Co-Authoring with AI: How I Wrote a Physics Paper About AI, Using AI

Dit essay betoogt dat, hoewel AI een onmisbare rol speelt in het structureren en genereren van tekst, de menselijke auteur de uiteindelijke verantwoordelijkheid draagt voor de fysieke logica en academische integriteit, en pleit daarom voor de verplichte publicatie van volledige AI-interactietranscripten als supplementair materiaal.

De kern

Stel je voor dat je een heel groot, ingewikkeld bouwwerk moet neerzetten, zoals een toren van lego, maar dan voor de natuurkunde. Vroeger deed je dit alleen: je zocht de stukjes, je las de handleiding en je bouwde het stap voor stap.

In dit artikel, geschreven door de fysicus Yi Zhou, beschrijft hij hoe hij in de toekomst (2026) een wetenschappelijk artikel schreef over kunstmatige intelligentie (AI), terwijl hij zelf die AI gebruikte om het te schrijven. Het klinkt als een kringloop, maar het is eigenlijk een heel slimme manier van samenwerken.

Hier is de uitleg in simpele taal, met een paar leuke vergelijkingen:

1. De Verandering: Van Houten Hamer tot Slimme Werkpleeg

Vroeger gebruikten wetenschappers computers als een hamer: je slaat erop en hij doet precies wat je zegt. Niets meer, niets minder.
Maar Yi Zhou merkte dat AI nu meer lijkt op een groepje stagiairs die heel slim zijn, maar nog geen ervaring hebben.

• Hij gaf de AI verschillende rollen: één als "junior theorie-expert", één als "senior professor" en één als "programmeur".
• Het resultaat? Een taak die normaal maanden duurt, was in 24 uur klaar.

De les: Je kunt niet zomaar tegen een AI zeggen: "Schrijf een geweldig artikel." Dan krijg je een rommelig verhaal vol onzin. Je moet de AI zien als een talentvolle maar onervaren assistent die je moet aansturen.

2. De Regisseur en de Acteur

Stel je voor dat de AI een acteur is die heel goed kan spreken, maar die de tekst niet echt begrijpt. Yi Zhou was de regisseur.

• De fout: Als je de acteur laat beginnen met de introductie, verliest hij de draad en verzint hij dingen.
• De oplossing: De regisseur (Yi) gaf eerst alle informatie door: de ideeën, de code, de wiskunde en zelfs de eerdere gesprekken. Pas toen de AI alles "in zijn hoofd" had, mocht hij gaan schrijven.

3. De "Oefenles": Waarom de Mens nog Altijd Nodig is

Dit is het belangrijkste deel van het verhaal. De AI is snel, maar hij maakt soms domme fouten die een mens direct ziet. Yi noemt drie voorbeelden:

• De Fout in de Fysica: De AI schreef dat ze "continue" wiskunde omzetten in "discrete" code. Een echte fysicus (Yi) schreef terug: "Wacht, dit klopt niet! In onze theorie is alles al discreet (opgesplitst in stukjes)." De AI moest de zin corrigeren.

  • Vergelijking: Het is alsof een AI zegt: "Ik heb een vis in de lucht gevangen." Jij moet zeggen: "Nee, vissen zwemmen in het water, niet in de lucht."

• De Moderne Woordkeuze: De AI gebruikte een oude term voor een quantum-effect. Yi moest ingrijpen en zeggen: "Gebruik de nieuwe, moderne term, anders denken experts dat je achterloopt."

  • Vergelijking: Het is alsof je in een gesprek over auto's zegt "een paard en wagen" in plaats van "een elektrische auto". Het is niet fout, maar het klinkt niet meer actueel.

• De Houding (Diplomatie): De AI schreef een beetje agressief over andere wetenschappers die software hebben gemaakt. Yi zei: "Dit gaat hen boos maken. We moeten hen complimenteren, niet bekritiseren."

  • Vergelijking: Stel je voor dat je een brief schrijft aan je buren. De AI zegt: "Jullie tuin is een puinhoop." Jij zegt: "Nee, zeg liever: 'Jullie tuin is mooi, maar we hebben een nieuw idee voor de gemeenschappelijke heg.'"

4. Het Voorspellen van Kritiek (De "Reviewer 2")

In de wetenschap is er altijd een strenge recensent (vaak "Reviewer 2" genoemd) die op zoek is naar fouten.
Yi moest de AI helpen om deze recensent voor te zijn.

• De AI dacht dat de code gewoon oude stukken code uit het internet had gekopieerd.
• Yi zei: "Nee, bewijs dat we echt nadenken. Laat zien dat we unieke wiskundige stappen hebben bedacht die niet in de oude boeken staan."
• Zo zorgde hij ervoor dat het artikel niet als "gekopieerd" werd afgedaan, maar als een echte ontdekking.

5. De Tekenaar die Fouten Maakt

Voor de plaatjes in het artikel gebruikte Yi een AI die tekeningen maakt. Maar die AI tekende soms onzin, zoals een wirwar van lijnen die niets met natuurkunde te maken hadden.
Yi gebruikte de tekst-AI als kunstdirecteur. Hij gaf de teken-AI heel specifieke instructies: "Teken geen wirwar. Teken een rechte lijn met vijf cirkels, dat is hoe dit werkt in de natuurkunde."
Zo zorgde hij dat de plaatjes klopten.

Conclusie: Transparantie is Alles

De boodschap van Yi Zhou is heel duidelijk:
AI is een krachtig gereedschap, maar de mens moet de hoofdonderzoeker blijven. De mens zorgt voor de logica, de waarheid en de beleefdheid.

De grote vraag: Hoe weten we dat de mens echt heeft meegedacht en niet alleen maar "copy-paste" heeft gedaan?
Het antwoord: Radicale eerlijkheid.
Yi stelt voor dat als je AI gebruikt, je alle gesprekken (de chatgeschiedenis) moet publiceren als bijlage bij je artikel. Zo kan iedereen zien:

1. Wat de mens heeft gevraagd.
2. Welke fouten de AI maakte.
3. Hoe de mens die fouten heeft gecorrigeerd.

Het is alsof je in een keuken staat en je laat zien dat je niet alleen de ingrediënten hebt gekocht, maar ook zelf hebt gekookt, hebt geproefd en hebt gezouten. Zonder die "receptgeschiedenis" weten we niet of het eten echt van jou is.

Kort samengevat: AI is de super-snelle assistent die de zware klus doet, maar de mens is de chef-kok die bepaalt wat er op het bord komt en ervoor zorgt dat het lekker en gezond is. En om te bewijzen dat jij de chef bent, laat je zien hoe je hebt gekookt.

Technische samenvatting

Titel: Co-Auteur met AI: Hoe ik een natuurkundepaper over AI schreef, met behulp van AI

Auteur: Yi Zhou (Instituut voor Natuurkunde, Chinese Academie van Wetenschappen)
Datum: 7 april 2026 (fictieve datum in de context van het artikel)

---

1. Het Probleem

De snelle integratie van Large Language Models (LLM's) in wetenschappelijk schrijven vormt een fundamentele uitdaging voor traditionele definities van auteurschap, verantwoordelijkheid en wetenschappelijke integriteit.

• De verschuiving: Onderzoekers evolueren van het gebruik van computers als deterministische hulpmiddelen (compilers, oplossers) naar het beheer van "virtuele collaborateurs".
• Het risico: Zonder menselijke sturing neigen AI-generaties naar generieke, oppervlakkige en wetenschappelijk onnauwkeurige teksten (hallucinaties). Er is een gebrek aan diepgaande fysica-intuïtie, academische diplomatie en het vermogen om kritische peer-review-argumenten vooraf te zien.
• De kernvraag: Hoe behoudt men de menselijke verantwoordelijkheid en de integriteit van het wetenschappelijk record wanneer AI structurele en syntactische taken overneemt?

2. Methodologie: De "Inside-Out" Schrijfstrategie

De auteur beschrijft een case study waarbij een computervisuele paper over een tensor-netwerk-engine werd geschreven met behulp van een Human-in-the-Loop (HITL) benadering. De methode omvatte de volgende stappen:

• Context Loading (Belangrijkste stap): In plaats van te beginnen met de introductie, werd de context van de AI eerst volledig geladen met hoogwaardige informatie: de oorspronkelijke theorie, stap-voor-stap projectdetails, wiskundige LaTeX-specificaties en de volledige, onbewerkte transcripten van eerdere interacties.
• Multi-Agent Workflow (Virtuele Onderzoeksgroep): De auteur stuurde meerdere LLM's met specifieke academische rollen aan:
  • LLM-0 (Junior Theoreticus): Extractie van ruwe vergelijkingen.
  • LLM-1 (Senior Postdoc): Het schrijven van een wiskundig strikte LaTeX-blauwdruk.
  • LLM-2 (Coder): Implementatie in Python.
• Iteratief Mentorship: De menselijke auteur fungeerde als Principal Investigator (PI) die de AI's menteerde, fouten corrigeerde en de narratieve lijn stuurde.
• Visuele Sturing: Een tekst-AI fungeerde als "Art Director" om gedetailleerde prompts te genereren voor een beeldgenerator (Nano Banana 2), zodat de gegenereerde figuren fysiek correct waren (bijv. correcte weergave van 1D Matrix Product States in plaats van willekeurige neurale netwerken).

3. Belangrijkste Bijdragen

Het artikel introduceert een nieuw paradigma voor wetenschappelijk schrijven en biedt drie specifieke technische inzichten:

1. Van Tool naar Collaborator: AI moet niet worden gezien als een magische tekstgenerator, maar als een onervaren junior medewerker die actief moet worden gemanaged. De menselijke bijdrage verschuift van het typen van standaardtekst naar het sturen van redenering en het handhaven van logica.
2. Drie Kritieke Interventies van de Mens:
   • Fysieke Nauwkeurigheid: Het corrigeren van fundamentele fouten (bijv. het onderscheid tussen continue en discrete wiskunde in tensor-netwerken, en het gebruik van de moderne term "Symmetry-Protected Topological Order" in plaats van verouderde termen).
   • Academische Diplomatie: Het aanpassen van toon om respect te tonen voor bestaande open-source bibliotheken (zoals ITensor en TeNPy) en de schuld voor fouten te leggen bij de LLM's zelf in plaats van de ontwikkelaars van de bibliotheken.
   • Anticiperen op "Reviewer 2": Het proactief sluiten van logische gaten die een kritische reviewer zou vinden, zoals het onderscheid tussen data-contaminatie (geheugen) en contextuele redenering.
3. Radicale Transparantie: De auteur pleit voor een nieuwe standaard waarbij volledige, onbewerkte transcripten van mens-AI-interacties worden gepubliceerd als supplementair materiaal. Dit dient als bewijs van menselijke sturing en verantwoordelijkheid.

4. Resultaten

• Efficiëntie: Een complexe tensor-netwerk-engine en het bijbehorende manuscript, die normaal maanden zouden duren voor een graduate student, werden in minder dan 24 uur voltooid.
• Kwaliteit: Door de menselijke supervisie werd een manuscript geproduceerd dat voldoet aan de strenge eisen van tijdschriften als Physical Review. De tekst was vrij van hallucinaties, fysiek accuraat en diplomatiek correct.
• Validatie: De methode bewees dat LLM's in staat zijn tot complexe symbolische redenering en code-generatie, mits ze worden geleid door een gestructureerde, wiskundige blauwdruk (de "Universal API" van de LaTeX-notities) in plaats van zero-shot prompts.
• Visuele Correctheid: De multi-modale samenwerking resulteerde in wetenschappelijk accurate diagrammen en cartoons die de complexe workflow correct visualiseerden.

5. Betekenis en Conclusie

Dit artikel markeert een fundamentele verschuiving in de wetenschappelijke praktijk:

• Verantwoordelijkheid: De mens blijft de eindverantwoordelijke voor de wetenschappelijke waarheid. De rol van de auteur evolueert naar die van een mentor die de AI's begeleidt.
• Integriteit: Om de integriteit van de wetenschap te behouden in het tijdperk van AI, is "radicale transparantie" noodzakelijk. Het publiceren van prompts en AI-responsen is de enige manier om het "black box"-probleem te doorbreken en aan te tonen dat de mens de logica heeft gestuurd.
• Toekomstvisie: De "Virtuele Onderzoeksgroep" wordt de nieuwe standaard voor wetenschappelijke softwareontwikkeling en manuscriptopstelling, waarbij de menselijke intellectuele sturing de kritieke factor blijft voor succesvolle innovatie.

Kernboodschap: AI is een krachtige versterker van menselijke intelligentie, maar zonder strikte menselijke controle, fysieke kennis en academische integriteit, levert het slechts oppervlakkige en foutieve resultaten op. Transparantie via gepubliceerde interactie-transcripten is essentieel voor de toekomstige geloofwaardigheid van wetenschappelijke publicaties.