OpenAI pubblica centinaia di nuovi risultati matematici generati dall'IA

Quando OpenAI ha annunciato, pochi giorni fa, che un modello di linguaggio ancora non disponibile al pubblico aveva prodotto il risultato matematico più significativo delle ultime due decadi, la comunità scientifica è rimasta stupita. Solo pochi giorni dopo, nella notte tra il 6 e il 7 ottobre 2026, l’azienda ha presentato una nuova collezione: 372 dimostrazioni matematiche sorprendenti, ciascuna delle quali risolve una domanda aperta o rappresenta un progresso sostanziale, secondo le dichiarazioni di OpenAI.

Una fluviale ondata di risultati

L’enorme quantità di nuove scoperte rende difficile per i matematici tenere il passo. OpenAI prevede che ci vorranno mesi, forse anni, perché esperti e esperte riescano a esaminare, verificare e comprendere a fondo questa “inondazione” di risultati. Solo allora sarà possibile valutare se le dimostrazioni introducono realmente idee innovative o se ricombinano tecniche già note.

Verifica formale con Lean

Molti dei risultati sono stati già formalmente verificati con Lean, un linguaggio di programmazione specializzato nel controllare passo‑per‑passo le dimostrazioni logiche. Tale verifica automatica è un forte indicatore di correttezza, ma non elimina la necessità di una revisione da parte dei matematici umani per valutare l’originalità concettuale.

Tra le scoperte più importanti

Tra le 372 dimostrazioni spiccano:

• Una soluzione della congettura di Kakeya a quattro dimensioni, problema di geometria combinatoria che rimaneva aperto da decenni.
• Miglioramenti di alcuni dei più importanti algoritmi computazionali a livello globale, con potenziali ricadute in crittografia, ottimizzazione e intelligenza artificiale.
• Progressi su tre dei famosi Millennio‑Problemi:
• Avvicinamenti alla congettura di Riemann, con nuove leggi sugli zeri della funzione ζ.
• Contributi significativi alla congettura di Hodge, collegando topologia e geometria algebrica.
• Nuovi risultati sulla congettura di Birch e Swinnerton‑Dyer, riguardante le curve ellittiche e il loro rango.

Un approccio differente rispetto al precedente breakthrough

Secondo un dipendente OpenAI, il nuovo modello ha generato quasi tutti i risultati in risposta a un unico prompt rivolto a un singolo agente IA. Questo contrasta nettamente con il precedente "breakthrough" relativo al problema di Navier‑Stokes, che aveva richiesto la collaborazione di 10 000 agenti e un investimento di milioni di dollari in potenza di calcolo.

Se la dichiarazione di OpenAI si conferma, l’idea che un singolo agente, con un prompt opportuno, possa produrre prove di tale portata avrebbe il potenziale di democratizzare la ricerca matematica, rendendo una "potenza di calcolo finora inimmaginabile" accessibile a un pubblico più ampio.

Dubbio tra gli esperti

Molti matematici rimangono cauti. Andrew Sutherland del Massachusetts Institute of Technology ha osservato:

«Finché il modello non sarà pubblicato e altri ricercatori non potranno replicare i risultati, ogni affermazione di una risoluzione "in un solo passaggio" deve considerarsi non verificata. Dobbiamo chiedere prove concrete.»

Il richiamo è quello di trasparenza: dati, prompt e specifiche di calcolo devono essere messi a disposizione della comunità per consentire una verifica indipendente.

Le linee guida per un uso responsabile

La controversia generata dalla pubblicazione della soluzione di Navier‑Stokes ha portato OpenAI, lo scorso 21 settembre 2026, a costituire una comitato consultivo indipendente di matematici. Il gruppo ha raccomandato:

• Divulgare il modello IA, il prompt esatto e la durata della computazione per ogni risultato.
• Fornire dati completi sulle risorse hardware impiegate.
• Garantire l’accessibilità dei codici di verifica, ad esempio in Lean.

OpenAI ha rivelato soltanto la media della durata computazionale per problema e alcune statistiche aggregate, mantenendo segreti i prompt specifici. Un responsabile dell’azienda ha affermato che le raccomandazioni sono “presi in seria considerazione”, ma ha anche dichiarato che l’azienda non è obbligata a seguirle alla lettera.

Proprietà intellettuale e modello proprietario

Le critiche più incisive riguardano l’uso di modelli interni proprietari, che non sono liberamente disponibili per la ricerca. La comunità accademica teme che la segretezza possa ostacolare il progresso collettivo e creare una dipendenza da pochi fornitori di IA. OpenAI ha promesso una “rapida e responsabile” pubblicazione del nuovo modello, ma non ha ancora fornito una data concreta.

Dibattito etico: divulgare o nascondere?

Durante il dibattito sul risultato di Navier‑Stokes, alcuni dipendenti di OpenAI hanno suggerito che l’azienda possedesse ulteriori dimostrazioni non ancora rese pubbliche. Da qui nasce una domanda cruciale: è più dannoso per la comunità matematica essere inondata da prove incomprensibili oppure tenere nascosti risultati potenzialmente rivoluzionari?

Il matematico Daniel Litt dell’Università di Toronto ha espresso la sua opinione:

«Se desideriamo conoscere le risposte a queste questioni matematiche, non vedo ragione per cui dovremmo chiedere all’azienda di trattenerle. Sarebbe un vero guadagno per la disciplina.»

Al contrario, il premio Nobel e vicediretto della Clay Mathematics Institute, Terence Tao, ha criticato il “ritmo folle” con cui OpenAI e altri laboratori pubblicano risultati generati dall’IA, sottolineando il rischio di una “corsa agli arbitrari” senza adeguata verifica.

Le sfide future per OpenAI e la comunità

OpenAI ammette che molti dei risultati appena pubblicati non sono ancora pienamente compresi dagli stessi ricercatori interni. Nonostante ciò, l’azienda non intende rallentare il ritmo di pubblicazione. L’obiettivo dichiarato è dare “il più rapidamente possibile” uno strumento potente a tutti gli studiosi, sostenendo che la risoluzione di problemi matematici è un test fondamentale per valutare se i modelli di IA stanno realmente diventando più intelligenti.

Questa posizione solleva un dilemma: se i problemi matematici sono usati come “benchmark di intelligenza”, allora ogni progresso accelerato può spingere il settore verso una competizione ancora più intensa, rendendo difficile prevedere le conseguenze a lungo termine per la ricerca tradizionale.

Conclusioni

Il rilascio di 372 dimostrazioni da parte di OpenAI rappresenta un punto di svolta senza precedenti nella storia della matematica computazionale. Le scoperte, che spaziano dalla congettura di Kakeya a progressi su tre dei Millennio‑Problemi, mostrano il potenziale di un’IA capace di “pensare” come un matematico. Tuttavia, la mancanza di trasparenza completa, l’uso di modelli proprietari e le preoccupazioni di verificabilità mantengono viva la cautela tra gli esperti.

Il futuro vedrà probabilmente un equilibrio delicato tra l’incredibile potenza computazionale offerta dall’IA e la necessità di rigidi standard di riproducibilità e apertura. Solo attraverso una collaborazione trasparente tra sviluppatori di IA e la comunità matematica sarà possibile valutare realmente quanto queste nuove “prove” rappresentino un salto di paradigma o semplicemente una ricomposizione di tecniche note.