Test 4 — Killer Finding: la firma ⇄

Cosa testa

Esiste una caratterizzazione diretta dei 24 nodi A=2, espressa solo in metriche di rete standard, senza riferimento al modello generativo del Tesseract? Il test prova combinazioni di tre metriche classiche — grado, betweenness, clustering — confrontandole con la media globale.

Risultato

La congiunzione

grado > media ∧ betweenness > media ∧ clustering < media

identifica esattamente i 24 nodi A=2 su 72, e nessun altro:

• Precision: 100%
• Recall: 100%
• F1: 100%

Nessun falso positivo, nessun falso negativo. La firma non era un input del modello: emerge spontaneamente dalla struttura.

Cosa significa

È il punto di svolta del programma. Da qui in poi non serve più sapere cosa sia EAR, il Tesseract o la Kabbalah per usare il risultato. La firma è un algoritmo di tre righe: prendi una rete, calcola le tre metriche, applica la disuguaglianza. I nodi che la soddisfano sono i ponti — i broker, gli adattatori, gli interneuroni.

L'errore iniziale (la previsione era "A=2 ha più clustering") si è rivelato necessario: ha portato alla scoperta corretta, ovvero che ⇄ ha meno clustering perché connette diversi, non simili. La predizione falsificabile è netta: in qualsiasi rete naturale dove esista una distinzione Δ/⇄/⟳, i nodi connettori avranno grado e betweenness alti e clustering basso. Se i broker noti hanno clustering alto, EAR è falsificato.

Materiale

• KILLER_FINDING.md — testo della scoperta con metriche e implicazioni
• signature_verification.py — script di verifica riproducibile sui 72 nodi

Posizione nella sequenza

Quarto test. È il killer finding del programma: sposta l'oggetto da "validare il Tesseract" a "validare uno strumento universale". I cinque test successivi rispondono a una sola domanda: la firma vale fuori dal Tesseract? Il Test 5 inizia a verificarlo su reti benchmark classiche.