OpenAI pubblica 719 studi di matematica: la verifica richiederà anni

Questa notizia ti riguarda anche se non fai matematica: mostra cosa succede quando un’intelligenza artificiale (AI) produce conoscenza più in fretta di quanto le persone riescano a controllarla e comprenderla. È un problema che, in forme diverse, potrebbe presentarsi anche nella ricerca scientifica, nel software e in altri lavori basati sull’analisi.

Il 6 ottobre 2026 OpenAI ha reso pubblica una grande raccolta di risultati ottenuti con un modello interno non ancora disponibile al pubblico. Nel catalogo pubblicato dall’azienda figurano, dopo i primi ritiri, 719 manoscritti raccolti in 372 famiglie di lavori collegati. La parola decisiva è però «risultati»: non equivale a dire che 372 problemi siano stati tutti risolti definitivamente e accettati dalla comunità scientifica.

Interpellando più di tre dozzine di matematici, The Verge ha raccontato una reazione che combina entusiasmo, disorientamento e preoccupazione. Il punto non è soltanto stabilire se le dimostrazioni funzionino. Bisogna anche capire quali idee contengano, quanto siano originali e come possano diventare conoscenza utilizzabile da altri ricercatori: un lavoro che, secondo gli studiosi sentiti dalla testata, potrebbe richiedere anni.

Un problema aperto è una domanda matematica alla quale non è ancora stata riconosciuta una risposta dimostrata. Un manoscritto è invece un testo che presenta un risultato e gli argomenti a suo sostegno: può contenere la risposta principale, una conseguenza, una prova alternativa o un passaggio di supporto. Per questo il numero dei manoscritti non va scambiato con quello delle scoperte indipendenti.

OpenAI raggruppa i 719 testi in 372 «famiglie», ciascuna dedicata a lavori tra loro collegati. Nel documento introduttivo del progetto precisa che i materiali si trovano a stadi diversi di verifica e che alcuni, soprattutto quelli non formalizzati, potrebbero contenere problemi. È una distinzione importante: rendere consultabile una dimostrazione significa aprirla all’esame pubblico, non concludere quell’esame.

Secondo la stessa azienda, il modello ha ricevuto circa 4.000 problemi nel corso della valutazione. Per ottenere un risultato ha impiegato in media una quantità di calcolo equivalente a circa tre ore di elaborazione di ChatGPT Pro; è una misura delle risorse informatiche usate, non un’indicazione del tempo necessario a un matematico per controllare il lavoro. OpenAI ha pubblicato anche dieci riassunti abbreviati del ragionamento del modello, non una ricostruzione completa del percorso seguito per ogni testo.

In matematica una dimostrazione è una catena di argomenti che deve collegare con rigore le ipotesi alla conclusione. Non basta che il risultato sembri plausibile o funzioni in alcuni esempi. Controllare un nuovo studio assomiglia piuttosto a verificare un ponte: bisogna esaminare i singoli elementi, ma anche accertarsi che siano collegati proprio alla struttura che il progetto promette di sostenere.

Parte della raccolta usa Lean, un assistente alla dimostrazione: un programma capace di controllare passaggi logici scritti in un linguaggio formale, cioè secondo regole leggibili da una macchina. È uno strumento potente, ma non elimina ogni domanda. I ricercatori devono verificare che l’enunciato controllato da Lean corrisponda davvero all’affermazione presentata nel manoscritto e che le ipotesi non ne restringano la portata in modo sostanziale. Sono due controlli diversi: uno riguarda la correttezza dei passaggi, l’altro il significato del risultato.

Nel registro delle modifiche, OpenAI indica 300 risultati principali formalizzati su 719 manoscritti, circa il 42%. La proporzione va letta con cautela perché confronta risultati principali e manoscritti, non due insiemi identici. In ogni caso, l’azienda riconosce che la formalizzazione non accompagna l’intera raccolta e si propone di aggiungerne altre.

Anche una prova corretta può lasciare lavoro da fare. Occorre confrontarla con la ricerca precedente, attribuire le idee già note e spiegare perché il metodo è interessante. È la differenza tra ricevere la soluzione di un rompicapo e imparare una tecnica che aiuta a risolverne molti altri: per la ricerca, spesso è la seconda conquista a durare di più.

La necessità di distinguere pubblicazione e verifica è emersa quasi subito. Il 7 ottobre 2026 OpenAI ha registrato il ritiro di tre manoscritti: un errore di segno invalidava un passaggio di una dimostrazione e la costruzione usata da due lavori dipendenti. Nel medesimo aggiornamento, l’azienda ha segnalato revisioni di altri 14 manoscritti, fra riparazioni delle prove, correzioni degli enunciati e chiarimenti sulle ipotesi.

Questo non dimostra che l’intera raccolta sia sbagliata, così come il controllo di alcuni lavori promettenti non convalida automaticamente tutti gli altri. Mostra invece perché, davanti a centinaia di testi collegati, un errore locale può avere effetti a catena. Se un secondo studio usa il primo come fondamento, occorre tornare a esaminare anche il secondo.

Il registro delle versioni è quindi una parte della ricerca, non un dettaglio amministrativo. OpenAI afferma che le edizioni precedenti resteranno accessibili e che ritiri e correzioni saranno documentati. In questo modo chi verifica può sapere quale versione ha letto e se una conclusione è cambiata nel frattempo.

Una dimostrazione può essere logicamente valida e restare difficile da usare. I matematici cercano di capire quali passaggi costituiscano l’idea nuova, quali dipendano da lavori precedenti e in quali altri problemi il metodo possa servire. Senza questa ricostruzione, una soluzione rischia di somigliare a una ricetta che funziona una volta sola, ma che nessuno sa adattare a ingredienti diversi.

L’Advisory Group on Mathematics and Artificial Intelligence (AGMAI), un gruppo indipendente che si occupa del rapporto fra AI e ricerca matematica, ha definito la pubblicazione un primo passo, non il completamento del processo con cui i risultati vengono compresi e incorporati nella conoscenza della disciplina. Il gruppo precisa inoltre che il proprio confronto con OpenAI non costituisce un’approvazione delle singole dimostrazioni né del modo in cui sono state ottenute: la valutazione spetta alla comunità matematica.

Nelle sue raccomandazioni pubblicate il 29 settembre, elaborate anche sulla base di oltre 600 risposte a una consultazione, AGMAI chiede testi leggibili, riferimenti accurati alla letteratura precedente e informazioni sul processo che ha prodotto i risultati. Chiede inoltre sostegno economico per il lavoro umano di verifica e spiegazione. OpenAI ha annunciato l’intenzione di finanziare incontri e programmi dedicati alla comprensione dei risultati più importanti, senza averne ancora comunicato i dettagli nell’annuncio del 6 ottobre.

C’è poi una questione di accesso. I manoscritti sono pubblici, ma il modello che li ha prodotti non lo è: OpenAI dichiara di stare lavorando a un suo rilascio responsabile. Un gruppo universitario può dunque leggere gli elaborati, ma non ripetere liberamente gli stessi tentativi con lo stesso strumento. È un po’ come poter studiare i risultati di un laboratorio senza poter usare l’apparecchio che li ha generati.

AGMAI avverte che strumenti molto potenti ma riservati a pochi potrebbero creare una ricerca «a due velocità». Nelle raccomandazioni chiede alle aziende di non usare problemi matematici avanzati come test per modelli proprietari inaccessibili alla comunità. OpenAI, dal canto suo, sostiene che continuerà a valutare i modelli interni anche sulla matematica per sviluppare strumenti destinati agli scienziati. Le due posizioni individuano obiettivi diversi: misurare rapidamente i progressi di un modello oppure garantire che chi fa ricerca possa partecipare alla scoperta.

Un’altra dichiarazione firmata da matematici mette a fuoco un rischio affine: scegliere i problemi aperti soprattutto perché offrono un test convincente delle capacità di un sistema può spostare l’attenzione dalle idee sviluppate lungo il percorso alla sola casella «risolto». Il documento riconosce il potenziale dell’AI come aiuto alla ricerca, ma sostiene che il modo di impiegarla determinerà se quel potenziale rafforzerà o impoverirà la disciplina.

Un problema aperto non è soltanto una domanda su un foglio: può essere il centro di una tesi, di una richiesta di finanziamento o di anni di lavoro. I ricercatori intervistati da The Verge raccontano che la pubblicazione improvvisa ha reso incerti alcuni programmi di ricerca, soprattutto per chi è all’inizio della carriera. La loro preoccupazione non richiede di supporre che ogni affermazione di OpenAI sia già confermata: anche l’eventualità credibile di una soluzione cambia le decisioni su dove investire tempo e risorse.

Allo stesso tempo, verificare, semplificare e collegare questi lavori potrebbe aprire nuovi progetti. Un giovane ricercatore può trovare in una prova un metodo promettente, individuare un’ipotesi da migliorare o formulare una domanda che prima non era visibile. Perché questo lavoro sia sostenibile, però, deve ricevere tempo, riconoscimento e fondi: non può essere trattato come la semplice manutenzione gratuita dei risultati di un’azienda.

OpenAI ha presentato il gruppo consultivo indipendente come un modo per coinvolgere i matematici nelle scelte di comunicazione. AGMAI chiarisce però di non avere potere decisionale sulle aziende. La distinzione conta: ascoltare una comunità scientifica non equivale a trasferirle il controllo sui tempi e sulle modalità delle pubblicazioni.

Nei prossimi mesi la domanda più utile non sarà «quanti testi può produrre ancora OpenAI?», ma «quanti risultati resistono al controllo e diventano comprensibili?». La risposta richiede specialisti di discipline diverse, confronti con la letteratura esistente, formalizzazioni dove possibili e spiegazioni che permettano ad altri di proseguire il lavoro. Sono attività più lente della generazione di un manoscritto, ma indispensabili se si vuole parlare di progresso condiviso.

La raccolta di OpenAI segna già un cambiamento nel ritmo con cui le possibili soluzioni arrivano all’attenzione dei matematici. Il suo valore definitivo, però, non si legge nel contatore dei documenti. Si vedrà quando altri ricercatori avranno potuto controllare le prove, correggere gli errori, riconoscere i contributi precedenti e trasformare ciò che resta in strumenti per porre domande nuove.