Shing-Tung Yau lancia un’alleanza per l’AI matematica: la sfida è capire le prove

Se usi ChatGPT per studiare o lavorare, la disputa sulla matematica ti riguarda: mostra che ottenere una risposta e capire perché sia giusta sono due cose diverse. L’11 ottobre 2026 Shing-Tung Yau, vincitore della Medaglia Fields, ha guidato a Pechino il lancio di un’alleanza tra otto istituzioni che punta a creare una rete di oltre mille ricercatori impegnati nell’uso dell’intelligenza artificiale (AI) per la matematica. Il numero indica un obiettivo della rete, non mille persone già reclutate. Lo riporta il South China Morning Post.

Un mese prima, 25 vincitori della Medaglia Fields avevano firmato inizialmente una dichiarazione critica verso la corsa delle aziende AI a risolvere problemi matematici come prova delle capacità dei propri sistemi. Non sostenevano che ogni uso dell’AI fosse dannoso: chiedevano di non scambiare la produzione di risultati per progresso della conoscenza. Nel frattempo OpenAI ha pubblicato un’ampia raccolta di lavori generati con un proprio modello interno, rendendo il confronto molto concreto.

La contrapposizione «Cina favorevole, Occidente contrario» è però troppo semplice. Anche in Europa si sviluppano strumenti e regole per usare l’AI nella ricerca; anche nell’alleanza cinese l’obiettivo dichiarato è rendere più interpretabile il ragionamento dei sistemi. La vera domanda è chi decide quali problemi affrontare, come controllare le soluzioni e come trasmettere ciò che si è imparato.

Secondo il South China Morning Post, la Yau Laboratory Alliance for Mathematics and Artificial Intelligence intende sviluppare modelli specializzati, cioè sistemi AI progettati per compiti matematici anziché per conversazioni generiche. Tra gli obiettivi figurano la generazione di congetture — affermazioni che sembrano vere ma devono ancora essere dimostrate — e la formalizzazione delle dimostrazioni, ossia la loro traduzione in un linguaggio controllabile da un computer. Yau ha inoltre avvertito che, a suo giudizio, la Cina è indietro rispetto agli Stati Uniti nell’impiego dell’AI per la ricerca scientifica avanzata.

È un programma di ricerca, non l’annuncio di un sistema che abbia già risolto tutti questi problemi. Per comprenderne l’ambizione, si può pensare a una biblioteca con un laboratorio annesso: il modello cerca collegamenti e propone strade, mentre i ricercatori devono stabilire quali valgano la pena e sottoporle a controllo. Rendere il percorso del sistema più interpretabile serve proprio a evitare che consegni soltanto una risposta finale impossibile da utilizzare come punto di partenza.

La Medaglia Fields è uno dei massimi riconoscimenti della matematica. Nella dichiarazione pubblicata l’11 settembre 2026, Terence Tao, Alessio Figalli, Peter Scholze e altri 22 firmatari iniziali distinguono fra risolvere un problema e sviluppare idee che altri possano comprendere e riutilizzare. Il sito della dichiarazione accoglie ulteriori adesioni: «25» indica dunque i firmatari iniziali, non necessariamente il totale attuale.

Immagina di ricevere la soluzione di un rompicapo senza poter seguire il ragionamento: sai dove si arriva, ma non hai imparato come affrontare il prossimo. In matematica il problema è più profondo. Una dimostrazione può introdurre metodi utili in molti altri campi; una produzione rapidissima di soluzioni difficili da leggere può invece lasciare ai ricercatori anni di lavoro per controllarle, spiegarle e collegarle alle conoscenze precedenti. È il rischio descritto dai firmatari, non una prova che l’AI renda già «più stupidi» i matematici.

C’è poi la formazione. Un problema aperto non è soltanto un traguardo da raggiungere: per un giovane ricercatore è anche un terreno su cui imparare a scegliere strumenti, riconoscere errori e formulare nuove domande. In un intervento pubblicato dall’Unione Matematica Italiana, Figalli osserva che una prima prova può stimolare versioni migliori, ma può anche spostare l’attenzione verso il perfezionamento della strada già trovata, scoraggiando percorsi alternativi.

I progressi non sono soltanto annunci pubblicitari. Nel 2025 una versione avanzata di Gemini Deep Think di Google DeepMind ha risolto cinque dei sei problemi delle Olimpiadi internazionali della matematica, ottenendo 35 punti su 42, un punteggio da medaglia d’oro; gli organizzatori hanno valutato le soluzioni presentate. È un risultato notevole, ma la gara propone problemi con regole e tempi definiti: la ricerca affronta anche questioni di cui non si conosce in anticipo né la strada né l’importanza futura.

Il 6 ottobre 2026 OpenAI ha annunciato la pubblicazione di numerosi risultati ottenuti con un modello interno. L’azienda afferma di aver condiviso anche formalizzazioni di molte prove in Lean, un assistente alla dimostrazione: software che controlla se i passaggi codificati rispettano le regole logiche stabilite. Ha pubblicato inoltre dieci resoconti del ragionamento del modello e si è impegnata a migliorare citazioni e chiarezza dei lavori futuri. Pubblicare una raccolta, però, non equivale a ottenere una valutazione indipendente di ogni singolo risultato.

La distinzione è emersa anche nel dibattito sulle equazioni di Navier–Stokes, che descrivono il moto dei fluidi. Commentando un risultato annunciato da OpenAI nel settembre 2026, l’Unione Matematica Italiana ha chiarito che il caso studiato prevede una forza esterna liscia e che il problema più forte, senza quella forza, resta distinto. È un esempio di quanto possa cambiare il significato di un titolo quando si precisano le condizioni matematiche.

Le posizioni dei ricercatori non si dividono lungo un confine geografico. L’Association for Human Mathematics, in una presa di posizione del 7 ottobre, ha invitato i matematici a interrompere il lavoro con OpenAI dopo la pubblicazione in blocco di oltre 700 documenti. È l’appello di un’associazione, non una decisione condivisa da tutti i firmatari della dichiarazione di settembre o dall’intera comunità.

Un’altra risposta è cercare regole comuni. La Dichiarazione di Leida, pubblicata nel giugno 2026 e sostenuta dall’Unione Matematica Internazionale, chiede trasparenza sull’uso degli strumenti automatici, responsabilità umana per la correttezza dei lavori, riconoscimento dei contributi precedenti e valutazione indipendente. Non propone di ignorare la tecnologia: propone di giudicare i lavori assistiti dall’AI secondo standard scientifici comprensibili a tutti.

Esiste anche un gruppo consultivo indipendente, l’Advisory Group on Mathematics and Artificial Intelligence, ospitato dall’Institute for Advanced Study. Offre indicazioni alle aziende su come presentare i risultati, ma precisa di non avere potere sulle loro decisioni e di non aver convalidato i lavori pubblicati da OpenAI. Per il gruppo, mettere le prove a disposizione è l’inizio del lavoro di comprensione da parte dei matematici, non la sua conclusione.

Il dibattito è già arrivato nelle istituzioni italiane. L’Unione Matematica Italiana ha raccolto interventi sul rapporto fra AI e ricerca e ha proposto un confronto sull’uso degli strumenti nei centri di formazione e ricerca. Il suo presidente, Marco Andreatta, segnala una disparità concreta: l’accesso a sistemi professionali, dati e capacità di calcolo può dipendere dalle risorse del singolo ricercatore o del dipartimento.

Figalli porta il ragionamento anche sulle carriere. Se produrre testi e risultati diventa più facile, contare semplicemente le pubblicazioni potrebbe dire ancora meno sulla capacità di una persona di fare ricerca autonoma. La sua proposta è dare maggiore peso a discussioni in cui i candidati spieghino le idee decisive di un lavoro, i limiti dei metodi e le domande che ne derivano. Non è un criterio già adottato ovunque, ma una proposta per non premiare soltanto la quantità.

Qui l’alleanza avviata da Yau e le preoccupazioni europee si incontrano: servono strumenti potenti, ma anche persone capaci di metterli in discussione. Una ricerca che dipendesse interamente da piattaforme costose o non spiegabili rischierebbe di concentrare la scelta dei problemi nelle mani di chi controlla quelle piattaforme. È un rischio indicato sia dalla Dichiarazione di Leida sia dal gruppo consultivo indipendente, non un esito inevitabile dell’AI.

La lezione va oltre i dipartimenti di matematica. ChatGPT può aiutare a esplorare una soluzione, ma un testo convincente non è una verifica. Lo stesso principio vale quando lo si usa per studiare, programmare o analizzare un documento: chiedere una risposta è utile; saperne ricostruire i passaggi permette di capire se è affidabile e quando non lo è. La Dichiarazione di Leida richiama proprio la responsabilità delle persone per i risultati prodotti con strumenti automatici.

L’alleanza di Yau scommette sulla capacità dell’AI di aprire nuove strade; i matematici che chiedono prudenza ricordano che una strada serve davvero solo se qualcuno può percorrerla. Vale anche per noi: la prossima volta che ChatGPT trova la risposta, sapremo spiegare come ci è arrivato?