Kompression erklärt menschliche Mathematik: Ein neues Modell

Ein neues arXiv‑Papier mit dem Titel „Compression is all you need: Modeling Mathematics“ präsentiert eine faszinierende Theorie darüber, warum die Mathematik, die wir Menschen entdecken und schätzen, nur ein winziges Teilstück der gesamten formalen Mathematik darstellt. Die Autoren argumentieren, dass menschliche Mathematik (HM) sich durch ihre hohe Kompressibilität auszeichnet – sie nutzt hierarchisch verschachtelte Definitionen, Lemmas und Theoreme, um komplexe Ideen in kompakte Formen zu fassen.

Zur Veranschaulichung modellieren die Forscher HM mit Hilfe von Monoiden. In einem freien abelschen Monoid \(A_n\) führt ein logarithmisch spärlicher Satz von Makros zu einer exponentiellen Steigerung der Ausdruckskraft. Im Gegensatz dazu liefert ein polynomisch dichter Makrosatz im freien nicht‑abelschen Monoid \(F_n\) lediglich lineare Expansion; superlineare Wachstum erfordert nahezu maximale Dichte. Diese theoretischen Ergebnisse legen nahe, dass die Kompression in der menschlichen Mathematik ein entscheidender Faktor für ihre Effizienz ist.

Um die Modelle zu prüfen, analysierten die Autoren die umfangreiche Lean‑4‑Bibliothek MathLib, die als Proxy für HM dient. Für jedes Element wurden Tiefe (Anzahl der definitorischen Ebenen), eingewickelte Länge (Token in der Definition) und ausgerollte Länge (primitive Symbole nach vollständiger Expansion) gemessen. Die Daten zeigen, dass die ausgerollte Länge exponentiell mit Tiefe und eingewickelter Länge wächst, während die eingewickelte Länge über alle Tiefen hinweg nahezu konstant bleibt. Diese Beobachtungen stimmen mit dem \(A_n\)-Modell überein und widersprechen dem \(F_n\)-Modell, was die These unterstützt, dass HM ein polynomisch wachsendes Teil des exponentiell wachsenden formalen Raums ist.

Die Autoren gehen noch einen Schritt weiter und nutzen die Kompression, gemessen am Abhängigkeitsgraphen von MathLib, sowie eine PageRank‑ähnliche Analyse, um mathematisches Interesse zu quantifizieren. Diese Methoden könnten künftig dazu beitragen, automatisierte Beweissysteme gezielt auf die komprimierbarsten Bereiche zu lenken und so die Forschung in der Mathematik effizienter zu gestalten.

Insgesamt liefert das Papier einen überzeugenden Rahmen, der die Rolle der Kompression in der menschlichen Mathematik hervorhebt und neue Wege für die Analyse und Automatisierung mathematischer Erkenntnisse eröffnet.