← Terug naar kennisbank
AI Nieuws
·
Leestijd: 4 min
AxiomMath heeft een groot deel van de wiskunde die in het Stacks Project staat omgezet naar code die een computer stap voor stap kan controleren. Dat maakt die wiskunde controleerbaar voor machines en biedt een stevige basis voor toekomstige AI-toepassingen.
Wat is het Stacks Project?
Het Stacks Project begon in 2005 als een online naslagwerk van wiskundige resultaten, opgezet door Johan de Jong. Sindsdien bouwden veel wiskundigen eraan mee. Het bevat uitleg en bewijzen die lopen van college-algebra tot zeer gevorderde onderwerpen in algebra, meetkunde en getaltheorie.
Wiskundigen zien het project als een van de grootste en meest samenhangende verzamelingen van moderne wiskunde. Veel resultaten in Stacks hangen aan elkaar: definities en stellingen bouwen op eerdere delen. Dat maakt het tot een soort stamboom van wiskundige kennis.
Wat heeft AxiomMath precies gedaan?
AxiomMath zette ongeveer 7.654 pagina's van het Stacks Project om in zo'n 16 miljoen regels code in de programmeertaal Lean. Die code beschrijft wiskundige beweringen en hun bewijzen op een manier die een computer precies kan controleren.
Die controle gebeurt met een zogenoemde bewijsassistent (een programma dat bewijzen regel voor regel checkt). Alleen wanneer de bewijsassistent bevestigt dat elke stap logisch klopt, geldt het als formeel geverifieerd.
De aanpak van AxiomMath had een paar opvallende elementen:
Een grote groep autonome agenten (AI-systemen) werkte parallel aan delen van het project.
De agenten kregen een losse hiërarchie: niet elk detail werd centraal voorgeschreven, maar het geheel hield wel samen.
AxiomMath trainde eigen modellen die goed zijn in wiskunde, in plaats van alleen bestaande modellen te gebruiken.
De CEO, Carina Hong, en het team zeiden dat het lastig leek om iets groots en tegelijk fragiels als het Stacks Project intact te houden. Toch lukte het om alle verbanden tussen de resultaten te bewaren terwijl de code werd opgebouwd.
Waarom formele verificatie belangrijk is
Formaliseren betekent dat een wiskundig bewijs wordt herschreven als code en gecontroleerd door een computer. Dat voorkomt menselijke vergissingen en vage formuleringen. In technische vakken wordt hetzelfde principe al gebruikt:
Chipontwerpers gebruiken formele verificatie om zeker te weten dat hun ontwerpen doen wat ze moeten.
Onderzoekers hebben formele controle gebruikt om fouten te vinden in software voor bijvoorbeeld uitkeringsberekeningen.
Voor wiskunde zelf is het belangrijk omdat onderzoekers niet steeds opnieuw bij het begin hoeven te beginnen. Als een resultaat formeel is geverifieerd, kunnen nieuwe bewijzen daarop voortbouwen zonder dat iemand elke keer alles handmatig hoeft na te rekenen.
Wat betekent dit voor AI en softwareontwikkeling?
AxiomMath ziet formele verificatie als de basis voor betrouwbaardere AI-systemen en veiligere software. Als AI-systemen code en wetenschappelijke argumenten gaan schrijven, is het nuttig dat ze kunnen terugvallen op een betrouwbare, gecontroleerde kennisbasis.
Dat heeft twee voordelen:
Het maakt hergebruik van gecontroleerde onderdelen mogelijk. Nieuwe bewijzen en programma's hoeven niet steeds vanaf nul te beginnen.
Het vermindert de kans dat AI-systemen fouten of slordigheden verder verspreiden omdat ze voortbouwen op onbetrouwbare bronnen.
Wiskundigen als Terence Tao zeggen kortweg: hoe meer formele bewijzen er zijn, hoe meer formele bewijzen je kunt maken. AxiomMath hoopt dat wiskunde het domein is waarin deze aanpak het eerst goed werkt en daarna op software en wetenschap kan worden toegepast.
Conclusie
Met de formele verificatie van het Stacks Project heeft AxiomMath een grote stap gezet naar een machineleesbare en controleerbare basis van moderne wiskunde. Die basis moet het makkelijker maken om nieuwe resultaten betrouwbaar op te bouwen en geeft AI-systemen een stevige fundering om op voort te bouwen. AxiomMath hoopt hiermee te voorkomen dat slordige of onbetrouwbare AI-uitkomsten de overhand krijgen bij het schrijven van bewijzen en software.
