Il modello AI di OpenAI confuta la congettura matematica di Erdős, una pietra miliare storica

L'AI raggiunge una storica svolta matematica

In un momento storico per la ricerca sull'intelligenza artificiale, OpenAI ha annunciato che uno dei suoi modelli di ragionamento interni ha autonomamente confutato una congettura matematica centrale che era rimasta in piedi per quasi 80 anni. Il risultato, relativo al famoso "problema della distanza unitaria" posto da Paul Erdős nel 1946, rappresenta la prima volta che un sistema AI ha risolto un problema aperto di lunga data e prominente nel cuore di un campo attivo della matematica.

L'annuncio, fatto il 20 maggio 2026, segue una prematura affermazione sette mesi prima da parte di un ex dirigente di OpenAI, che è stata rapidamente smentita. Questa volta, la dimostrazione è stata verificata da matematici esterni ed è accompagnata da un articolo di accompagnamento che ne spiega il significato. Il risultato segna un profondo cambiamento nel potenziale dell'AI come partner di ricerca.

Il problema della distanza unitaria di Erdős: un puzzle deceptivamente semplice

Il problema della distanza unitaria nel piano pone una domanda apparentemente elementare: se si posizionano n punti su un piano, qual è il numero massimo possibile di coppie che sono esattamente a distanza 1 l'una dall'altra? Posto per la prima volta dal leggendario Paul Erdős, che offrì un premio in denaro per la sua soluzione, il problema è celebrato per la sua semplicità e notoria difficoltà.

Per decenni, la convinzione prevalente tra i matematici era che le costruzioni più note, basate su griglie quadrate riscalate, fossero essenzialmente ottimali. Queste configurazioni producono un tasso di crescita di n^{1 + C/log log(n)}, solo leggermente più veloce di un aumento lineare. Erdős stesso congetturò un limite superiore di n^{1 + o(1)}, implicando che nessuna costruzione potesse raggiungere un miglioramento polinomiale.

La dimostrazione controintuitiva dell'AI

Il modello di OpenAI ha definitivamente capovolto questa convinzione a lungo sostenuta. Ha costruito una famiglia infinita di configurazioni di punti che raggiungono almeno n^{1 + δ} coppie a distanza unitaria per un esponente fisso δ > 0. Sebbene la dimostrazione originale dell'AI non specificasse δ, il matematico di Princeton Will Sawin l'ha successivamente perfezionata per mostrare δ = 0,014.

La metodologia della dimostrazione è significativa quanto la sua conclusione. Essa rifiuta gli approcci geometrici tradizionali, importando invece strumenti sofisticati dal campo distante della teoria algebrica dei numeri.

• Ideazione centrale: Generalizza la costruzione originale degli interi gaussiani di Erdős a campi di numeri algebrici più complessi con simmetrie più ricche.
• Strumenti avanzati: L'argomentazione impiega concetti come torri di campi di classe infiniti e la teoria di Golod–Shafarevich per dimostrare l'esistenza dei campi numerici necessari.
• Ponte inaspettato: Ciò crea una connessione sorprendente tra la profonda teoria dei numeri e un problema fondamentale nella geometria combinatoria.

Secondo l'articolo di accompagnamento, il ragionamento a catena di pensieri del modello ha rivelato una "predisposizione a tentare costruzioni" e una disponibilità a perseguire approcci che la comunità matematica umana considerava improbabili.

Validazione e significato degli esperti

La validità e l'importanza della dimostrazione sono state approvate da matematici di spicco. Il medaglia Fields Tim Gowers, nei commenti di accompagnamento, l'ha definita "una pietra miliare nella matematica dell'AI", affermando che avrebbe raccomandato la sua accettazione da parte di una rivista di punta come gli Annals of Mathematics senza esitazione.

Noga Alon, un importante combinatorista a Princeton, ha notato che il problema era "uno dei problemi preferiti di Erdős" e che la soluzione che applicava "strumenti abbastanza sofisticati dalla teoria algebrica dei numeri in modo elegante e intelligente" era un "risultato eccezionale". Il teorico dei numeri Arul Shankar ha dichiarato che il lavoro dimostra che i modelli AI sono "capaci di avere idee originali e ingegnose, e poi di portarle a compimento".

Contesto: una rotta corretta dopo un passo falso precedente

Questo annuncio ha un peso aggiuntivo a causa di un falso inizio precedente. Sette mesi prima, l'ex vicepresidente di OpenAI Kevlin Weil aveva postato che "GPT-5 aveva trovato soluzioni a 10 (!) problemi di Erdős precedentemente irrisolti", un'affermazione che aveva suscitato scetticismo da parte di rivali come Yann LeCun e il CEO di Google DeepMind Demis Hassabis.

È stato successivamente rivelato che il modello aveva semplicemente trovato soluzioni esistenti nella letteratura. Thomas Bloom, che gestisce il sito web dei problemi di Erdős, ha definito il post di Weil "una drammatica rappresentazione errata". L'attuale pubblicazione di OpenAI, con la sua attenta verifica esterna e analisi di accompagnamento, sembra essere stata progettata per evitare una ripetizione di quella controversia.

Cosa significa questo per l'AI e la ricerca

OpenAI sottolinea che questo risultato proviene da un modello di ragionamento a scopo generale, non da un sistema appositamente addestrato per la matematica. Faceva parte di una valutazione più ampia su una raccolta di problemi di Erdős. Il successo dimostra diverse capacità avanzate:

• Ragionamento complesso: Tenere insieme un argomento lungo e intricato in cui ogni passaggio deve essere corretto.
• Approfondimento interdisciplinare: Collegare idee da campi distanti (teoria algebrica dei numeri e geometria) in un modo nuovo.
• Scoperta autonoma: Generare una dimostrazione verificabile e nuova senza la guida umana sul percorso della soluzione.

Come nota Thomas Bloom nell'articolo di accompagnamento, il risultato "mostra che c'è molto più di quanto sospettassimo che le costruzioni teoriche dei numeri abbiano da dire su questo tipo di questioni". Apre un nuovo ponte tra campi matematici e suggerisce che l'AI può rivelare "meraviglie invisibili" nella "cattedrale della matematica".

Per OpenAI, l'implicazione si estende oltre la matematica pura. La capacità di mantenere un ragionamento coerente e complesso e di collegare concetti disparati è direttamente applicabile a campi come la biologia, la fisica, la scienza dei materiali e la scoperta di farmaci—suggerendo un futuro di ricerca scientifica più automatizzata e accelerata.

L'elemento umano rimane centrale

Nonostante la natura autonoma della scoperta, OpenAI e i matematici che hanno commentato sottolineano il ruolo duraturo dell'esperienza umana. L'articolo di accompagnamento dei matematici umani fornisce un contesto cruciale, spiegazione e significato che la dimostrazione grezza non possiede. L'AI serve a "cercare, suggerire e verificare", mentre gli esseri umani "scelgono i problemi che contano, interpretano i risultati e decidono quali domande perseguire successivamente".

Questa pietra miliare non riguarda la sostituzione dei matematici, ma il loro potenziamento. Fornisce una potente prova di concetto che l'AI può operare come un vero collaboratore alla frontiera della conoscenza umana, capace di salti inaspettati che possono rimodellare interi campi di indagine.