L’annuncio è arrivato martedì scorso e ha tutte le caratteristiche di una data da segnare sul calendario. OpenAI sostiene di aver risolto uno dei problemi del millennio, le equazioni di Navier-Stokes, un enigma aperto da novant’anni sul comportamento dei fluidi. Il tempo impiegato? Ottantotto ore, con diecimila agenti software messi al lavoro in parallelo. Il matematico Tristan Buckmaster, della New York University, ha parlato di un momento paragonabile alla sfida tra Deep Blue e Kasparov nel 1997. Eppure il clima nella comunità matematica non è di festa.
Il motivo è che il risultato è arrivato accompagnato da accuse pesanti. Secondo diverse ricostruzioni, OpenAI avrebbe deciso di concentrare risorse enormi sul problema dopo aver saputo che altri gruppi di ricerca stavano avanzando nella stessa direzione, arrivando a un traguardo che qualcuno ha definito il frutto di uno scippo. Si parla di mancato riconoscimento del lavoro altrui, di informazioni raccolte in modo poco trasparente e di violazioni di norme accademiche consolidate. Al netto della fondatezza delle singole accuse, resta il fatto che per vincere un premio da un milione di dollari sono stati spesi diversi milioni. Non è un investimento che un dipartimento universitario può replicare.
Qui si apre la questione più profonda, sollevata dal matematico Jacob Tsimerman. In matematica una dimostrazione non è una risposta, è una catena di ragionamenti che altri devono poter ispezionare, contestare e infine sottoscrivere. Se un modello produce o accelera quella catena, chi garantisce la validità del risultato? E a chi va attribuito il merito? Trattare l’output di un sistema come autoevidente significherebbe smontare il meccanismo che ha reso affidabile la conoscenza scientifica per secoli.
Il problema, va detto, non riguarda soltanto la matematica. Se i sistemi di frontiera cominciano a contribuire in modo rilevante a scienza, ingegneria e persino politiche pubbliche, università, riviste e laboratori dovranno costruire standard di verifica e di attribuzione prima che la ricerca assistita dall’intelligenza artificiale diventi la norma, non dopo.
Lo scenario che si intravede è duplice e piuttosto scomodo. Da un lato, i modelli sembrano ormai indispensabili per attaccare i problemi più difficili; dall’altro, la potenza di calcolo necessaria è nelle mani di due o tre aziende. Il rischio non è che i matematici umani diventino inutili, ma che si riducano a spettatori di una ricerca che non possono né riprodurre né controllare. Ed è da quell’asimmetria, più che dal singolo teorema, che dipenderà il futuro della disciplina.
Per approfondire: link all’articolo originale
