La dimostrazione di Navier-Stokes di OpenAI solleva dubbi sulla fiducia nella ricerca matematica

La storica affermazione matematica di OpenAI incontra una tempesta di polemiche

Il 8 settembre 2026, OpenAI ha annunciato un risultato che sarebbe stato una pietra miliare sia nella matematica che nell'intelligenza artificiale: un modello interno, significativamente più capace di GPT-6 Astra, aveva prodotto una dimostrazione che affronta il problema dell'esistenza e della regolarità di Navier-Stokes—uno dei sette problemi del Millennium Prize. L'azienda ha rilasciato una dimostrazione di 165 pagine, insieme a una formalizzazione nell'assistente di dimostrazione Lean, e ha dichiarato che lo sforzo ha coinvolto fino a 10.000 agenti AI in esecuzione per circa 88 ore a un costo di milioni di dollari.

Ma la celebrazione è stata di breve durata. Una disputa sul credito scientifico e l'uso di dati di ricerca inediti ha rapidamente oscurato il risultato tecnico. Due importanti matematici—Tristan Buckmaster di Princeton e Levent Alpöge di Harvard—stanno sollevando serie domande sul fatto che i sistemi di OpenAI possano aver beneficiato del loro lavoro riservato, che avevano condiviso con gli strumenti dell'azienda durante il processo di ricerca.

Il problema centrale della fiducia: matematica inedita e dati di addestramento AI

La controversia colpisce una questione fondamentale per il futuro della scienza assistita dall'AI: i ricercatori possono usare in sicurezza gli strumenti dei laboratori all'avanguardia per lavorare su scoperte inedite? Se le aziende AI possono potenzialmente assorbire e sfruttare il lavoro intellettuale privato dei ricercatori attraverso i loro prodotti, l'intero tessuto collaborativo della matematica potrebbe essere compromesso.

Buckmaster e Alpöge stavano usando Codex e ChatGPT di OpenAI per esplorare problemi correlati nella dinamica dei fluidi. Il 7 settembre, hanno pubblicato tre risultati sull'esplosione in tempo finito per mezzi porosi incomprimibili, il sistema Boussinesq e le equazioni di Eulero incomprimibili 3D—lavoro strettamente correlato al problema di Navier-Stokes che OpenAI afferma di aver risolto. In particolare, il lavoro di Eulero della coppia è riconosciuto da OpenAI come prioritario, ma l'azienda insiste che la sua dimostrazione per Navier-Stokes utilizza un approccio diverso.

Allegazioni dirette e la risposta qualificata di OpenAI

Buckmaster ha dichiarato di aver chiesto direttamente a OpenAI se i suoi sistemi avessero avuto accesso alle sessioni Codex della coppia, che contenevano la loro ricerca inedita. La risposta dell'azienda è stata al massimo evasiva. OpenAI ha detto che i suoi ricercatori e agenti non hanno ispezionato quei prompt o dimostrazioni per dirigere il progetto. Tuttavia, ha riconosciuto: "Sebbene improbabile, non possiamo escludere che dati de-identificati derivanti dal loro uso dei nostri prodotti abbiano aiutato a migliorare i nostri modelli."

Questa dichiarazione ha fatto poco per placare le preoccupazioni. Al contrario, le ha amplificate. L'ammissione che dati de-identificati potrebbero aver influenzato i miglioramenti del modello—senza alcun modo per verificare o controllare tale affermazione—solleva una profonda questione di provenienza. Come ha detto un commentatore nel thread di Mastodon, "È molto facile dire se qualcosa è entrato o meno nei dati di addestramento. Non ha nulla a che fare con l'interpretabilità."

Un modello di pratiche opache sui dati

Non è la prima volta che le pratiche sui dati di OpenAI vengono messe sotto esame nella comunità matematica. Andreas Thom, matematico all'Università di Lipsia, ha raccontato uno scambio simile con OpenAI dopo l'annuncio di un risultato su un gruppo non sofico, che utilizzava metodi sviluppati da Thom e dal suo collaboratore Gabor Kun.

Thom aveva inviato un'email ai ricercatori di OpenAI Mark Sellke e Sébastien Bubeck, esprimendo preoccupazione che il suo e quello del suo collega uso attivo di ChatGPT mentre lavoravano al problema dell'expander matching potesse aver influenzato i dati di addestramento. Ha chiesto esplicitamente due domande: se le loro conversazioni fossero entrate nei dati di addestramento e se fossero accessibili al processo risolutivo. La risposta completa di Sellke è stata: "Per quanto riguarda le tue conversazioni con ChatGPT: non è successo."

Thom ora considera quella risposta fuorviante. "La risposta categorica ora sembra aver affrontato solo l'accesso diretto secondo (2). Nessuna qualifica, spiegazione o prova è stata fornita. Considero questo come disonestà, per usare un eufemismo." Questa storia suggerisce un modello in cui le rassicurazioni di OpenAI potrebbero non essere così complete come i ricercatori spererebbero.

L'illusione dei controlli sui dati

OpenAI offre agli utenti un'impostazione per rinunciare all'uso dei propri dati per il miglioramento del modello, ma la sua efficacia è discutibile. Un utente di Mastodon ha sottolineato che anche con l'opt-out attivato, i dati possono ancora essere acquisiti se gli utenti cliccano pollice su o giù su una risposta, selezionano un output preferito o attivano qualsiasi filtro di sicurezza ambiguo. Inoltre, le attivazioni del modello backend possono essere mappate e utilizzate, il che potrebbe non contare come "tuoi dati" secondo il GDPR ma può comunque catturare idee e implementazioni.

Un altro utente ha evidenziato una trappola sottile: se si rinuncia all'addestramento ma si continua a chattare in una conversazione creata prima dell'opt-out, OpenAI potrebbe comunque appropriarsi di quei dati. Questa complessità rende quasi impossibile per i ricercatori sapere se il loro lavoro è stato assorbito nei modelli di OpenAI, indipendentemente dalle loro impostazioni sulla privacy.

Implicazioni legali ed etiche

La disputa solleva anche nuove questioni legali. Secondo la legge sul copyright degli Stati Uniti, un articolo matematico inedito può ricevere protezione una volta fissato in una forma sufficientemente permanente—la pubblicazione non è richiesta. Tuttavia, il copyright protegge l'espressione dell'autore, non l'idea o il principio matematico sottostante. Ciò significa che anche se OpenAI ha usato le dimostrazioni inedite di Buckmaster e Alpöge per informare il suo modello, il ricorso legale potrebbe essere limitato.

C'è anche una questione di credito. Buckmaster sostiene che il ricercatore di OpenAI Sébastien Bubeck abbia discusso un accordo in base al quale solo Buckmaster avrebbe potuto scrivere il risultato di Navier-Stokes di OpenAI dopo aver pubblicato il lavoro su Eulero. Buckmaster afferma inoltre che Bubeck abbia sollevato due volte la rimozione di Alpöge da quella proposta di paternità perché Alpöge lavora ad Anthropic, un laboratorio AI concorrente. Questo aggiunge un livello di rivalità aziendale a una disputa scientifica già complessa.

Cosa è in gioco per la comunità scientifica

L'importanza duratura di questo episodio potrebbe non essere se la dimostrazione di OpenAI sia corretta, ma il precedente che stabilisce per la ricerca assistita dall'AI. I laboratori all'avanguardia possiedono sempre più sia gli strumenti che i ricercatori usano per sviluppare idee inedite sia la potenza computazionale per competere con quei ricercatori. Questo crea un problema fondamentale di fiducia per la scienza.

Se le principali scoperte assistite dall'AI devono ottenere fiducia, i laboratori potrebbero aver bisogno di standard di provenienza molto più forti. Ciò potrebbe includere confini verificabili dei dati di addestramento, timestamp, cronologie dei prompt, registri dell'intervento umano e regole trasparenti per l'attribuzione scientifica.

Come ha concluso un'analisi: "Se le macchine possono ora scoprire la matematica, il prossimo problema difficile potrebbe non essere più solo 'La dimostrazione è vera?' ma 'Da dove è venuta la dimostrazione?'"

La questione irrisolta

La dichiarazione di OpenAI che 'non può escludere' l'uso di dati de-identificati non stabilisce che la matematica inedita di Buckmaster e Alpöge abbia influenzato il risultato di Navier-Stokes. Ma non stabilisce nemmeno che non lo abbia fatto. La questione della provenienza rimane irrisolta sulla base delle prove pubblicamente disponibili.

Per i ricercatori che considerano se fidarsi di OpenAI con il loro lavoro inedito, la risposta è tutt'altro che chiara. L'azienda non ha fornito la trasparenza necessaria per rassicurare la comunità matematica. Come ha detto Thom, c'è "una certa (francamente inaccettabile) mancanza di trasparenza qui; e temo che danneggerà il processo comunitario della matematica più di quanto i nuovi risultati generati dall'AI gioveranno alla materia."

La dimostrazione di Navier-Stokes potrebbe alla fine essere verificata e celebrata. Ma il deficit di fiducia che ha esposto potrebbe avere conseguenze molto più durature per la relazione tra le aziende AI e la comunità scientifica.