KI und die schwierigen Probleme der Welt · Mathematik · arXiv · 2026-10-22
Nicht-Einfrieren des Nachbarschafts-Digraphen und nicht-pseudostabile Konvergenz in heterogenen Hegselmann--Krause-Modellen: Gegenbeispiele zu Vermutungen und Ergebnissen von Mirtabatabaei und Bullo
Originaltitel: Non-freezing of the proximity digraph and non-pseudostable convergence in heterogeneous Hegselmann--Krause models: Counterexamples to conjectures and results of Mirtabatabaei and Bullo
Im Jahr 2012 untersuchten Mirtabatabaei und Bullo heterogene Hegselmann-Krause-Modelle der Meinungsdynamik, bei denen verschiedene Agenten unterschiedliche Vertrauens- oder Einflussgrenzen haben können, und stellten die Vermutung auf, dass Meinungsvektoren immer konvergieren, ein fundamentales Problem, das weiterhin offen bleibt. Die Arbeit liefert Gegenbeispiele zu zwei ihrer Hilfsvermutungen und sogar zu einem Theorem in ihrem Paper, während sie erklärt, warum die widerlegten Vermutungen und das falsche Theorem wahrscheinlich für fast alle anfänglichen Meinungsvektoren weiterhin gültig bleiben. Der letzte Abschnitt beschreibt die Rolle der KI bei der Erzielung der Ergebnisse.