleg van wat er gebeurde, vertaald naar alledaags Nederlands met creatieve vergelijkingen.

De Grote Uitdaging: De Wiskundige Sprint

Stel je voor dat je een team van tien detectives bent die elk een onopgelost mysterie moeten oplossen. Normaal duurt het jaren om één van deze mysteries op te lossen. Maar hier hebben ze een nieuwe methode ontwikkeld om het in 55 uur te doen.

Deze "sprint" was geen gewoon werk. Het was meer als een levendige discussie in een klaslokaal, zoals beschreven door de filosoof Lakatos.

Het proces: De AI (de "detectives") schreef snel een oplossing op.
De kritiek: Een andere AI (de "criticus") keek er direct naar en zei: "Wacht, hier klopt iets niet!" of "Je hebt een gat in je redenering."
De reparatie: Het team paste de oplossing direct aan, net als een schrijver die een verhaal herschrijft na feedback.

De Nieuwe Tool: De "Wiring Diagram" (Bedradingsdiagram)

Hoe hielden ze het overzicht? In plaats van lange, saaie teksten te lezen, gebruikten ze bedradingsdiagrammen.

De Analogie: Denk aan een stroomdiagram in een elektriciteitscentrale. Elke stelling is een lampje, en elke bewijsstap is een draad die lampjes met elkaar verbindt.
Het voordeel: Als er een fout zit, is het niet nodig om het hele gebouw af te breken. Je ziet direct welke draad los zit (het "gat") en kunt die specifieke verbinding repareren zonder de rest te verstoren. Dit maakte het mogelijk om fouten snel te vinden en te fixen.

De Resultaten: Wat is er opgelost?

Van de tien problemen kwamen ze met verschillende uitkomsten. Niet alles was perfect, maar ze waren eerlijk over wat wel en wat niet lukte.

Volledig opgelost (De "Gouden Medaille"):
- Probleem 1, 2, 3 en 8 zijn als "opgelost" beschouwd. De bewijzen zijn gecontroleerd en kloppen.
- Vergelijking: Het zijn als puzzels waarbij je alle stukjes hebt gevonden en de rand is perfect.
Gedeeltelijk opgelost (De "Halve Weg"):
- Probleem 4, 5, 6 en 9 zijn deels opgelost. Ze hebben het bewezen voor kleine gevallen (bijvoorbeeld voor getallen tot 3 of 4), maar voor de grote, algemene gevallen missen ze nog een klein stukje.
- Vergelijking: Je hebt de basis van een huis gebouwd en de muren opgetrokken, maar het dak is nog niet helemaal dicht. Het werkt, maar het is niet af.
Nog in behandeling (De "Open Vraag"):
- Probleem 10 is nog niet helemaal klaar. Ze hebben een oplossing, maar die werkt alleen als je bepaalde aannames doet. Als die aannames niet waar zijn, valt de oplossing in elkaar.

De Leerervaring: Wat hebben we geleerd?

De belangrijkste conclusie van dit verslag is niet zozeer de oplossing van de specifieke raadsels, maar hoe ze het deden.

Snelheid vs. Betrouwbaarheid: Het schrijven van een bewijs gaat razendsnel (zoals het gooien van een bal tegen een muur). Het controleren of het waar is, gaat langzaam (zoals het inspecteren van de muur op scheuren).
De kracht van samenwerking: Door de AI's te laten "discussiëren" (één schrijft, één bekritiseert) en door de "bedradingsdiagrammen" te gebruiken, werden de fouten veel sneller gevonden dan wanneer ze gewoon een lang verhaal hadden geschreven.
Eerlijkheid: Ze hebben niet gedaan alsof alles perfect was. Ze hebben duidelijk gezegd: "Dit stukje klopt, dit stukje is nog twijfelachtig." Dit is een nieuwe manier van werken in de wetenschap: transparantie boven perfectie.

Samenvatting in één zin

Dit verslag laat zien dat als je slimme computers laat samenwerken als een team van detectives, die elkaar voortdurend controleren met een visueel kaartje van hun redenering, je in twee dagen tijd meer vooruitgang boekt dan in maanden van eenzaam werken, zelfs als niet alle raadsels 100% opgelost zijn.

Titel: A First Proof Sprint

Auteur: J. Corneli (Hyperreal Enterprises Ltd)
Datum: Februari 2026
Context: Een multi-agent "proof sprint" waarbij tien onderzoeksniveau wiskundige problemen werden aangepakt met behulp van een geautomatiseerde, iteratieve werkstroom.

1. Probleemstelling en Context

Het paper documenteert een geconcentreerde inspanning (een "sprint") om tien openstaande, complexe wiskundige problemen op te lossen. Deze problemen variëren van stochastische partiële differentiaalvergelijkingen en representatietheorie tot algebraïsche topologie en spectrale grafentheorie.

De kernuitdaging was het combineren van snelle generatie van bewijsconcepten met rigoureuze, geautomatiseerde verificatie. Traditioneel is wiskundig bewijs een lineair, menselijk proces; dit project testte of een multi-agent systeem (menselijke coördinatie + meerdere AI-modellen) dit proces kan versnellen zonder de integriteit van het bewijs te verliezen.

De tien problemen omvatten onder meer:

P1: Equivalentie van de $\Phi^4_3$ -maat onder gladde verschuivingen.
P2: Existentie van een universele testvector voor Rankin-Selberg-integralen.
P3: Constructie van een Markov-keten met een stationaire verdeling gerelateerd aan ASEP-polynomen.
P4: Splitsing van wortels onder eindige vrije convolutie.
P5-P10: Problemen variërend van equivariante homotopietheorie, grafische "light subsets", lattices met torsie, Lagrangiaanse gladmaking, tensor-decompositie en RKHS-constraints.

2. Methodologie

De werkstroom, gebouwd op het futon6-framework, volgde een Lakatosiaanse cyclus (voorstelling, weerlegging, herformulering), maar dan versneld door AI.

Multi-Agent Architectuur:
- Dispatcher (Mens): Coördineerde de taakverdeling en stelde de scope.
- Provers (Claude Max): Genereerden bewijsconcepten en oplossingen.
- Critic/Research Assistant (Codex Pro): Voerde adversarische verificatie uit, identificeerde gaten en stelde kritische vragen.
Wiring-Diagram Decompositie:
- In plaats van lineaire teksten, werden bewijzen gemodelleerd als getypeerde graafstructuren (wiring diagrams) waarin claims en hun afhankelijkheden expliciet zijn gekoppeld.
- Dit maakte het mogelijk om fouten lokaal te isoleren en gerichte reparaties toe te passen zonder het hele bewijs opnieuw te hoeven schrijven.
Iteratieve Cyclus:
1. Drafting: Snelle generatie van een eerste versie.
2. Adversarial Review: De critic-agent identificeerde overclaims en logische hiaten.
3. Targeted Repair: Specifieke onderdelen werden aangepast of vervangen.
4. Provenance: Elke wijziging werd vastgelegd in een versiegeschiedenis (git), waardoor de status van elk bewijsstap traceerbaar bleef.
Validatie: Gebruik van symbolische algebra (SymPy), numerieke optimalisatie (NumPy/SciPy) en polynoomoplossers (PHCpack) om algebraïsche stellingen te verifiëren.

3. Belangrijkste Bijdragen

Het paper levert twee soorten bijdragen: methodologische inzichten in AI-gedreven wiskunde en specifieke resultaten op de tien problemen.

Methodologische Bijdragen:

Structure Awareness: Het gebruik van wiring diagrams bleek superieur aan traditionele narratieve drafting voor het lokaliseren van inconsistenties.
Layer-Switching: De strategie om van het ene bewijsniveau (bijv. algebraïsch) naar een ander (bijv. geometrisch of numeriek) te switchen wanneer een pad vastliep, bleek cruciaal voor het doorbreken van blokkades (zoals bij Probleem 6 en 7).
Outcome Typing: Het systeem leerde om resultaten niet alleen als "gelukt" of "mislukt" te classificeren, maar als gesloten, gedeeltelijk (met expliciete voorwaarden), of conditieel. Dit verhoogde de betrouwbaarheid en calibration van de AI.
Adversarial Iteratie: De cyclus van "TryHarder" (herhaaldelijk proberen zonder succes) werd doorbroken door coaching en het herformuleren van het probleem, wat leidde tot doorbraken.

Wiskundige Resultaten (Statusoverzicht):

De resultaten zijn heterogeen, maar expliciet gekwalificeerd:

Volledig Gesloten (Mathematisch & Geverifieerd):
- P1 ( $\Phi^4_3$ ): Bewezen dat de maat equivalent is onder gladde verschuivingen (gebruikmakend van Cameron-Martin theorie).
- P2 (Rankin-Selberg): Bewezen dat de "new vector" een universele testvector is.
- P3 (Markov Chain): Constructie van een keten met de gewenste stationaire verdeling.
- P8 (Lagrangiaanse Gladmaking): Bewezen dat 4-waardige polyhedrale oppervlakken in $\mathbb{R}^4$ een Lagrangiaanse gladmaking toelaten via symplectische decompositie.
Gedeeltelijk Gesloten / Conditioneel:
- P4 (Wortel Splitsing): Bewezen voor $n \le 3$ en $n=4$ (via algebraïsche certificaten). Voor $n \ge 5$ blijft het open, hoewel numeriek sterk ondersteund.
- P5 (O-Slice Connectiviteit): Gesloten voor een beperkte scope (subgroep-familie niveau); de uitbreiding naar volledige indexeringssystemen blijft open.
- P6 ( $\epsilon$ -Light Subsets): Bewezen voor volledige grafen ( $K_n$ ) met een constante $c_0 = 1/3$ . Voor algemene grafen is het bewijs conditioneel op twee lemmata over "barrier maintenance".
- P7 (Uniforme Lattices): Provisioneel gesloten via een "rotatie-route" (codim-2 chirurgie), maar wacht op een onafhankelijke hercheck van de theorema-ledger.
- P9 (Quadrifocal Tensors): Sterk computationeel bewijs, maar de universele algebraïsche omkering is nog niet formeel afgerond.
- P10 (PCG voor Tensor CP): Gesloten onder expliciete aannames (bijv. $\lambda > 0$ ).

4. Resultaten en Impact

Efficiëntie: In ongeveer 55 uur "wall-clock" tijd werden tien problemen aangepakt, met meer dan 200 commits en bijna 1,8 miljard tokens verwerkt.
Kwaliteit: De iteratieve, adversarische aanpak voorkwam dat valse beweringen als waar werden gepresenteerd. In plaats daarvan werden onopgeloste verplichtingen expliciet gelabeld als "open obligations" of "conditional steps".
Schaalbaarheid: Het project toont aan dat complexe, research-level wiskunde kan worden opgesplitst in beheersbare modules die door AI-agenten kunnen worden verwerkt, mits er een sterke menselijke supervisie en structuur (de wiring diagrams) is.

5. Significantie

Dit paper is een mijlpaal in het veld van AI-gedreven wetenschappelijk onderzoek:

Empirisch Bewijs: Het biedt empirisch bewijs dat AI-agenten niet alleen kunnen "gokken" op antwoorden, maar kunnen deelnemen aan een Lakatosiaans proces van conjecture, critique en reformulatie.
Verificatie als Sleutel: Het benadrukt dat de waarde van AI in wiskunde niet in het eerste bewijs ligt, maar in de gestructureerde verificatie die zwakke plekken blootlegt.
Nieuwe Werkstroom: Het introduceert een nieuwe methodologie voor wiskundig onderzoek waarbij "wiring diagrams" dienen als de gemeenschappelijke epistemische artefacten, in plaats van statische tekstdocumenten.
Transparantie: Door elke stap, elke mislukte poging en elke herformulering te documenteren, creëert het paper een volledig traceerbaar bewijsproces, wat essentieel is voor de acceptatie van AI-genereren wiskunde in de academische gemeenschap.

Kortom, "A First Proof Sprint" demonstreert dat met de juiste architectuur (multi-agent, wiring diagrams, adversarial review) AI-systemen in staat zijn om substantiële bijdragen te leveren aan de wiskundige kennis, zelfs op het grensvlak van het huidige onderzoek.