Intelligenza Artificiale Tutto su AI e machine learning
A volte ci vuole un’intelligenza artificiale per risolvere ciò che l’ingegno umano non è riuscito a risolvere per quasi un secolo. Il 20 maggio 2026, OpenAI ha annunciato che un suo modello di ragionamento interno ha dimostrato in modo autonomo la falsità di una congettura formulata nel 1946 dal matematico ungherese Paul Erdős: il cosiddetto problema della distanza unitaria planare. È la prima volta nella storia che un’AI risolve in modo indipendente un problema aperto di rilievo in matematica pura, senza che nessun ricercatore le avesse indicato la strada da seguire.
Il problema che ha resistito per quasi ottant’anni
Paul Erdős era uno dei matematici più prolifici del Novecento, autore di migliaia di lavori e ideatore di decine di problemi aperti che hanno impegnato generazioni di ricercatori. Il problema della distanza unitaria planare è uno di questi: Erdős si chiedeva quante coppie di punti in un insieme di n punti nel piano possono trovarsi esattamente a distanza 1 l’una dall’altra. La domanda sembra semplice nella sua formulazione, ma la risposta precisa è rimasta sfuggente per decenni.
Per quasi ottant’anni, la risposta più efficiente che i matematici avevano trovato era strutturata come una griglia quadrata. Disponendo i punti in una forma reticolare, si riesce a massimizzare il numero di coppie a distanza unitaria rispetto a tutte le altre configurazioni note. Nessuno era riuscito a fare di meglio, e l’intuizione comune era che la griglia quadrata fosse la soluzione ottimale, o quanto meno quella asintoticamente migliore. Anche Erdős stesso la considerava probabilmente insuperabile.
La svolta è arrivata da una direzione completamente inaspettata. Il modello di OpenAI non ha semplicemente ottimizzato la griglia, né ha affinato una tecnica combinatoria nota. Ha collegato il problema della distanza unitaria planare alla teoria algebrica dei numeri, un’area della matematica apparentemente del tutto lontana dal problema originale. In particolare, il modello ha sfruttato il criterio di Golod-Shafarevich, un risultato profondo dimostrato nel 1964 dai matematici sovietici Evgeny Golod e Igor Shafarevich in un contesto legato alle torri di campi di numeri, totalmente separato dalla geometria discreta.
Come il modello ha proceduto: un ragionamento che sorprende gli esperti
Quello che rende questo risultato straordinario non è solo la soluzione in sé, ma il processo con cui il modello è arrivato a trovarla. Secondo quanto comunicato da OpenAI nel suo annuncio ufficiale, il sistema ha operato in modo del tutto autonomo. Non gli è stato suggerito di guardare alla teoria algebrica dei numeri, né di considerare il criterio di Golod-Shafarevich come strumento potenzialmente utile. Il salto concettuale è avvenuto spontaneamente nel corso del ragionamento del modello.
Questo tipo di connessione trasversale tra aree matematiche distanti è esattamente ciò che la ricerca scientifica ha sempre richiesto ai suoi protagonisti umani più brillanti. Collegare un problema di geometria discreta, come quello della distanza unitaria, a un risultato profondo della teoria algebrica dei numeri richiede un’intuizione che va ben oltre il semplice calcolo o la ricerca esaustiva nello spazio delle soluzioni possibili. Per decenni si è discusso se i modelli AI potessero sviluppare qualcosa di analogo all’intuizione matematica umana. Questo risultato suggerisce che la risposta, almeno in certi contesti, sia affermativa.
La costruzione trovata dal modello sfrutta strutture algebriche per disporre i punti nel piano in modo tale da superare, asintoticamente, il rendimento delle griglie quadrate. Non si tratta di una differenza numerica vistosa per valori piccoli di n, ma di un risultato qualitativo fondamentale: per la prima volta si è dimostrato che le griglie quadrate non sono la risposta ottimale, abbattendo una convinzione consolidata in tutta la comunità dei matematici combinatori.
La verifica degli esperti e il paper compagno
OpenAI ha tenuto a precisare che la prova non è stata rilasciata senza un rigoroso processo di revisione indipendente. Un gruppo di matematici esterni ha esaminato la dimostrazione in dettaglio e ne ha confermato la correttezza. Contestualmente, gli stessi ricercatori hanno scritto un articolo scientifico complementare che spiega il ragionamento del modello in linguaggio accessibile, fornisce il contesto teorico necessario per apprezzarne il significato e discute le implicazioni per la matematica combinatoria e la geometria discreta in generale.
Questo passaggio è fondamentale perché distingue il risultato da molti annunci entusiastici ma poi rivelatisi infondati che hanno caratterizzato il rapporto tra AI e matematica negli ultimi anni. In passato non sono mancati casi in cui modelli di linguaggio avevano presentato dimostrazioni di teoremi errati con grande sicurezza, causando confusione nella comunità scientifica. Qui invece il processo di verifica ha coinvolto esperti dello specifico settore ed è stato documentato pubblicamente, rendendo il risultato scientificamente solido.
Implicazioni per il futuro dell’AI nella ricerca scientifica
Il significato di questo risultato va ben oltre la matematica. La capacità di un modello AI di operare connessioni non ovvie tra domini diversi, di formulare idee originali in un contesto di ricerca aperta, è esattamente la qualità che distingue la ricerca di frontiera dall’applicazione di regole note. Se questa capacità può essere sistematizzata e ampliata, le implicazioni per la biologia, la chimica, la fisica teorica e l’ingegneria sono potenzialmente enormi.
Gli esperti di intelligenza artificiale sono cauti nel trarre conclusioni affrettate da un singolo risultato, per quanto spettacolare. Un esperimento riuscito non basta a dimostrare che i modelli AI possano ora sostituire i matematici o prendere il controllo della ricerca di base. Ciò che dimostra, però, è che la soglia di qualità del ragionamento automatico si è alzata in modo significativo, e che alcune delle barriere che sembravano invalicabili stanno cedendo una dopo l’altra.
OpenAI stessa ha inquadrato il risultato come un segnale promettente, non come una rivoluzione compiuta. Il modello ha risolto un singolo problema aperto in un dominio specifico. Restano aperti migliaia di altri problemi di Erdős, molti dei quali sono presumibilmente più difficili di quello affrontato qui. Ma la direzione di marcia è inequivocabile: l’AI entra nella matematica non più solo come calcolatrice avanzata, ma come agente di ricerca capace di generare idee genuinamente nuove.
Cosa significa per chi lavora con i modelli AI oggi
Per chi si occupa professionalmente di intelligenza artificiale o la usa nel proprio lavoro quotidiano, questo evento conferma alcune tendenze già in corso. I modelli di ragionamento, cioè i sistemi addestrati non solo a produrre risposte ma a ragionare passo per passo su problemi complessi, stanno superando le aspettative in molti domini. La matematica era considerata uno dei campi più ostici per questi sistemi, proprio perché ogni problema aperto è per definizione privo di risposta nota da cui il modello possa trarre ispirazione durante l’addestramento.
Il fatto che un modello abbia navigato con successo in questo territorio dice qualcosa di importante sulle architetture di ragionamento di ultima generazione. I miglioramenti nei modelli di punta di OpenAI e dei suoi concorrenti non sono semplicemente quantitativi, ovvero non si tratta solo di modelli più grandi che fanno le stesse cose un po’ meglio. In alcuni casi si stanno manifestando capacità qualitative diverse, come quella dimostrata da questo risultato matematico.
Se sei curioso di esplorare le capacità dei moderni assistenti AI nel ragionamento e nella risoluzione di problemi complessi, la nostra guida a ChatGPT e l’analisi completa di Claude AI di Anthropic sono ottimi punti di partenza per capire a che punto siamo con gli strumenti accessibili al grande pubblico.
Conclusioni
La congettura di Erdős sulla distanza unitaria planare ha resistito per quasi ottant’anni all’intelligenza dei matematici più brillanti del mondo. Un modello di ragionamento di OpenAI l’ha demolita in autonomia, attraverso una connessione concettuale tra geometria discreta e teoria algebrica dei numeri che nessun ricercatore aveva esplorato prima. La prova è stata verificata da esperti indipendenti e documentata in un articolo scientifico pubblico, rendendola un risultato matematicamente valido a tutti gli effetti.
Non è una semplice curiosità tecnica. È un segnale che qualcosa di profondo sta cambiando nel rapporto tra intelligenza artificiale e pensiero scientifico originale. Per restare aggiornato su come l’AI stia ridefinendo i confini del possibile in matematica, scienza e tecnologia, continua a seguire intelligenzaartificiale.net.