Een softwareontwikkelaar heeft een significante doorbraak geforceerd in de wereld van de verzamelingenleer door kunstmatige intelligentie in te zetten voor het ontwerpen van complexe Venn-diagrammen. Chris Dzoba slaagde erin om rotatiesymmetrische diagrammen te genereren die de omvang van alle eerder bekende versies overtreffen. De resulterende beelden zijn niet alleen wiskundig accuraat, maar vertonen ook een esthetische vorm die doet denken aan kantwerk, bestaande uit tienduizenden afzonderlijke segmenten, zoals beschreven door newscientist.com.
Het vervaardigen van Venn-diagrammen met rotatiesymmetrie is een beruchte uitdaging binnen de wiskunde. Terwijl eenvoudige diagrammen met drie of vier cirkels algemeen bekend zijn, wordt het proces exponentieel moeilijker naarmate er meer verzamelingen worden toegevoegd. Er gelden strikte wiskundige voorwaarden: dergelijke symmetrische structuren kunnen enkel worden gerealiseerd wanneer het aantal verzamelingen een priemgetal is. Daarnaast streeft men vaak naar 'simpele' diagrammen, waarbij op geen enkel punt meer dan twee curven elkaar kruisen.
Historisch gezien werden deze records traag verlegd. In 2012 werd een simpel symmetrisch diagram met 11 sets ontdekt, gevolgd door een versie met 13 sets in 2014. De stap naar grotere aantallen bleek echter een enorme hindernis voor menselijke rekenkracht en conventionele methoden. De recente resultaten van Dzoba tonen aan dat AI deze barrières kan slechten. Volgens de berichtgeving van is dit mogelijk gemaakt door een innovatieve samenwerking tussen verschillende taalmodellen.
Dzoba maakte gebruik van een ongebruikelijke methode door twee AI-modellen — Claude Fable van Anthropic en GPT-6 Astra van OpenAI — met elkaar te laten communiceren via een discussieforum. De modellen werkten gezamenlijk aan het ontwikkelen van een algoritme dat de complexe structuren van een 17-set Venn-diagram kon ontsluiten. De snelheid van dit proces was opvallend: nadat het project op een dinsdag startte, hadden de modellen tegen de donderdag de oplossing voor 17 sets gevonden. Kort daarna, op de volgende zondag, was er reeds een oplossing voor een diagram met 19 sets beschikbaar, zoals vermeld in het artikel van .
De ambities van de ontwikkelaar stoppen hier niet. De volgende doelstelling is het vinden van een diagram met 23 sets. Deze stap is technisch echter veel uitdagender en vereist aanzienlijk meer rekenkracht. Om dit te realiseren, zal Dzoba gebruikmaken van betaalde cloud computing om de benodigde computationele resources voor het algoritme te leveren, aldus .
Deze ontwikkeling illustreert een bredere trend waarbij geavanceerde AI-tools wiskundige problemen oplossen die voorheen enkel binnen gespecialiseerde academische kringen konden worden aangepakt. Hoewel een diagram met tienduizenden segmenten voor een menselijke waarnemer nauwelijks meer leesbaar is, dient het als een krachtig bewijs van de precisie waarmee AI door complexe wiskundige restricties kan navigeren.