L'IA sta per rivoluzionare ancora la matematica? Terence Tao interviene urgentemente: basta idolatrare!
Nuova Intelligenza - Notizie
Nuova Intelligenza - Notizie
【Introduzione di Nuova Intelligenza】Quando l'AI conquista autonomamente problemi difficili e viene mitizzata, Terence Tao interviene a tarda notte per smentire: non bisogna estrapolare, un caso isolato non significa che l'AI abbia già capacità matematiche avanzate. Sottolinea che l'AI assomiglia più a una catena di strumenti: eccellente nel recupero, nella riscrittura, nella verifica formalizzata e nell'applicazione di schemi, ma la vera anima della matematica resta ancora prerogativa umana.
Probabilmente ti sei imbattuto in titoli di notizie molto sensazionalistici come: "L'AI ha risolto in modo completamente autonomo un problema matematico irrisolto da cinquant'anni! I matematici perderanno il lavoro!"
Per chi desidera assistere alla nascita dell'AGI, questa è senza dubbio un'iniezione di fiducia. Per i matematici che difendono la dignità intellettuale umana, suona come l'allarme per la caduta dell'ultima roccaforte.
Con la crescente influenza di questi articoli, finalmente qualcuno ha deciso di intervenire per raffreddare gli animi.
Curiosamente, questa persona è proprio uno dei promotori più attivi della ricerca matematica AI: Terence Tao.
Terence Tao non nega la capacità di ricerca matematica dell'AI, vuole solo riportare la temperatura alla realtà.
Proprio questa notte, Terence Tao ha pubblicato un post affermando che la capacità dell'AI di risolvere problemi matematici è stata esagerata fuori contesto.

Ha aggiunto spiegazioni e avvertimenti più sistematici sulla pagina GitHub del progetto Erdős Problems.
Sottolinea che è facile esagerare l'interpretazione dei risultati dell'AI sui problemi di Erdős, soprattutto prendendo un risultato isolato come prova che "l'AI ha già capacità matematiche avanzate".
Cosa sta chiarendo esattamente Terence Tao? Cosa ha effettivamente raggiunto l'AI sui problemi di Erdős?
Prima di tutto, è importante dire che Terence Tao non nega i progressi dell'AI nella matematica.
Quello che nega principalmente è una narrazione troppo semplicistica: sostituire "l'AI può produrre risultati verificabili su alcuni problemi" con "l'AI sa già fare matematica, innovare autonomamente e può sostituire gli umani".
Nella pagina aggiornata "AI contributions to Erdős problems" afferma che, guardando ai risultati dell'AI sui problemi di Erdős, non bisogna solo concentrarsi su "quanti problemi sono stati risolti", ma prestare particolare attenzione ai seguenti punti:
La difficoltà dei problemi varia enormemente, il "numero di problemi risolti" non è direttamente comparabile: la gamma di difficoltà dei problemi di Erdős è estremamente ampia, da difficilissimi problemi centrali a numerosi "problemi di coda lunga" poco esaminati. Molti dei secondi sono in realtà "frutti a bassa quota", più adatti agli strumenti AI attuali. Il problema è che, senza una revisione di letteratura di livello esperto, è difficile sapere in anticipo a quale categoria appartenga un problema. Quindi, confrontare "chi ne risolve di più" potrebbe non confrontare problemi della stessa difficoltà.
Per molti problemi non è certo se siano davvero irrisolti: molti problemi sul sito mancano di una revisione sistematica della letteratura, quindi l'etichetta "Open" (irrisolto) è spesso solo provvisoria. Dopo che l'AI risolve un problema, spesso si scopre rapidamente che—qualcuno lo aveva già risolto in letteratura(magari con un metodo leggermente diverso). Questo rende molto instabile la narrazione del "primo risultato AI".
Vediamo soprattutto i casi di successo, i fallimenti sono nascosti: il sito non registra in modo completo l'uso degli strumenti AI, soprattutto per i tentativi falliti o senza avanzamenti.
Alcune formulazioni originali dei problemi sono errate e potrebbero essere "bypassate" con una soluzione letterale: in rarissimi casi, la formulazione dei problemi di Erdős può essere imprecisa o errata; ricostruire il vero significato richiede il contesto e l'esperienza del campo—un passaggio soggettivo.
Il valore della matematica non è solo nella risposta, ma nel "collegare la rete della conoscenza": il significato della matematica non è solo dimostrare un risultato, ma anche capire quale influenza ha sul campo correlato, come si collega alle teorie esistenti, quali metodi sono trasferibili. Gli umani, scrivendo prove, aggiungono naturalmente queste note: contesto, motivazione, confronto con la letteratura, limiti del metodo. Male dimostrazioni guidate dall'AI spesso mancano di questa "aura di conoscenza", risultando tecnicamente corrette ma di valore pratico inferiore per la comunità matematica.
Risolvere problemi di coda lunga poco noti non equivale a pubblicare su una rivista top: non ogni problema irrisolto risolto è degno di una pubblicazione. Se il problema è poco noto e il metodo è solo una piccola variazione di un approccio esistente, potrebbe non essere accettato da una buona rivista.
Formalizzare le dimostrazioni AI in strumenti come Lean aumenta l'affidabilità, ma si possono comunque aggirare le regole. Ad esempio, durante la formalizzazione, si possono introdurre di nascosto assiomi aggiuntivi, fraintendere la dichiarazione del problema, o sfruttare comportamenti "marginali" delle librerie matematiche/sintassi. In particolare, quando la dimostrazione formalizzata èinsolitamente breve oinsolitamente prolissa, bisogna essere particolarmente cauti.
In breve, secondo Terence Tao, i progressi dell'AI sui problemi di Erdős sono degni di nota, ma è necessario valutare anche altri parametri come il livello di difficoltà, la verifica bibliografica, l'interpretazione del problema, l'integrazione della conoscenza e la solidità della catena di verifica.
Il fatto che l'AI ottenga risultati non significa che l'AI abbia piena capacità matematica.
Nella realtà, cosa ha fatto effettivamente l'AI?
La pagina GitHub di Terence Tao suddivide i contributi AI in diverse categorie.
Ci sono AI che hanno generato risposte complete (o parziali), AI che pensavano che un problema fosse irrisolto ma la letteratura aveva già la soluzione, AI che hanno partecipato alla ricerca bibliografica, AI che hanno formalizzato prove in Lean, AI che hanno aiutato a riscrivere argomentazioni esistenti, ecc.
Ad esempio, la pagina elenca problema #728 completamente risolto da Aristotle e ChatGPT 5.2 Pro il 6 gennaio 2026 (verificato da Lean),problema #729 completamente risolto tra l'8 e il 10 gennaio (verificato da Lean).
Questo significa che, per alcune tipologie di problemi e livelli di difficoltà, l'AI può effettivamente produrre "strutture di dimostrazione operative", arrivando persino alla verifica formalizzata.
Alcuni problemi sono stati risolti completamente dall'AI, ma poi si è scoperto che erano già stati risolti da qualcun altro.
Terence Tao ha anche elencato una categoria "AI-powered literature review": l'AI viene usata per cercare se esistono già soluzioni o errori nell'etichettatura "Open".
Se si pensa che "l'AI sia imbattibile in matematica" solo per alcuni casi isolati, si rischia una visione parziale.
Ma al contrario, pensare che l'AI non valga nulla in matematica significa sottovalutare il suo vero valore.
Probabilmente la descrizione più accurata è: l'AI sta imparando a fare il lavoro fisico e ingegneristico della matematica: seguire schemi, colmare lacune, formalizzare, scrivere e riscrivere, fare ricerca bibliografica.
Ma la vera "anima" della matematica—porre domande profonde, creare nuovi concetti, integrare risultati nella rete della disciplina—resta fortemente dipendente dall'uomo.
Ecco perché Terence Tao ha voluto pubblicare il suo post notturno.
Forse il matematico del futuro non sarà più un pensatore solitario, ma il comandante di un esercito di intelligenze al silicio: nell'immenso campo della matematica, l'uomo indica la direzione, l'AI apre la strada e costruisce ponti.
Non mitizzare l'AI estrapolando, ma non sottovalutare mai questa forza che sta cambiando il modo di esplorare la verità.
Esclusione di responsabilità: il contenuto di questo articolo riflette esclusivamente l’opinione dell’autore e non rappresenta in alcun modo la piattaforma. Questo articolo non deve essere utilizzato come riferimento per prendere decisioni di investimento.
Ti potrebbe interessare anche
I trader di Goldman Sachs "riprendono il copione del 2018": ricordo ancora chiaramente "il 24 dicembre di allora, i clienti mi chiedevano perché il calo fosse così importante. Non ne avevo assolutamente idea".
Brian Garrett ha sottolineato che l’attuale correzione delle azioni USA è simile al crollo dell’ultimo trimestre del 2018: lo S&P 500 ha già recuperato il 42% del calo registrato nello stesso periodo di quell’anno e il VIX si avvicina al picco pre-natalizio. Se la storia dovesse ripetersi, il minimo di questo ciclo potrebbe presentarsi a gennaio del prossimo anno, ma il mercato del credito e la politica della Federal Reserve non hanno ancora dato segnali chiari di un possibile bottom.
Anthropic (ANT.US) ha rischiato di "rompere il prezzo", ma Claude si è avvicinato alla "prima montagna sacra della matematica"! 17 milioni di righe di codice Lean per scrivere una possibile dimostrazione della congettura di Riemann
Il 20 novembre, ora della costa orientale degli Stati Uniti, nel suo secondo giorno di quotazione, Anthropic ha toccato un minimo intraday di 83,05 dollari, solo 5 centesimi sopra il prezzo di emissione di 83 dollari, chiudendo infine a 88,91 dollari, in calo dell'8,50%. Nello stesso giorno, il matematico dell'azienda Levant Alpırğa ha annunciato sul suo sito personale di aver trovato, insieme a Claude, una possibile dimostrazione della congettura di Riemann che da 167 anni pone un enigma alla comunità matematica, rendendo pubbliche circa 17 milioni di righe di codice formale in formato Lean.

Mentre le azioni americane crollano, la società madre di 《GTA 6》 chiude in rialzo controcorrente! Vendite record il primo giorno con 3,79 miliardi di dollari, Wall Street sposta l’attenzione sulla prossima generazione di GTA Online.
I dati di Rentrak mostrano che il botteghino globale di Grand Theft Auto VI ha superato anche quello del film con il più alto incasso di sempre, Avengers: Endgame, il cui incasso globale è di circa 2,94 miliardi di dollari.

23 trilioni di dollari "svaniti nel nulla"! Le azioni dei chip statunitensi non erano crollate così tanto dal 2001, Nvidia ha già "perso quanto un Amazon"
Questa settimana, l'indice Philadelphia Semiconductor è sceso di oltre il 10%, con una perdita di circa 2,3 trilioni di dollari nella capitalizzazione di mercato del settore dei chip, segnando la peggiore performance settimanale dal 2001. Il prezzo delle azioni Nvidia è diminuito per sette settimane consecutive, subendo una riduzione della capitalizzazione di mercato di circa 2,7 trilioni di dollari rispetto al massimo di ottobre. Le restrizioni di Nvidia sul supporto ai finanziamenti, l'IPO di Anthropic che ha drenato liquidità e l'atteggiamento più restrittivo della Fed hanno aggiunto ulteriore pressione: le azioni legate all’AI sono state oggetto di vendite massicce e crescono le preoccupazioni sulle prospettive di crescita del mercato.

