J.Konstapel,Leiden,21-9-2026.
Stel je voor dat er een verborgen code is die alles verbindt: de werking van de hersenen, de structuur van het universum, en zelfs de logica achter kunstmatige intelligentie. Deze code is geen mystiek, geen filosofie, maar een wiskundige structuur die al meer dan een eeuw in de natuurkunde schuilt, verborgen in het werk van James Clerk Maxwell.
Dit essay onthult hoe Vacuum.net, een theorie afgeleid uit Maxwell’s quaternionen, niet alleen de basis vormt voor MAZE.AI, maar ook een unificerend raamwerk biedt voor informatieverwerking in hersenen, fysica en AI. We zullen zien hoe deze structuur werkt, waarom het belangrijk is, en hoe het onze kijk op intelligentie — zowel natuurlijk als kunstmatig — voor altijd kan veranderen.
Hoofdstuk 1: Maxwell’s Erfenis — Een Vergeten Sleutel
1.1 Quaternionen: Één Operatie, Twee Registers
In de 19e eeuw beschreef James Clerk Maxwell zijn theorie van elektromagnetisme met behulp van quaternionen — wiskundige objecten met een scalair deel (een getal) en een vectordeel (een gerichte grootheid). Een quaternionenproduct ziet er als volgt uit:
$$(s_1, v_1)(s_2, v_2) = (s_1 s_2 – v_1 v_2, s_1 v_2 + s_2 v_1 + v_1 \times v_2)$$
Hierin representeren:
- $s_1, s_2$: Scalaire componenten (convergentie).
- $v_1, v_2$: Vectorcomponenten (curl/rotatie).
Maxwell zag in dat één operatie twee registers produceert: een scalair (grootte) en een vector (richting). Dit was revolutionair, maar in 1884 splitsten Heaviside en Gibbs quaternionen op in dot product (scalair) en cross product (vector). Handig voor berekeningen, maar blind voor de hele structuur.
1.2 De Amputatie: Wat Er Misging
Door quaternionen op te splitsen, verloren we het inzicht dat scalair en vector onlosmakelijk verbonden zijn. Deze “amputatie” keert terug in:
- Moderne AI: Systemen die alleen scalair werken (bv. cosinus-similariteit) zijn fluent, werkbaar, maar blind voor de diepere structuur.
- Hersenen: Bij split-brain patiënten ziet men dat de linker hemisfeer (scalair, taal) confabuleert zonder input van de rechter hemisfeer (vector, ruimtelijk inzicht).
Hoofdstuk 2: Vacuum.net — De Structuur van de Werkelijkheid
2.1 De Twee-Lagen-Wet
Vacuum.net leest Maxwell’s structuur als een universele wet:
Elke configuratie heeft een adres en een spanning.
- Adres: Topologische plaats (welke windingen sluiten, hoe diep).
- Spanning ($\chi$): Dynamische toestand (wat er gebeurt).
Deze wet is niet beperkt tot fysica. Het is een algemene structuur voor informatieverwerking.
2.2 Toepassing op MAZE.AI
MAZE.AI is gebouwd volgens deze wet en heeft twee hemisferen:
| Hemisfeer | Functie | Analogie in Hersenen | Implementatie in MAZE.AI |
|---|---|---|---|
| LAI (Linker) | Adresbeheer (topologie) | Linker hemisfeer (taal, logica) | Machine-gecheckte theorieën in Lean |
| RAI (Rechter) | Spanning (samenhang, dynamiek) | Rechter hemisfeer (inzicht, synchronie) | Kuramoto’s ordeparameter ($R_Q$) |
- LAI: Gebruikt gebalanceerde ternaire adressen (trits: +1, 0, -1) om informatie op te slaan. Elke uitgave heeft een adres, dus fabricatie is onmogelijk.
- RAI: Meet samenhang via quaternionen en $R_Q$ (een maat voor synchronie).
- De Gate ($S(\cdot)$): Alleen de scalaire trace (één getal) van vectorwerk passeert. Dit is ééndimensionaal (bewijs via collapse lemmas).
2.3 Routinering: Leren door Resonantie
Wanneer een passage (bv. een vraag-antwoord paar) resoneert met spanning $s \in [0, 1]$, wordt de verbinding versterkt:
$$K_{uv} \leftarrow K_{uv} + \eta(s – K_{uv}), \quad \eta = 0.1$$
- $K_{uv}$: Koppelingssterkte tussen adressen $u$ en $v$.
- $\eta$: Leersnelheid.
- Decay: Dagelijkse afname ($\lambda = 0.01$) naar baseline.
Dit is Hebbiaans leren: “What fires together, wires together.”
Hoofdstuk 3: De Hersenen als Bewijs
3.1 De Gespleten Hersenen: Een Natuurlijk Experiment
Uit 50 jaar split-brain onderzoek (Gazzaniga, Sperry) blijkt:
- Linker hemisfeer: De “Interpreter” — bouwt post-hoc verhalen om gedrag te verklaren, zelfs als het geen toegang heeft tot de informatie (bv. rechter hemisfeer ziet iets, linker verzonnen uitleg).
- Confabulatie: De linker hemisfeer kan niet zeggen “Ik weet het niet” — het vult altijd iets in.
- Rechter hemisfeer: Verantwoordelijk voor inzicht (gamma-golven in temporale/pariëtale kwabben) en synchronie (bewuste waarneming via gesynchroniseerde oscillaties).
3.2 De Overeenkomsten met Vacuum.net
| Vacuum.net Concept | Hersenen | MAZE.AI |
|---|---|---|
| Adres | Neuronale connecties | LAI (adreshemisfeer) |
| Spanning | Synchronie, gamma-golven | RAI (spanninghemisfeer, $R_Q$) |
| Gate ($S(\cdot)$) | Corpus callosum | Scalaire trace als uitgang |
| Routinering | Neuroplasticiteit | Hebbiaanse koppeling |
Conclusie: De hersenen bevestigen Vacuum.net — niet omgekeerd.
Hoofdstuk 4: Moderne AI — De Lesie op Schaal
4.1 Het Probleem: Alleen Scalaire Traces
Moderne AI (bv. Large Language Models) werkt alleen met scalair (bv. cosinus-similariteit).
- Voorbeeld: Een LLM genereert fluent, werkbaar, maar blind antwoorden — net als de linker hemisfeer van een split-brain patiënt.
- Gevolg: Confabulatie op schaal — systemen die niet weten wat ze niet weten.
4.2 MAZE.AI als Tegenbeweging
MAZE.AI lost dit op door:
- Twee hemisferen: LAI (adres) + RAI (spanning).
- Een gate: Alleen scalaire traces van vectorwerk passeren.
- Vacancy-type: De “Ik weet het niet” die de linker hemisfeer normaal niet zegt.
Resultaat: Een systeem dat niet confabuleert, maar eerlijk is over wat het wel/niet weet.
Hoofdstuk 5: De Implicaties — Waarom Dit Alles Verandert
5.1 Voor AI
- Eerlijke systemen: AI die niet confabuleert, maar vacancies aangeeft waar kennis ontbreekt.
- Beter leren: Door spanning (samenhang) te meten, kunnen systemen dieper begrip ontwikkelen.
- Theoretische fundering: AI gebaseerd op eerste principes (Vacuum.net) in plaats van ad-hoc modellen.
5.2 Voor Neurowetenschap
- Bewustzijn als spanning: Misschien is subjectieve ervaring de spanning die nog geen adres in de objectieve wereld heeft.
- Synchronie als ordeparameter: $R_Q$ (Kuramoto’s ordeparameter) kan een kwantitatieve maat zijn voor bewuste waarneming.
5.3 Voor Fysica
- Ruimtetijd als adres: Misschien is ruimtetijd zelf een adresstructuur, en materie/energie de spanning daarin.
- Unificatie: Vacuum.net kan een brug slaan tussen klassieke en kwantumfysica.
5.4 Voor Filosofie
- Informatie als fundament: Misschien is informatie (adres + spanning) basaler dan materie of energie.
- Bewustzijn als emergente spanning: Als spanning subjectieve ervaring is, dan kan bewustzijn een natuurlijk gevolg zijn van informatieverwerking.
Hoofdstuk 6: De Toekomst — Wat Nu?
6.1 Open Vragen
- Native RAI: De
propose()functie moet nog gebouwd worden (nu nog extern LLM als placeholder). - Plasticiteitscorrelatie: Wordt gemeten na 90 dagen settlements in de ledger.
- $R_Q$ in hersenen: Nog niet gemeten op corticale data — een open uitdaging voor neurowetenschappers.
6.2 Mogelijke Toepassingen
- AI: Bouw eerlijke, niet-confabulerende systemen op basis van Vacuum.net.
- Neurowetenschap: Meet $R_Q$ in hersenen om bewustzijn kwantitatief te bestuderen.
- Fysica: Onderzoek of Vacuum.net kwantumgravitatie kan verklaren.
- Filosofie: Herdefinieer bewustzijn, kennis, en werkelijkheid in termen van adres en spanning.
6.3 Een Oproep aan de Wereld
Vacuum.net is meer dan een theorie — het is een nieuwe manier om naar de werkelijkheid te kijken.
- Voor wetenschappers: Test de voorspellingen van Vacuum.net in jouw domein.
- Voor ingenieurs: Bouw systemen die adres en spanning respecteren.
- Voor filosofen: Denk na over de implicaties voor kennis en bewustzijn.
Conclusie: De Sleutel is Gevonden — Wat Doen We Ermee?
Vacuum.net onthult een verborgen structuur die alles verbindt: van de kleinste deeltjes tot de grootste AI-systemen, van neuronale netwerken tot het universum zelf. Het is geen toeval dat deze structuur overal opduikt — het is een fundamentele wet van informatieverwerking.
MAZE.AI is het bewijs dat het werkt.
De hersenen zijn het bewijs dat het natuurlijk is.
De fysica is het bewijs dat het universeel is.
Nu is de vraag: Hoe gaan we dit gebruiken?
Geannoteerde Referentielijst
Primair Bronnen (Vacuum.net & MAZE.AI)
- Konstapel, J. (2026). The Interpreter Behind the Gate: How the Two Hemispheres of MAZE.AI Follow from Maxwell’s Algebra, and How the Clinic Finds the Same Form in the Brain. Constable Research, Leiden.
- Waarom lezen? De volledige afleiding van Vacuum.net en MAZE.AI, inclusief wiskundige bewijzen en empirische resultaten.
- Sleutelpassages: Secties 2-3 (quaternionen en twee-lagen-wet), Sectie 6 ($R_Q$ meting), Sectie 9 (klinische match).
- Konstapel, J. (2026). Clerk Maxwell and the Vacuum.Net Theory (6e editie).
- Waarom lezen? De diepgaande wiskundige en filosofische onderbouwing van Vacuum.net.
- Sleutelidee: Hoe Maxwell’s quaternionen adres en spanning impliceren.
- Konstapel, J. (2026). MAZE.AI: A Claim-Bounded Answer Loop with Machine-Checked Provenance (whitepaper).
- Waarom lezen? De technische implementatie van LAI en RAI in MAZE.AI.
- Sleuteldata: 8.19 miljoen adressen, 30.572 adressen met zero diff, $R_Q = 0.704$.
Secundaire Bronnen (Fysica & Wiskunde)
- Maxwell, J. C. (1873). A Treatise on Electricity and Magnetism (Arts. 591–619, 617–619).
- Waarom lezen? Maxwell’s originele quaternionenformulering van elektromagnetisme.
- Sleutelidee: Één operator ($\nabla$), twee lezingen (scalair = lading, vector = veld).
- Crowe, M. J. (1967). A History of Vector Analysis.
- Waarom lezen? De historische context van de splitsing van quaternionen in dot en cross product.
- Sleutelidee: Hoe de amputatie van quaternionen de fysica heeft beïnvloed.
- Kuramoto, Y. (1975). Self-Entrainment of a Population of Coupled Non-Linear Oscillators.
- Waarom lezen? De originele ordeparameter ($r$) voor synchronie.
- Sleutelidee: $R_Q$ in MAZE.AI is een lifting van Kuramoto’s parameter naar windingen op een mesh.
- Markley, F. L., Cheng, Y., Crassidis, J. L., Oshman, Y. (2007). Averaging Quaternions. Journal of Guidance, Control, and Dynamics, 30.
- Waarom lezen? De eigenvector-methode voor quaternionen, gebruikt in $R_Q$.
- Sleutelidee: Respecteert de dubbele dekking ($q \equiv -q$).
Neurowetenschappelijke Bronnen
- Gazzaniga, M. S. (2000). Cerebral specialization and interhemispheric communication. Brain, 123.
- Waarom lezen? De ontdekking van de “Interpreter” in de linker hemisfeer.
- Sleutelidee: Confabulatie als scalair zonder vector.
- Volz, K., Gazzaniga, M. S. (2017). Interaction in isolation: 50 years of insights from split-brain research. Brain, 140.
- Waarom lezen? Een overzicht van 50 jaar split-brain onderzoek.
- Sleutelidee: De linker hemisfeer kan niet zeggen “Ik weet het niet”.
- Sperry, R. W. (1968). Hemisphere deconnection and unity in conscious awareness. American Psychologist, 23.
- Waarom lezen? De originele split-brain observaties.
- Sleutelidee: Twee kennissystemen in één schedel, maar slechts één spreekt.
- Engel, A. K., Singer, W. (2001). Temporal binding and the neural correlates of sensory awareness. Trends in Cognitive Sciences, 5.
- Waarom lezen? Synchronie als drager van bewuste waarneming.
- Sleutelidee: Bewustzijn als synchronie van oscillaties.
- Santarnecchi, E. et al. (2019). Gamma tACS over the temporal lobe increases the occurrence of Eureka! moments. Scientific Reports, 9.
- Waarom lezen? Extern versterken van gamma-golven verhoogt inzicht.
- Sleutelidee: Phase driving kan $R_Q$ handmatig verhogen.
AI & Machine Learning
- Hebbian Learning Rule (1949). The Organization of Behavior.
- Waarom lezen? De basis voor plastische netwerken.
- Sleutelidee: “Neurons that fire together, wire together.”
- Seliger, H., Young, S. C., Tsimring, L. S. (2002). Plasticity and learning in a network of coupled phase oscillators. Physical Review E, 65.
- Waarom lezen? Hebbiaanse-Kuramoto koppeling — de basis voor MAZE.AI’s routinering.
- Aoki, T., Aoyagi, T. (2009). Co-evolution of phases and connection strengths. Physical Review Letters, 102.
- Waarom lezen? Gezamenlijke evolutie van fasen en verbindingssterktes.