Da Platone a Cartesio fino a Leibniz e Spinoza, la matematica è sempre stata per l’Uomo qualcosa di più del risolvere calcoli. A tratti trascendente nella sua concretezza, sorella della filosofia, da esercizio astratto e intellettuale si è poi sviluppata per dare risposte concrete al bisogno di progresso, che fosse per superare la forza delle braccia o i limiti della memoria. Nel reame dell’intelligenza artificiale tutto ciò è però sempre più affidato alle macchine.
Si prenda per esempio quanto accaduto il 6 ottobre, con OpenAI che ha riversato in rete quasi 400 risultati matematici prodotti da un modello sperimentale, distribuiti in oltre 700 manoscritti. Si va dalla geometria alla teoria dei numeri, dalla probabilità alla fisica, un lavoro che nel mondo pre-AI avrebbe richiesto il lavoro di molti matematici e anni di ricerca. Sebbene quantità non significhi direttamente qualità. Alcuni risultati sono infatti stati formalizzati con Lean (circa 300), un sistema che controlla la correttezza logica delle prove, mentre altri attendono il giudizio della comunità scientifica. In ogni caso il punto è lo stesso, non cioè stabilire se ogni pagina sia impeccabile, ma registrare che la macchina è entrata nel territorio dell’invenzione teorica, finora considerato una prerogativa dell’Uomo.
We’re releasing a broad range of new mathematical results produced by an internal frontier model. We’ve been consulting with the independent Advisory Group on Mathematics and Artificial Intelligence at the Institute for Advanced Study, and we have drawn on their advice and public recommendations to inform how we release these results. https://t.co/7N6TPlft1P
— OpenAI (@OpenAI) October 6, 2026
A settembre sempre OpenAI aveva infatti già rivendicato una soluzione al problema di Navier-Stokes, relativo alle equazioni che descrivono il moto dei fluidi e alla possibilità che le loro soluzioni sviluppino singolarità. Si tratta di uno dei sette «problemi del Millennio» (Millennium Problems), scelti nel 2000 dal Clay Mathematics Institute di Cambridge e accompagnati ciascuno da un premio di un milione di dollari per chi fosse in grado di risolverli: grandi interrogativi irrisolti che riguardano i numeri primi, la struttura dello spazio e i limiti del calcolo. Finora soltanto la congettura di Poincaré ha ottenuto il riconoscimento ufficiale di una soluzione grazie a Grigorij Perelman, ma ora tutto è rimesso in gioco dalla potenza di calcolo degli Llm.
Perché ovviamente i risultati dell’AI in ambito matematico non li ha raggiunti solo la casa madre di ChatGpt. Nel 2025 infatti Gemini Deep Think di Google ha portato un suo sistema al livello della medaglia d’oro alle Olimpiadi internazionali di matematica del 2025 e, nel febbraio di quest’anno, ha illustrato il suo impiego su problemi di ricerca. Questo è il nodo gordiano della questione: siamo di fronte a calcolatrici immensamente più potenti o a macchine in grado di sostituire in tutto e per tutto l’Uomo? Qual è il ruolo del matematico? È ancora indispensabile per formulare le domande, valutare il significato delle risposte e distinguere una prova nuova da una variante di quanto già noto? Sarebbe consolatorio scambiare questa necessità di controllo per la garanzia che il primato umano sia intatto.
Oltretutto la novità pone anche un problema di potere. Se pochi laboratori privati dispongono dei sistemi in grado di produrre risultati a un ritmo che le università faticano a verificare, il sapere rischia di dipendere non solo da chi dimostra ma da chi possiede la macchina e decide cosa rendere pubblico. È una questione etica e scientifica, poiché una verità incomprensibile o non controllabile è una conquista incompleta. La matematica ha sempre misurato l’ambizione dell’uomo di superare i propri limiti, ma oggi quella stessa ambizione ha generato strumenti capaci di spostare il limite senza chiedere il permesso a nessuno.
