Può un sistema di intelligenza artificiale fare una scoperta matematica originale? Fino a pochi mesi fa sembrava una domanda da fantascienza. Oggi è diventata un tema di dibattito scientifico internazionale. A cambiare lo scenario è stato un risultato annunciato da OpenAI, secondo cui un proprio modello sperimentale è riuscito a risolvere un celebre problema di geometria combinatoria formulato nel 1946 dal matematico ungherese Paul Erdős, rimasto irrisolto per quasi ottant’anni.
La scoperta riguarda il cosiddetto unit distance problem, uno dei problemi più noti della geometria discreta. Per decenni la comunità matematica aveva ritenuto corretta una determinata congettura sulla disposizione di punti nel piano. Il modello di OpenAI avrebbe invece trovato una famiglia infinita di controesempi, dimostrando che quella convinzione era errata e introducendo un approccio completamente nuovo basato sulla teoria algebrica dei numeri.
Non si tratta semplicemente di un computer che esegue calcoli più velocemente dell’uomo. La novità è che il sistema avrebbe individuato un’idea matematica originale, successivamente verificata e riscritta in forma comprensibile da un gruppo di matematici di fama internazionale. È un passaggio che molti osservatori considerano uno spartiacque nello sviluppo dell’AI.
Tra questi c’è il matematico britannico Tim Gowers, vincitore della Medaglia Fields, che ha definito il risultato “una pietra miliare per la matematica e l’AI“, aggiungendo che, se il lavoro fosse stato presentato da un ricercatore umano, ne avrebbe raccomandato la pubblicazione senza esitazioni.
Anche Noga Alon, tra i maggiori esperti mondiali di geometria combinatoria, ha parlato di “un risultato straordinario“, sottolineando come il problema fosse uno dei più cari a Erdős e avesse impegnato generazioni di matematici.
Il caso ha però acceso anche una riflessione molto più ampia. Se un modello di AI è in grado di produrre risultati scientifici originali, chi ne garantisce la correttezza? Come si attribuisce la paternità di una scoperta? E cosa succede se la dimostrazione nasce da un sistema proprietario che nessun altro ricercatore può esaminare?
Per affrontare questi interrogativi è nata la Leiden Declaration on Artificial Intelligence and Mathematics, un documento elaborato da sedici ricercatori di università internazionali e sostenuto dalla International Mathematical Union. L’obiettivo non è limitare l’uso dell’AI, ma definire principi condivisi affinché la ricerca continui a essere trasparente, verificabile e accessibile.
La dichiarazione mette in guardia da alcuni rischi concreti. Le dimostrazioni generate dall’AI potrebbero contenere errori difficili da individuare, soprattutto quando diventano estremamente complesse. Inoltre, l’utilizzo di modelli proprietari rischia di creare una ricerca “a due velocità“, nella quale soltanto chi dispone delle tecnologie più avanzate può produrre determinati risultati. Un altro tema riguarda la trasparenza. Se una scoperta nasce grazie a un sistema chiuso, diventa più difficile ripercorrere l’intero processo che ha portato alla soluzione.
Secondo Peter Scholze, direttore del Max Planck Institute for Mathematics e anche lui Medaglia Fields, “l’obiettivo della ricerca matematica è la comprensione umana“. Per questo, osserva, la matematica può prosperare soltanto all’interno di una comunità di ricercatori che condividono conoscenze, metodi e verifiche reciproche.
Il dibattito arriva in un momento in cui l’AI sta compiendo progressi sorprendenti anche in altri ambiti della matematica. Negli ultimi mesi diversi modelli hanno raggiunto prestazioni paragonabili a quelle dei migliori concorrenti delle Olimpiadi Internazionali della Matematica e sono sempre più utilizzati come strumenti di supporto nella formulazione e nella verifica delle dimostrazioni.
L’impressione è che la matematica stia vivendo una trasformazione simile a quella che gli scacchi hanno attraversato con l’arrivo dei motori di gioco. Il matematico non viene sostituito, ma cambia il suo ruolo. Sempre meno tempo sarà dedicato ai calcoli ripetitivi e sempre più alla scelta delle domande giuste, all’interpretazione dei risultati e alla verifica critica delle intuizioni prodotte dalle macchine.
La vera sfida, dunque, non sarà decidere se utilizzare l’AI nella ricerca matematica. Quella trasformazione è già iniziata. La questione sarà stabilire come farlo, preservando i principi che hanno sempre guidato la scienza. Perché anche quando una dimostrazione nasce grazie a un algoritmo, la fiducia nella conoscenza continua a dipendere dal giudizio umano.
Matematica, l’AI soccombe agli umani: risolve solo 6 quesiti su 10 nel test più difficile di sempre
Il risultato sottolinea che l’AI, nonostante i progressi, fatica ancora…
