Può un sistema di intelligenza artificiale risolvere uno dei problemi matematici più difficili al mondo? E che cosa cambia per la ricerca quando una soluzione viene prodotta da migliaia di agenti artificiali prima ancora che la comunità scientifica abbia potuto comprenderla e verificarla fino in fondo?
È la domanda sollevata dall’annuncio con cui, l’8 settembre 2026, OpenAi ha messo in subbuglio la comunità matematica mondiale. Un suo modello sperimentale di intelligenza artificiale sostiene di avere risolto uno dei Millennium problems del Clay mathematics institute, per ciascuno dei quali è stato messo in palio un premio da un milione di dollari.
Il problema riguarda le equazioni di Navier-Stokes, proposte nel 19esimo secolo per descrivere il comportamento dei fluidi viscosi e fondamentali per numerose applicazioni: dalla meteorologia all’idraulica, dall’aerodinamica di auto e aeromobili alla circolazione del sangue, fino ai sistemi per la produzione di energia.
Nell’annuncio, OpenAi spiega di avere messo alla prova i suoi modelli più avanzati: 10.000 agenti di Ia hanno lavorato per 88 ore sul problema e hanno prodotto un esempio nel quale le soluzioni delle equazioni cessano di esistere in un tempo finito. Altre 17 ore sono state dedicate alla verifica formale del risultato.
Secondo stime indipendenti, il costo computazionale dell’operazione per OpenAi sarebbe stato di almeno un milione di dollari, mentre altre valutazioni indicano cifre superiori di oltre dieci volte. Nel frattempo è nata una dura disputa con i ricercatori Buckmaster e Alpöge, che avevano ottenuto e annunciato poco prima un risultato strettamente collegato e accusano OpenAi di avere utilizzato il loro lavoro. OpenAi nega l’addebito. Il Clay Mathematics Institute, da parte sua, sottolinea che sarà necessario tempo per una verifica indipendente dei risultati.
Al di là delle questioni di priorità e di attribuzione delle fonti, la notizia ha avuto ampio risalto nella comunità matematica mondiale soprattutto per le implicazioni sul futuro della ricerca e dell’insegnamento della disciplina. L’11 settembre, venticinque matematici insigniti della Fields Medal, l’equivalente del premio Nobel in questo ambito, hanno pubblicato una dichiarazione sulla distanza tra gli obiettivi della comunità scientifica e quelli delle società che sviluppano sistemi di Ia. Secondo i firmatari, la ricerca del risultato rapido e spettacolare, se non è accompagnata dalla comprensione e dalla spiegazione dei metodi in termini accessibili alle persone, rischia di compromettere il progresso della disciplina: una risposta corretta, se non è comprensibile e verificabile, può avere un valore limitato per la ricerca. Su questo tema è intervenuto anche Alessio Figalli, uno dei firmatari, in un’intervista a Repubblica.
Questa dichiarazione non rappresenta un rifiuto a priori delle nuove tecnologie. Se i sistemi di Ia sono orientati alla produzione di soluzioni comprensibili e verificabili, possono favorire l’avanzamento della disciplina, sia nella ricerca sia nell’insegnamento rivolto alle nuove generazioni di scienziati. Esistono già idee e linee guida condivise dalla comunità sull’uso dell’IA nella ricerca e nella didattica della matematica, nelle quali l’essere umano mantiene un ruolo insostituibile nel decidere, comprendere e controllare i risultati prodotti da questi sistemi: tra i riferimenti vi sono il recente rapporto del Massachusetts Institute of Technology (Mit) sull’Ia nella didattica universitaria, la dichiarazione di Leiden su Ia e matematica e le linee guida del nostro ateneo.
Il punto, dunque, non è scegliere tra matematica e Ia. Il rischio nasce quando accettiamo acriticamente i risultati prodotti da questi sistemi come i responsi di un oracolo: potremmo indebolire, nell’arco di una generazione, la capacità di matematici, informatici, fisici e scienziati di comprenderli, discuterli e validarli. Perché l’Ia può accelerare la ricerca e aprire possibilità nuove, ma il progresso scientifico continua a richiedere persone capaci di capire come si arriva a un risultato, di verificarlo e di trasformarlo in conoscenza condivisa.
Sisto Baldo
Direttore dei percorsi formazione insegnanti per le classi di “Matematica” e di “Matematica e scienze”, e referente del corso di studio in Matematica applicata Univr
