The Pulse
25 vincitori della medaglia Fields avvertono: gli obiettivi dei laboratori di IA non coincidono con quelli della matematica
Venticinque vincitori della medaglia Fields affermano che le aziende di IA trattano celebri problemi matematici come benchmark delle prestazioni, anziché come occasioni per approfondire la comprensione umana. La dichiarazione arriva dopo un
AI.info Team ·
Venticinque vincitori della medaglia Fields accusano le aziende di IA di perseguire scoperte matematiche con modalità che minacciano i criteri della disciplina in materia di comprensione, attribuzione dei meriti e verifica. La loro dichiarazione, pubblicata mentre OpenAI è al centro di una controversia sul suo lavoro relativo al problema di Navier–Stokes, afferma che gli obiettivi dei laboratori commerciali di IA e dei matematici che fanno ricerca «sono profondamente divergenti».
Tra i firmatari figurano Terence Tao, Peter Scholze, Maryna Viazovska, Cédric Villani, June Huh e Yu Deng, vincitore della medaglia Fields nel 2026. Tutti hanno ricevuto la medaglia Fields, ampiamente considerata il massimo riconoscimento in matematica.
La presa di posizione arriva dopo una settimana di contrasti che hanno coinvolto OpenAI, il professore della New York University Tristan Buckmaster e il matematico di Anthropic Levent Alpöge. OpenAI ha inoltre ritirato la propria sponsorizzazione di un evento di matematica al California Institute of Technology dopo le critiche dei ricercatori dell’istituto, secondo TechCrunch.
I matematici respingono 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, sta nello sviluppare concetti, metodi e spiegazioni che altri matematici possano studiare, insegnare e approfondire.
«Gli obiettivi delle aziende di IA e quelli della comunità matematica sono profondamente divergenti», scrivono i matematici sul sito ufficiale della dichiarazione. Avvertono che produrre rapidamente risposte vere o false può danneggiare l’ambiente intellettuale che trasforma un risultato isolato in conoscenza duratura.
La ricerca matematica procede generalmente attraverso conferenze, scambi privati, articoli dettagliati e un esame prolungato. Un risultato presentato per la prima volta in un annuncio aziendale può stabilire una priorità, ma non offre automaticamente l’esposizione o le verifiche indipendenti necessarie a inserirlo nel patrimonio della matematica.
La controversia su OpenAI e Navier–Stokes rafforza le ragioni della dichiarazione
Buckmaster e Alpöge hanno dichiarato che stavano lavorando allo sviluppo di risultati relativi al problema dell’esistenza e della regolarità delle soluzioni delle equazioni di Navier–Stokes, uno dei sette problemi del millennio. In seguito Buckmaster ha accusato OpenAI di aver utilizzato informazioni sui progressi dei due, di aver adottato un approccio simile e di avergli fatto pressioni perché 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 rilasciato, dopo un periodo di intensa attività di calcolo. OpenAI ha dichiarato che i suoi ricercatori e agenti non avevano visto il lavoro dei due prima che diventasse pubblico, pur riconoscendo di non poter escludere che dati di prodotto privati degli elementi identificativi avessero contribuito a migliorare i suoi modelli.
TechCrunch ha riferito l’8 settembre che l’attività, durata una settimana, aveva 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 soltanto per Navier–Stokes. Un post della stessa OpenAI attribuisce circa 130 miliardi di quei token a Navier–Stokes. Lo stesso post afferma che l’attività è iniziata il 1° settembre, sulla scia di voci secondo cui due problemi del millennio erano stati risolti; questa 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 riservatezza, 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 delle macchine.
Un’altra dimostrazione prodotta dall’IA ha alzato la posta
La controversia su 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 l’una dall’altra all’interno di un insieme di punti sul piano e risale a un lavoro di Paul Erdős del 1946.
OpenAI ha affermato che matematici esterni hanno verificato la dimostrazione e pubblicato osservazioni a corredo per spiegarne l’importanza. L’azienda ha citato il vincitore della medaglia Fields Tim Gowers, che ha definito il risultato «una pietra miliare per l’IA in matematica». Noga Alon, matematico di Princeton, lo ha descritto come un risultato straordinario che ha risolto un problema aperto da lungo tempo.
Queste reazioni mostrano che i matematici non liquidano un lavoro generato dall’IA per il solo fatto che sia stato prodotto 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 utilizzate per produrla e sulle idee che i lettori dovrebbero ricavarne.
La dichiarazione chiede chi controlli la ricerca matematica
I vincitori della medaglia Fields affermano che i sistemi di IA sono sempre più capaci di produrre conclusioni costruite su decenni di lavoro umano senza riprodurre la formazione, la capacità di giudizio e la formulazione delle domande che hanno dato origine alle idee più profonde della disciplina. Avvertono che le aziende potrebbero cominciare a scegliere i problemi perché sono facili da automatizzare o da usare a fini promozionali, anziché perché sono quelli più importanti per i matematici.
«Spesso queste soluzioni vengono annunciate in tutta fretta, senza lasciare il tempo per una stesura adeguata, per individuare i nuovi metodi e le nuove idee e per citare i precedenti lavori pertinenti di altri», scrivono i firmatari. Collegano questa pressione ai timori relativi all’attribuzione dei meriti 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 in carne e ossa per interpretare i risultati generati dall’IA e collegarli alle conoscenze esistenti. Senza questo lavoro, un teorema prodotto da una macchina rischia di restare un titolo di giornale, anziché entrare a far parte di una matematica che gli studenti possano 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 dall’Unione Matematica Internazionale. Il documento chiede di dichiarare l’impiego dell’IA e degli strumenti computazionali, di mantenere la responsabilità umana per la correttezza dei risultati, di fornire citazioni complete e di sottoporre i risultati significativi alla pubblicazione con revisione tra pari e a verifiche indipendenti.
Terence Tao, professore alla University of California, Los Angeles e vincitore della medaglia Fields nel 2006, ha espresso il proprio sostegno al documento di Leiden scrivendo: «Lo scopo della ricerca matematica è la comprensione umana della matematica, e quindi la matematica può prosperare solo in una comunità di matematici in carne e ossa».
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 vincitori della medaglia non chiedono di rinunciare all’IA. Affermano che la tecnologia potrebbe accelerare la ricerca matematica autentica se aziende e ricercatori preservassero le pratiche che rendono affidabile la matematica: metodi trasparenti, attribuzione chiara dei meriti, verifica indipendente e spiegazioni che restino valide oltre l’annuncio.