A settembre, OpenAI ha dichiarato che un modello di frontiera non rilasciato aveva risolto più di 100 problemi aperti di lunga data in gran parte della matematica. Mentre cresceva l'attesa, il neocostituito Gruppo consultivo sulla matematica e l'intelligenza artificiale ha esortato i laboratori a pubblicare tempestivamente attraverso canali accademici consolidati, a divulgare modelli, prompt e capacità di calcolo, e a evitare di trasformare i risultati in marketing.¹

Martedì, OpenAI ha pubblicato 722 manoscritti, organizzati in 372 famiglie di risultati correlati. L'azienda ha fornito protocolli per la revisione degli articoli e le citazioni tramite un repository GitHub, insieme a sintesi del ragionamento, stime delle risorse computazionali e statistiche sui problemi affrontati. Ha affermato che il risultato medio ha consumato l'equivalente di tre ore di elaborazione di ChatGPT Pro.¹

I dirigenti di OpenAI hanno presentato la pubblicazione come parte di un più ampio progetto scientifico. Greg Brockman l'ha definita un passo «verso l'accelerazione della scoperta scientifica e il miglioramento della qualità della vita per tutti».Greg Brockman (gdb)² Il solo volume ha impressionato gli osservatori: centinaia di dimostrazioni generate da un modello non rilasciato suggeriscono che la matematica potrebbe seguire la programmazione in un mondo in cui le macchine non sono più una novità, ma una forza operativa in ambiti specialistici.³

Ma all'entusiasmo si è affiancato l'allarme. I ricercatori si chiedono ancora se i risultati siano davvero originali o si basino in larga misura su precedenti contributi umani, e se un torrente di articoli prodotti dalle macchine possa essere valutato in modo significativo. Stephen Wolfram ha riassunto l'obiezione qualità contro quantità: «Si può produrre facilmente un trilione di teoremi. Il problema è che alla maggior parte di quei teoremi non importerà a nessuno».³

La diffidenza non è soltanto filosofica. Precedenti annunci di OpenAI avevano già suscitato accuse relative a lavori non pubblicati, appropriazione di risultati e scarsa trasparenza sull'origine dei dati di addestramento. I critici temono che un ricco laboratorio di IA possa procedere rapidamente attraverso problemi che i ricercatori hanno perseguito per tutta la carriera, senza le norme accademiche che regolano attribuzione e verifica. Un professore ha descritto la condotta come il «tipo di cose che i matematici generalmente non fanno».⁴

Persino la più ampia reazione online ha riflesso quella cautela: Elon Musk ha amplificato un post che insisteva: «No, l'IA non ha appena risolto le equazioni di Navier-Stokes».Elon Musk (elonmusk)⁵ La nuova pubblicazione potrebbe essere uno straordinario traguardo tecnico; che diventi un contributo affidabile alla matematica resta una questione umana.