Un problema aperto da quasi ottant’anni
Nel 1946 Paul Erdős formulò una domanda apparentemente elementare: disponendo (n) punti su un piano, quante coppie possono trovarsi esattamente alla stessa distanza unitaria? Dietro questa formulazione semplice si nasconde uno dei problemi più noti della geometria combinatoria.
Per decenni si è ritenuto che determinate costruzioni basate su griglie fossero sostanzialmente vicine al limite possibile. Erdős aveva congetturato che il numero massimo di distanze unitarie crescesse secondo un particolare andamento, espresso matematicamente come (n^{1+o(1)}).
Il 20 maggio OpenAI ha annunciato che un proprio modello interno ha costruito una famiglia infinita di configurazioni che supera quel limite, confutando la congettura. Non significa aver determinato completamente la soluzione del problema delle distanze unitarie, ma aver dimostrato che una convinzione centrale rimasta in piedi per decenni era falsa.
La parte sorprendente non è solo la soluzione
Il risultato acquista un peso particolare per il modo in cui è stato ottenuto. Secondo OpenAI, non si trattava di un sistema costruito specificamente per la matematica né di un software programmato per esplorare strategie relative a quel singolo problema. Era un modello di ragionamento generalista sottoposto a una serie di problemi di Erdős durante una fase di valutazione.
Il modello ha collegato la geometria discreta con strumenti sofisticati provenienti dalla teoria algebrica dei numeri, utilizzando idee che fino a quel momento non erano state applicate in quel modo al problema. La dimostrazione è stata successivamente esaminata da matematici esterni, tra cui Noga Alon, Tim Gowers e altri ricercatori che hanno prodotto un documento indipendente di verifica e contestualizzazione.
È questo passaggio a rendere il caso diverso da un modello che risolve un esercizio difficile. Il sistema non conosceva semplicemente la risposta: ha prodotto una costruzione matematica nuova che ha resistito all’analisi di specialisti umani.
Dal recuperare conoscenza al produrla
La distinzione è importante anche per un precedente poco edificante. Nell’ottobre 2025 alcuni risultati di GPT-5 sui problemi di Erdős erano stati inizialmente presentati come nuove soluzioni. In diversi casi il modello aveva invece svolto un eccellente lavoro di ricerca bibliografica, recuperando dimostrazioni già esistenti ma poco note. OpenAI dovette correggere pubblicamente l’interpretazione.
Questa volta il punto è precisamente l’opposto: la soluzione non risultava già presente nella letteratura e matematici esterni ne hanno verificato l’originalità e la validità.
La differenza tra questi due episodi descrive bene uno dei confini più importanti dell’intelligenza artificiale contemporanea. Trovare rapidamente conoscenza esistente può trasformare il lavoro scientifico. Produrre conoscenza che prima non esisteva cambia invece la natura stessa del ruolo che attribuiamo alla macchina.
Possiamo parlare di scienziato artificiale?
Definire oggi un modello uno scienziato artificiale sarebbe probabilmente prematuro. Fare scienza non significa soltanto risolvere problemi. Significa scegliere quali domande siano rilevanti, progettare esperimenti, mettere in discussione le ipotesi, comprendere il significato di un risultato e inserirlo in una comunità di conoscenza.
In questo caso sono stati esseri umani a selezionare il problema, verificare la dimostrazione e interpretarne l’importanza. Ma una delle funzioni che consideravamo più propriamente scientifiche, generare autonomamente un’idea originale capace di superare lo stato dell’arte, sembra essere entrata nel territorio delle macchine.
La matematica è probabilmente il luogo ideale in cui questo passaggio può manifestarsi per primo. Una dimostrazione può essere controllata con grande precisione. In biologia, medicina o scienza dei materiali, invece, un’ipotesi deve confrontarsi con esperimenti, strumenti e realtà fisica.
Una nuova divisione del lavoro scientifico
Il caso Erdős non dimostra che i ricercatori stiano per essere sostituiti. Suggerisce qualcosa di forse più interessante: che la divisione del lavoro tra uomo e macchina potrebbe cambiare molto più velocemente del previsto.
Finora l’AI è stata soprattutto uno strumento per analizzare dati, cercare letteratura, programmare e accelerare attività già definite dal ricercatore. Un sistema capace di proporre autonomamente connessioni inattese e produrre risultati originali introduce invece un nuovo attore nel processo della scoperta.
Il vero passaggio verso lo scienziato artificiale non avverrà probabilmente quando una macchina saprà tutto, ma quando inizierà con regolarità a trovare qualcosa che nessun essere umano aveva ancora trovato. Il risultato annunciato da OpenAI non chiude quella discussione. Per la prima volta, però, la rende molto meno teorica.
Lascia un commento