OpenAI mette l’AI alla prova della matematica: 722 manoscritti e centinaia di nuovi risultati

Un esperimento su scala senza precedenti

La matematica è uno dei campi più difficili per l’intelligenza artificiale: non basta eseguire calcoli, occorre inventare strategie, collegare idee lontane e costruire dimostrazioni solide. OpenAI ha deciso di testare queste capacità pubblicando, il 6 ottobre, un repository GitHub contenente 722 manoscritti matematici, organizzati in 372 famiglie di risultati. Il materiale proviene da un modello frontier interno, ancora non disponibile al pubblico, ed è stato sottoposto a circa 4 000 problemi.

Formalizzazione in Lean

Uno degli aspetti più innovativi dell’iniziativa è l’uso di Lean, un sistema di verifica formale che traduce le dimostrazioni in una forma verificabile da un computer. Per molti dei risultati OpenAI ha già prodotto una formalizzazione in Lean, distinguendola dalle semplici risposte generate da un chatbot, che possono apparire convincenti pur contenendo errori logici. La verifica formale offre un controllo più rigoroso, anche se da sola non stabilisce l’importanza di una scoperta.

Processo di calcolo

OpenAI ha pubblicato dati sul consumo di risorse: ogni risultato ha richiesto in media una quantità di calcolo equivalente a circa tre ore di “thinking” di ChatGPT Pro. Questo investimento evidenzia la differenza qualitativa rispetto ai tradizionali test di matematica, in cui l’obiettivo è spesso solo la corretta risposta a problemi ben definiti.

Contesto: le equazioni di Navier‑Stokes

L’iniziativa arriva subito dopo la notizia della soluzione generata dall’AI al problema delle equazioni di Navier‑Stokes, uno dei sette Millennium Prize Problems. Anche quel risultato deve ancora essere esaminato dalla comunità matematica, e il suo caso ha sollevato interrogativi simili su verifica, interpretazione e riconoscimento scientifico.

Le sfide della verifica

Una dimostrazione formalmente corretta non equivale automaticamente a una scoperta compresa dalla comunità. Un risultato può risultare difficile da interpretare, da collegare alla letteratura preesistente o da trasformare in una nuova linea di ricerca. L’Advisory Group on Mathematics and Artificial Intelligence, gruppo indipendente, ha definito la pubblicazione un evento importante, ma ha sottolineato che è solo l’inizio del processo di comprensione.

Il gruppo ha ricordato che il futuro della matematica non può consistere soltanto nel comprendere risultati prodotti da laboratori AI: i matematici devono continuare a formulare le proprie domande e sviluppare direzioni di ricerca autonome.

Impatti potenziali su altre discipline

Se un modello riesce a mantenere ragionamenti lunghi e a produrre dimostrazioni controllabili, la matematica può diventare un banco di prova per capacità utili in altri settori. OpenAI indica diverse aree di applicazione:

• biologia
• fisica
• scienza dei materiali
• ingegneria
• medicina

Tuttavia, nelle scienze sperimentali contano anche dati e replicabilità, perciò l’AI non potrà semplicemente sostituire i ricercatori, ma potrà accelerarne il lavoro.

Verso un nuovo modello di ricerca

La pubblicazione mostra un possibile cambio di scala nella ricerca assistita dall’AI. Il modello è stato messo davanti a migliaia di domande aperte, lasciando agli esseri umani il compito di controllare e interpretare le soluzioni. È ancora presto per parlare di una rivoluzione: il materiale deve essere studiato e validato dagli esperti.

Se una parte significativa delle dimostrazioni dovesse resistere all’esame della comunità, l’AI potrebbe passare dall’essere soprattutto uno strumento per usare la conoscenza esistente a diventare uno strumento per ampliarla, aprendo nuove prospettive per la scoperta scientifica.