The Pulse

25 medagliati Fields avvertono: i laboratori di IA non sono allineati con la matematica

Le aziende di IA trattano celebri problemi matematici come benchmark di prestazione anziché come fonti di conoscenza umana, affermano venticinque medagliati Fields. La dichiarazione segue una controversia sul lavoro di OpenAI relativo a Nav

AI.info Team · Scritto con l’IA · verificato · 2026-09-12

Venticinque medagliati Fields accusano le aziende di IA di perseguire progressi decisivi nella matematica in modi che minacciano gli standard della disciplina in materia di comprensione, attribuzione e revisione. La loro dichiarazione, pubblicata mentre OpenAI affronta una controversia sul suo lavoro relativo al problema di Navier–Stokes, afferma che gli obiettivi dei laboratori commerciali di IA e dei ricercatori matematici sono «gravemente disallineati».

Tra i firmatari figurano Terence Tao, Peter Scholze, Maryna Viazovska, Cédric Villani, June Huh e Yu Deng, medagliato Fields nel 2026. Ciascuno ha ricevuto la medaglia Fields, ampiamente considerata il massimo riconoscimento della matematica.

L’intervento arriva dopo una settimana di conflitto che ha coinvolto OpenAI, il professore della New York University Tristan Buckmaster e il matematico di Anthropic Levent Alpöge. OpenAI ha anche ritirato la propria sponsorizzazione di un evento di matematica al California Institute of Technology dopo le critiche ricevute dai ricercatori dell’istituto, secondo TechCrunch.

I matematici rifiutano la logica della classifica

La dichiarazione, intitolata A Severe Misalignment of AI in Mathematics, sostiene che risolvere un problema celebre sia soltanto un indicatore indiretto del vero scopo della ricerca matematica. Il valore della disciplina, affermano i firmatari, risiede nello sviluppo di concetti, metodi e spiegazioni che altri matematici possano studiare, insegnare e approfondire.

«Gli obiettivi delle aziende di IA e quelli della comunità matematica sono gravemente disallineati», scrivono i matematici sul sito ufficiale della dichiarazione. Avvertono che produrre rapidamente risposte del tipo vero o falso può danneggiare l’ambiente intellettuale che trasforma un risultato isolato in conoscenza duratura.

La ricerca matematica avanza generalmente attraverso conferenze, scambi privati, articoli dettagliati e un esame prolungato. Un risultato presentato inizialmente con un annuncio aziendale può stabilire chi lo abbia ottenuto per primo, ma non fornisce automaticamente l’esposizione o la verifica indipendente necessarie per inserire il lavoro nel canone matematico.

La controversia su Navier–Stokes di OpenAI intensifica il dibattito

Buckmaster e Alpöge hanno dichiarato di aver lavorato a risultati relativi al problema dell’esistenza e della regolarità delle soluzioni di Navier–Stokes, uno dei sette problemi del millennio. Buckmaster ha poi accusato OpenAI di aver usato informazioni sui loro progressi, adottato un approccio simile e fatto pressioni su di lui affinché rimuovesse il nome di Alpöge da una proposta di attribuzione dei meriti.

Poco dopo OpenAI ha pubblicato una propria dimostrazione, affermando che il lavoro proveniva da un modello non ancora distribuito, dopo un periodo di calcolo intensivo. I ricercatori e gli agenti di OpenAI non hanno visto il lavoro dei due prima che diventasse pubblico, ha dichiarato l’azienda, riconoscendo al contempo di non poter escludere la possibilità che dati di prodotto privati degli elementi identificativi avessero contribuito a migliorare i suoi modelli.

TechCrunch ha riferito l’8 settembre che lo sforzo durato una settimana ha consumato 300 miliardi di token di output — pari a 22,5 milioni di dollari di calcolo alle tariffe Astra allora vigenti — per tutti i problemi del millennio affrontati da OpenAI, non solo per Navier–Stokes. Il post della stessa OpenAI attribuisce circa 130 miliardi di quei token a Navier–Stokes. Secondo lo stesso post, lo sforzo è iniziato il 1º settembre, ispirato da voci secondo cui due problemi del millennio erano stati risolti; quella data proviene da OpenAI, non da Buckmaster.

Queste versioni contrastanti non dimostrano che OpenAI abbia copiato il lavoro dei ricercatori. Mostrano però perché i matematici siano preoccupati per la segretezza, i dati di addestramento dei modelli e la priorità dei risultati quando un’azienda può spendere milioni di dollari per perseguire un risultato alla velocità di una macchina.

Un’altra dimostrazione dell’IA ha alzato la posta

La controversia di OpenAI segue l’annuncio dell’azienda secondo cui un modello interno aveva confutato una congettura di lunga data della geometria discreta, nota come problema delle distanze unitarie nel piano. Il problema chiede quante coppie di punti possano trovarsi esattamente a un’unità di distanza tra loro in un insieme di punti sul piano e risale a un lavoro di Paul Erdős del 1946.

Matematici esterni hanno verificato la dimostrazione e pubblicato osservazioni di accompagnamento che ne spiegano l’importanza, ha dichiarato OpenAI. L’azienda ha citato il medagliato Fields Tim Gowers, che ha definito il risultato «una pietra miliare nella matematica dell’IA». Il matematico di Princeton Noga Alon lo ha descritto come un risultato eccezionale che ha risolto un problema rimasto aperto a lungo.

Queste reazioni dimostrano che i matematici non liquidano i lavori generati dall’IA solo perché prodotti da una macchina. Il conflitto riguarda il modo in cui i risultati vengono sviluppati, resi pubblici, attribuiti e spiegati. Una dimostrazione può essere corretta e lasciare comunque aperte domande sul lavoro umano che l’ha preceduta, sulle fonti usate per produrla e sulle idee che ci si aspetta che i lettori ne ricavino.

La dichiarazione solleva la questione di chi controlli la ricerca matematica

I medagliati Fields affermano che i sistemi di IA sono sempre più capaci di produrre conclusioni basate su decenni di lavoro umano senza riprodurre la formazione, il giudizio e la formulazione delle domande che hanno dato origine alle idee più profonde della disciplina. Avvertono che le aziende potrebbero iniziare a scegliere i problemi perché sono facili da automatizzare o da pubblicizzare, anziché perché sono i più importanti per i matematici.

«Spesso queste soluzioni vengono annunciate in fretta, senza lasciare il tempo di redigere un’esposizione adeguata, isolare nuovi metodi e idee e citare i precedenti lavori pertinenti di altri», scrivono i firmatari. Collegano questa pressione alle preoccupazioni relative all’attribuzione e al plagio, in particolare quando i modelli attingono alla letteratura matematica pubblicata o a interazioni private con i ricercatori.

Il gruppo sostiene inoltre che la disciplina abbia bisogno di matematici umani per interpretare i risultati generati dall’IA e collegarli alle conoscenze esistenti. Senza questo lavoro, un teorema prodotto da una macchina potrebbe rimanere un titolo di giornale anziché entrare a far parte della matematica che gli studenti possono comprendere e i futuri ricercatori utilizzare.

I principi di Leiden indicano una possibile risposta

La nuova dichiarazione segue la Leiden Declaration on Artificial Intelligence and Mathematics, pubblicata il 2 giugno e sostenuta dalla International Mathematical Union. Quel documento chiede che sia dichiarato l’uso dell’IA e degli strumenti di calcolo, che gli esseri umani si assumano la responsabilità della correttezza, che le citazioni siano complete, che la pubblicazione avvenga con revisione tra pari e che i risultati significativi siano sottoposti a una revisione indipendente.

Terence Tao, professore alla University of California, Los Angeles e medagliato Fields nel 2006, ha sostenuto il documento di Leiden scrivendo: «L’obiettivo della ricerca matematica è la comprensione umana della matematica, e quindi la matematica può prosperare solo in una comunità di matematici umani».

Il ritiro di OpenAI dall’evento al Caltech aggiunge una controversia istituzionale alle preoccupazioni sulle singole dimostrazioni. Le questioni immediate sono se l’azienda spiegherà la propria decisione, se il suo lavoro su Navier–Stokes sarà sottoposto a un esame matematico indipendente e come le riviste e le università gestiranno i risultati generati attraverso sistemi proprietari.

I 25 medagliati non chiedono di abbandonare l’IA. Affermano che la tecnologia potrebbe accelerare l’autentico studio matematico se aziende e ricercatori preservassero le pratiche che rendono affidabile la matematica: metodi trasparenti, attribuzione chiara, verifica indipendente e spiegazioni che sopravvivano all’annuncio.