OpenAI annuncia tre scoperte: Kakeya, ETH e fisica quantistica
OpenAI dichiara di aver dimostrato Kakeya, confutato l'ipotesi ETH e provato teorie quantistiche dei campi: ecco chi dovrà verificare tutto.
Il 26 ottobre 2026 OpenAI ha annunciato tre risultati che, se confermati, segnerebbero uno dei momenti più importanti nel rapporto tra intelligenza artificiale e ricerca scientifica: una dimostrazione della congettura di local smoothing (e quindi di Kakeya) in ogni dimensione, la confutazione dell’Exponential Time Hypothesis e una prova di esistenza per teorie quantistiche dei campi in quattro dimensioni, cromodinamica quantistica compresa. Il condizionale è d’obbligo, perché nessuna di queste affermazioni è stata ancora verificata da revisori esterni.
In questo articolo ti spiego che cosa ha dichiarato OpenAI, chi dovrà controllare il lavoro, quali sono i punti ancora aperti e perché, comunque vada, la vicenda cambia il modo in cui la comunità scientifica dovrà trattare le dimostrazioni prodotte dalle macchine.
Che cosa ha annunciato OpenAI
L’annuncio è comparso sul blog ufficiale dell’azienda, in un post dedicato al lavoro con le comunità accademiche per costruire comprensione scientifica. Il testo raccoglie tre risultati in discipline molto diverse tra loro: matematica, informatica teorica e fisica. Secondo quanto riportato dalla stampa specializzata, a produrli sarebbe un modello interno e non ancora rilasciato, di cui OpenAI non ha indicato il nome.
Il dato che colpisce di più è la natura dei problemi. Non si parla di esercizi da competizione o di congetture minori, ma di questioni su cui lavorano da decenni gruppi di ricercatori di primo livello.
Local smoothing e Kakeya in tutte le dimensioni
Il primo risultato riguarda l’analisi armonica. OpenAI sostiene che i suoi modelli abbiano dimostrato la congettura di local smoothing, formulata da Christopher Sogge nel 1991, in qualsiasi dimensione spaziale. Da questa dimostrazione discenderebbero anche la congettura di Kakeya e la congettura di restrizione di Stein, sempre in tutte le dimensioni.
Per capire la portata basta guardare lo stato dell’arte: il caso bidimensionale del local smoothing era stato risolto nel 2019 da Guth, Wang e Zhang, mentre la congettura di Kakeya in tre dimensioni era stata dimostrata da Wang e Zahl nel 2025. Passare da una o due dimensioni a tutte le dimensioni sarebbe un salto enorme.
Secondo la ricostruzione pubblicata, la dimostrazione è stata generata il 18 ottobre e formalizzata in Lean il giorno dopo. La versione in linguaggio naturale e quella formale sono state pubblicate su GitHub.
Exponential Time Hypothesis: confutata?
Il secondo risultato è quello che ha fatto più rumore tra gli informatici. L’Exponential Time Hypothesis, o ETH, è l’ipotesi secondo cui il problema di soddisfacibilità booleana non può essere risolto in tempo sub-esponenziale. Centinaia di articoli di complessità computazionale si appoggiano a questa ipotesi per dimostrare che certi problemi sono difficili.
OpenAI afferma che il suo modello l’ha confutata. Secondo le cronache la prova è stata trovata il 16 ottobre e verificata in Lean il giorno successivo, con tanto di testo e codice formale pubblicati online.
C’è però una precisazione importante, ricordata anche dai commentatori: confutare ETH non produrrebbe automaticamente algoritmi più veloci per i problemi che oggi consideriamo difficili. Cambierebbe il quadro teorico su cui si fondano molti risultati, non la vita quotidiana dei programmatori.
Teorie quantistiche dei campi in quattro dimensioni
Il terzo annuncio riguarda la fisica matematica. OpenAI dichiara che i suoi modelli hanno prodotto una dimostrazione rigorosa dell’esistenza di teorie interagenti con campi di gauge e fermioni in quattro dimensioni, tra cui la cromodinamica quantistica. Il lavoro toccherebbe anche la teoria di Yang-Mills pura, che è una componente di uno dei problemi del millennio del Clay Mathematics Institute, quello sull’esistenza e sul gap di massa.
L’azienda ha precisato che non rivendicherà il premio. Il linguaggio usato dalle fonti è prudente: il lavoro “affronta” il problema, senza dire che lo chiude.
Chi controllerà i risultati
La parte forse più interessante dell’annuncio è il metodo di verifica. OpenAI non si limita a pubblicare le dimostrazioni: affida l’esame a gruppi di esperti indipendenti, con ruoli diversi a seconda del campo.
Per l’ETH, la revisione sarà organizzata da Russell Impagliazzo e Ramamohan Paturi dell’Università della California a San Diego, insieme a Ryan Williams del MIT. Impagliazzo e Paturi sono tra gli autori che, con Francis Zane, hanno formulato l’ipotesi. In una lettera aperta hanno scritto che il loro coinvolgimento non va letto come una certificazione del risultato.
Williams ha aggiunto che il gruppo non ha firmato accordi di riservatezza e non sarà retribuito. Gli esaminatori hanno chiesto a OpenAI di rilasciare tutti i dati grezzi e di finanziare una conferenza per la comunità di ricerca, e secondo le fonti l’azienda ha accettato entrambe le richieste.
Per la fisica, invece, un gruppo guidato da David Gross, con Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov, ha scelto di non diffondere per ora il materiale prodotto dall’AI. Intende scrivere in autonomia la propria spiegazione del lavoro.
È una scelta che dice molto: i fisici non vogliono che sia la macchina a raccontare il risultato, ma che siano le persone a comprenderlo e a spiegarlo.
Perché la cautela è d’obbligo
Ci sono almeno tre ragioni per leggere questa notizia con attenzione e senza entusiasmi automatici.
La prima è che il modello è interno e senza nome. Nessuno all’esterno può riprodurre il processo che ha portato alle dimostrazioni, quindi la verifica deve passare interamente dai testi e dai file formali pubblicati.
La seconda è che una verifica in Lean garantisce la correttezza logica di una dimostrazione solo se gli enunciati formalizzati corrispondono davvero ai problemi originali. Il lavoro dei revisori, in questo caso, consiste anche nel controllare che il teorema dimostrato sia proprio quello che si dice di aver dimostrato.
La terza è che le tempistiche sono state molto rapide. Le prove risalgono a poche settimane fa e la comunità ha avuto pochissimo tempo per esaminarle.
Per questo gli stessi esaminatori sottolineano che servirà uno scrutinio attento e indipendente. Se il risultato sull’ETH fosse corretto, hanno osservato, cambierebbe una parte importante dell’informatica teorica.
La questione del credito scientifico
Un altro tema emerso con forza riguarda a chi vada attribuito il merito. OpenAI sostiene di non cercare riconoscimenti accademici e afferma che a essere valorizzati dovrebbero essere i ricercatori che scrivono le spiegazioni e rendono il risultato comprensibile.
A sostegno di questa linea l’azienda ha ricordato i 5 milioni di dollari già destinati alla Simons Foundation per finanziare workshop dedicati ai risultati prodotti dall’AI. Se vuoi il contesto di questa iniziativa, ne abbiamo parlato nell’articolo su Simons Foundation, Anthropic e OpenAI e i 15 milioni per la matematica.
Gli esaminatori dell’ETH hanno però messo in guardia da un rischio: il credito potrebbe andare a chi pubblica per primo o a chi dispone degli strumenti più potenti, e non a chi controlla e spiega i risultati. È una discussione che la comunità scientifica dovrà affrontare presto, perché i casi come questo diventeranno sempre più frequenti.
Il contesto: una serie di annunci sempre più ambiziosi
Questo annuncio non arriva dal nulla. Nelle ultime settimane abbiamo raccontato più episodi che vanno nella stessa direzione. All’inizio di ottobre OpenAI ha reso pubblici centinaia di manoscritti matematici generati da un modello interno, come abbiamo spiegato in OpenAI pubblica 722 manoscritti di matematica, mentre anche Meta ha presentato i suoi sei paper su problemi aperti, di cui trovi il resoconto in Meta e Muse Spark firmano sei paper di matematica.
La differenza, questa volta, è il livello dei problemi. Local smoothing, ETH e teoria quantistica dei campi non sono questioni di nicchia: sono nodi centrali delle rispettive discipline.
C’è poi un cambio di approccio. Invece di lasciare che sia la rete a giudicare, OpenAI ha costruito attorno all’annuncio un processo con revisori indipendenti, formalizzazione in Lean, dati aperti e una conferenza finanziata. Il metodo conta quanto il risultato, perché stabilisce uno standard per i prossimi annunci di questo tipo.
Che cosa cambia per chi lavora con l’AI
Se non sei un matematico, potresti chiederti che cosa c’entri tutto questo con il tuo lavoro. La risposta è che questi episodi mostrano dove stanno andando i modelli di ragionamento, ed è lo stesso percorso che porterà capacità più forti negli strumenti che usi ogni giorno, a partire da ChatGPT.
Un modello capace di sostenere un ragionamento lungo e verificabile non serve solo a fare ricerca pura. Serve a scrivere codice più affidabile, a controllare ipotesi, a individuare errori nascosti in analisi complesse.
Allo stesso tempo, la vicenda ricorda una regola che vale per chiunque usi l’AI in modo professionale: un output convincente non è un output verificato. Anche quando il risultato viene da un sistema molto avanzato, il passaggio decisivo resta il controllo umano, esattamente come chiedono i revisori dell’ETH.
Tre cose da tenere d’occhio nelle prossime settimane
La prima è l’esito della revisione sull’ETH, che sarà il test più chiaro: una conferma darebbe credibilità a tutto l’impianto, un errore la ridimensionerebbe in modo netto.
La seconda è la pubblicazione, da parte del gruppo di David Gross, della propria spiegazione del lavoro di fisica, che potrebbe arrivare con un linguaggio e un livello di dettaglio molto diversi da quelli dell’annuncio.
La terza è la possibile uscita del modello che ha prodotto questi risultati. Per ora è interno, ma la storia recente mostra che le capacità dimostrate in laboratorio tendono ad arrivare ai prodotti pubblici nel giro di qualche mese.
Conclusioni
L’annuncio di OpenAI su Kakeya, ETH e teorie quantistiche dei campi è, al momento, una serie di affermazioni straordinarie accompagnate da materiali pubblici e da un processo di verifica indipendente appena avviato. Non è una conferma, ma non è nemmeno una semplice operazione di comunicazione: ci sono prove formalizzate, nomi di primo piano coinvolti e impegni concreti a rendere disponibili i dati.
Il mio consiglio è di seguire la vicenda con attenzione e senza fretta di trarre conclusioni. Leggi il post originale di OpenAI, aspetta i giudizi dei revisori e, se ti occupi di AI per lavoro, usa questo caso come promemoria: più i modelli diventano capaci, più è importante saperli verificare. Noi continueremo ad aggiornarti sugli sviluppi.
Tutta l'AI della settimana, in 5 minuti, nella tua email
- Le guide e le notizie della settimana, divise per rubrica
- Solo ciò che conta, verificato e spiegato in italiano
- Niente spam, ti cancelli con un clic
Daniele Della Corte
Fondatore di IntelligenzaArtificiale.net · Consulente SEO e AI dal 2008
Prima della pubblicazione controlla fonti, numeri e nomi, e risponde personalmente di quello che leggi. Lavora con l'intelligenza artificiale da oltre 7 anni: ha fondato BeProud.ai e ha progettato la redazione di questo sito.
Consulenza AIVuoi applicare l'AI al tuo lavoro? Ti aiuto a scegliere cosa automatizzare e a realizzarlo.
Scopri la consulenza