Immagine copertina generata con l’intelligenza artificiale
L’intelligenza artificiale sta entrando in una delle aree più complesse della conoscenza umana e il suo impatto sulla matematica inizia a farsi sentire con forza. Negli ultimi mesi, i progressi dei modelli hanno raggiunto un livello che fino a poco tempo fa sembrava lontano, fino ad arrivare alle dieci soluzioni presentate da OpenAI attraverso il suo modello interno Astra. Risultati che hanno impressionato diversi ricercatori e alimentato una domanda molto più ampia: quale sarà il ruolo dei matematici se le macchine continueranno a migliorare a questo ritmo?
Dall’AI che non sapeva contare alla matematica avanzata
Il paradosso è evidente. Fino a tempi recenti, i modelli di intelligenza artificiale erano notoriamente inaffidabili persino davanti a operazioni elementari o semplici conteggi. Oggi continuano a mostrare debolezze in alcune aree di base, ma contemporaneamente sono diventati capaci di affrontare problemi matematici di livello professionale.
La matematica, del resto, non è una disciplina uniforme. Esistono settori nei quali i modelli sembrano ottenere risultati notevoli e altri, come la topologia secondo alcuni matematici interpellati da The Verge, dove le difficoltà rimangono significative. È proprio questa capacità irregolare, definita come un limite dai contorni ancora incerti, a rendere difficile prevedere dove arriveranno le AI.
Astra di OpenAI porta dieci problemi al centro del dibattito
La svolta è arrivata con Astra, un modello interno di OpenAI non disponibile al pubblico. L’azienda ha pubblicato un documento dedicato a dieci progressi nella matematica e nell’informatica teorica, riguardanti aree molto diverse, dalla teoria dei giochi quantistici al problema dell’impacchettamento delle sfere in dimensioni superiori.
Il risultato ha provocato un forte interesse nella comunità scientifica. I problemi affrontati erano questioni considerate importanti dagli stessi matematici e, secondo i ricercatori intervistati, se una singola persona avesse prodotto anche solo uno di quei risultati avrebbe potuto costruire una carriera accademica intorno a quella scoperta.
Non sono però mancate le critiche. Alcuni studiosi hanno contestato il modo in cui OpenAI aveva inizialmente presentato i risultati e, in particolare, l’attribuzione del lavoro precedente su cui alcune soluzioni si basavano. La questione è stata successivamente corretta. Sul piano matematico, invece, i risultati non sembrano essere stati messi seriamente in discussione: le prove possono inoltre essere verificate attraverso strumenti come Lean, un linguaggio utilizzato per formalizzare e controllare dimostrazioni matematiche.
Il problema dei giovani ricercatori
La velocità del progresso rappresenta forse l’aspetto più destabilizzante. Un dottorando può iniziare oggi a lavorare su un problema ancora irrisolto e scoprire, durante il proprio percorso di ricerca, che un modello AI lo ha già affrontato con successo.
È questa la ragione per cui alcuni matematici parlano di una sorta di “shell shock”. Non si tratta soltanto della paura di essere sostituiti, ma dell’incertezza su cosa significhi fare ricerca quando le capacità delle macchine cambiano così rapidamente.
La questione riguarda anche il valore delle domande. Per molti matematici, infatti, la parte più importante del lavoro non è semplicemente risolvere un problema, ma ciò che nasce dalla soluzione: nuovi strumenti, nuove connessioni e intere aree di ricerca. Se l’AI si limitasse a “spuntare” problemi senza aprire nuovi percorsi, il rischio sarebbe quello di rendere la disciplina più sterile anziché più fertile.
Accesso alla tecnologia e costi della ricerca
L’AI potrebbe comunque avere un effetto positivo sulla democratizzazione della matematica. Persone con intuizioni valide ma prive di una formazione accademica avanzata potrebbero utilizzare questi strumenti per esplorare idee che altrimenti non avrebbero potuto sviluppare.
Ma esiste anche il problema opposto: l’accesso alla potenza di calcolo costa. OpenAI ha indicato una cifra di circa 2.000 dollari per ottenere i dieci risultati, una stima che non considera tutti gli altri costi legati allo sviluppo dei modelli. Per una disciplina che spesso può essere praticata con una semplice lavagna, anche questa cifra può rappresentare una barriera significativa.
Tra entusiasmo e accuse di hype
La comunità matematica si trova quindi divisa tra curiosità, entusiasmo e forte prudenza. Alcuni ricercatori vedono nell’AI uno strumento capace di ampliare enormemente le possibilità della disciplina. Altri contestano il modo in cui le aziende tecnologiche stanno utilizzando i risultati matematici per promuovere i propri modelli.
Diversi matematici hanno aderito alla Leiden Declaration, prendendo posizione contro l’hype eccessivo sull’intelligenza artificiale applicata alla matematica. Il timore è che una disciplina fondamentale venga trasformata in una sorta di banco di prova pubblicitario per tecnologie sviluppate con obiettivi molto più ampi.
La domanda resta aperta: cosa sarà la matematica?
Il punto centrale non è quindi stabilire se l’AI abbia “risolto la matematica”: la fonte sottolinea chiaramente che non è così. I modelli restano incapaci in numerose aree e il successo in un settore non garantisce automaticamente risultati negli altri.
La vera incognita riguarda la direzione che prenderà la disciplina. Se le macchine continueranno a risolvere problemi sempre più difficili, i matematici dovranno capire quali domande porre, quali risultati interpretare e quali nuove strade esplorare. Per ora, il settore sembra ancora alle prese con lo shock iniziale e non esiste una risposta definitiva su dove porterà questa trasformazione.
Fonte: The Verge
