Le regole del digitale stanno cambiando.
O sei visibile o sei fuori. Noi ti aiutiamo a raggiungere i clienti giusti — quando ti stanno cercando.
Contattaci ora
Modello formalizza prove in Lean, ma restano dubbi su plagio e attribuzione
OpenAI ha pubblicato dimostrazioni matematiche verificate tramite Lean, con un costo medio di tre ore di ChatGPT Pro per risultato. Il passo conta perché rende controllabile la prova, ma resta il dubbio su attribuzione e plagio: la trasparenza dell'azienda è l'eccezione, non la regola, mentre altri laboratori testano su modelli inaccessibili.
Ieri, tre ore di ChatGPT Pro per una dimostrazione matematica verificata da computer: è il biglietto da visita con cui OpenAI entra nel club dei problemi aperti, ma non tutti applaudono. Secondo l’annuncio ufficiale di OpenAI, l’azienda ha pubblicato nuovi risultati matematici prodotti da un modello interno di frontiera. Non un progetto laterale, ma una serie di risultati che toccano problemi aperti e che l’azienda racconta come un passo avanti nella condivisione dei progressi dell’IA in matematica.
Il fatto: Lean, tre ore di ChatGPT Pro e un advisory group
Il dettaglio tecnico che distingue l’annuncio è la formalizzazione. OpenAI ha condiviso formalizzazioni di molte dimostrazioni in Lean, un linguaggio di programmazione che consente di verificare le dimostrazioni matematiche tramite computer. In pratica, ogni passaggio può essere controllato in modo automatico: non devi fidarti della parola di chi ha scritto la dimostrazione, puoi farla girare su una macchina e verificare che tutto torni. Il costo medio dichiarato è l’equivalente di circa tre ore di pensiero di ChatGPT Pro per singolo risultato.
L’azienda ha anche consultato l’Advisory Group on Mathematics and Artificial Intelligence dell’Institute for Advanced Study per sviluppare buone pratiche e finanzierà workshop, conferenze e programmi speciali per comprendere i risultati prodotti dall’IA. Sembra il modello di trasparenza che il mondo accademico chiede da tempo. Ma il contesto è meno pulito. Stando al documento pubblicato dall’Advisory Group, alcuni laboratori di IA di frontiera testano problemi matematici avanzati su modelli proprietari inaccessibili alla comunità scientifica. Lo stesso documento raccomanda di smettere di farlo. Se i risultati sono verificabili in Lean, perché il documento deve chiedere di smettere di testare su modelli proprietari? La trasparenza di OpenAI è l’eccezione, non la regola.
Il dubbio legittimo: attribuzione, plagio e la paura dei Fields Medal
Il mondo della matematica non è convinto che la trasparenza basti. Il problema non è soltanto tecnico, è di attribuzione. Come scrive il progetto Math and AI, le soluzioni AI annunciate frettolosamente sollevano gravi questioni di attribuzione e plagio: manca il tempo per una scrittura accurata, per isolare metodi e idee nuove e per citare il lavoro precedente di altri ricercatori. Chi ha dimostrato cosa? A chi va il merito? E chi controlla che la macchina non abbia ricombinato idee altrui senza citarle?
La tensione è arrivata fin dentro la comunità dei matematici. Lo scorso 11 settembre, 25 vincitori della medaglia Fields — il riconoscimento più simile a un Nobel per la matematica — hanno pubblicato una lettera aperta in cui affermano che l’IA potrebbe rovinare le fondamenta della disciplina. Lo ha raccontato The Economist in un articolo sulle proteste dei matematici. Secondo i firmatari, le aziende di IA risolvono problemi matematici solo per misurare la potenza dei loro modelli, non per un vero spirito di ricerca intellettuale.
E qui il paradosso non si scioglie. Da un lato la comunità chiede tempo, attribuzione e metodo; dall’altro la corsa dei laboratori continua. Un agente AI ha risolto autonomamente 9 dei 353 problemi aperti di Erdős, con un costo per problema di poche centinaia di dollari, come documentato in un preprint su arXiv. Non è una dimostrazione isolata, è un intero filone di problemi storici aggredito a costi unitari bassissimi. Quanto è profondo il divario tra laboratori e comunità? La risposta non è rassicurante: mentre si discute di plagio, i laboratori trasformano i benchmark in capacità di prodotto.
Cosa guardare nelle prossime settimane
Nei prossimi giorni saranno tre i segnali da osservare. Il primo è il costo per problema: il dato dei 9 problemi di Erdős a poche centinaia di dollari l’uno è la misura più concreta per capire quanto stia diventando economica la risoluzione di problemi aperti. Il secondo è la reazione degli altri laboratori di frontiera, chiamati in causa dal documento dell’Advisory Group che chiede di smettere di testare su modelli proprietari. Il terzo è la nascita di meccanismi di verifica indipendente: la formalizzazione in Lean è al momento l’eccezione, non la regola. Se un agente AI risolve problemi aperti di Erdős per poche centinaia di dollari, il valore della competenza matematica diventa una commodity verificabile: per chi fa impresa online, la domanda non è più se fidarsi dell’IA, ma come integrare verifica e attribuzione nei propri processi prima che i laboratori trasformino il benchmark in prodotto.
