I recenti progressi dell’intelligenza artificiale hanno scosso il mondo della matematica: alcuni sistemi annunciano ormai soluzioni a problemi rimasti aperti a lungo. Ma questa accelerazione non rende inutili i ricercatori. Solleva piuttosto nuove questioni sulla verifica delle dimostrazioni, sull’organizzazione della ricerca, sulla formazione e sul ruolo del ragionamento umano in una disciplina che non si riduce al calcolo.
Annunci che sconvolgono la comunità
Da diversi mesi si susseguono a un ritmo insolito gli annunci di risultati matematici ottenuti con l’aiuto dell’IA. Per gli specialisti, alcuni hanno l’effetto di uno shock: riguardano problemi considerati particolarmente difficili, talvolta aperti da molto tempo, e sembrano mettere in discussione filoni di ricerca seguiti per anni.
Il disagio riflette anche una domanda più profonda sul futuro della professione. Il matematico Hugo Duminil-Copin, insignito della medaglia Fields nel 2022, ha espresso la sensazione di vedere improvvisamente superati, da questi progressi, diversi filoni del suo lavoro. La recente pubblicazione di centinaia di documenti che rivendicano soluzioni a problemi aperti ha ulteriormente rafforzato questa impressione di accelerazione.
Questi annunci devono tuttavia essere esaminati con prudenza. Un prodotto presentato come soluzione non è automaticamente una dimostrazione corretta, completa e comprensibile per la comunità. I matematici devono poter controllare ogni passaggio, individuare eventuali errori e stabilire se il risultato risponde esattamente alla domanda posta.
Una dimostrazione non basta a definire la ricerca
La validità di una dimostrazione è fondamentale, ma non riassume l’intero processo matematico. I ricercatori si interessano anche alle idee che permettono di raggiungere un risultato, ai legami che rivela con altri ambiti e ai metodi che rende possibili. Capire perché una dimostrazione funziona può essere importante tanto quanto conoscerne la conclusione.
Stéphane Mallat, medaglia d’oro 2025 del CNRS, sottolinea che la matematica è molto più di un’attività di calcolo. È un modo per strutturare il pensiero, chiarire un problema e comprendere fenomeni complessi. Anche se un’IA è in grado di produrre dimostrazioni, la necessità di interpretare, valutare e contestualizzare i risultati rimane quindi centrale.
Questa distinzione aiuta a capire perché automatizzare una parte del lavoro non significhi la scomparsa della disciplina. Un sistema può proporre una pista o esaminare rapidamente un gran numero di possibilità; resta comunque necessario decidere quali domande meritino di essere poste, valutare la portata di un risultato e spiegare che cosa cambia rispetto alle conoscenze esistenti.
La verifica dei risultati, un nuovo cantiere
Valutare le dimostrazioni prodotte dai sistemi
Di fronte al volume crescente di risultati generati o assistiti dall’IA, un compito acquista sempre più importanza: mettere a punto metodi affidabili per esaminarli. Occorre in particolare distinguere le dimostrazioni solide dai risultati incompleti, documentare gli strumenti utilizzati e stabilire regole condivise su come presentare una dimostrazione ottenuta con l’aiuto di un modello.
Negli Stati Uniti, la Simons Foundation ha annunciato un programma da 15 milioni di dollari, cofinanziato da OpenAI e Anthropic. Il programma sosterrà workshop dedicati alla valutazione dei risultati matematici prodotti dall’IA e all’elaborazione di standard per il suo utilizzo. Questa iniziativa illustra l’emergere di nuove esigenze: agli specialisti non spetta soltanto creare conoscenze, ma anche organizzare la loro convalida nell’era degli strumenti automatizzati.
La questione è legata anche alla fiducia riposta nei sistemi. Questa non dovrebbe basarsi sull’apparenza convincente di una risposta o sul numero di risultati annunciati. In matematica, i requisiti di precisione sono elevati: ogni passaggio deve poter essere verificato e le condizioni di applicabilità di un risultato devono essere esplicite.
La ricerca matematica può anche aprire nuove strade
Superare alcuni ostacoli
Non tutti i ricercatori considerano i progressi attuali una minaccia per la scienza. François Charles, direttore del Dipartimento di matematica e applicazioni dell’École normale supérieure, distingue le incertezze relative all’organizzazione delle professioni dalle possibilità scientifiche aperte da questi strumenti. Problemi finora difficili da affrontare potrebbero diventare più accessibili, mentre dalla collaborazione tra esseri umani e macchine potrebbero emergere nuove domande.
L’IA può contribuire a esplorare ipotesi, individuare strutture o accelerare alcune fasi di calcolo. La sfida consiste allora nell’usarla per ampliare il campo d’indagine, senza confondere la rapidità di produzione con la comprensione. Se alcuni ostacoli vengono superati, i matematici possono anche essere indotti a puntare a problemi più ambiziosi e a esplorare ambiti finora trascurati.
Questa evoluzione si inserisce in una trasformazione più ampia delle attività professionali. I dibattiti sull’IA riguardano tanto i mercati finanziari, come mostra questo articolo sulle preoccupazioni legate all’intelligenza artificiale a Wall Street, quanto la ripartizione delle risorse pubbliche, affrontata nell’analisi sul bilancio 2027 e i nuovi compromessi sull’IA.
Insegnare matematica nell’era dell’IA
Preservare la voglia di imparare
L’insegnamento rappresenta una sfida distinta da quella della ricerca. Se gli studenti hanno l’impressione che le macchine possano risolvere i problemi al posto loro, rischiano di dubitare dell’utilità di imparare la matematica. Questa percezione sarebbe riduttiva: saper ragionare, comprendere una dimostrazione e formulare correttamente una domanda sono competenze che non si riducono all’ottenimento di una risposta automatica.
I programmi scolastici potrebbero quindi mettere maggiormente in evidenza il ruolo del ragionamento, della formulazione dei problemi e dell’interpretazione dei risultati. L’IA può diventare un oggetto di studio e uno strumento didattico, a condizione che gli studenti imparino a esaminarne i risultati anziché accettarli senza spirito critico. La capacità di individuare un errore o spiegare un procedimento resta una componente essenziale della cultura matematica.
Questa riflessione si collega alle domande suscitate dall’IA in altri ambiti della formazione e del lavoro. Il dibattito su come ridefinire le competenze e il valore del lavoro umano è presente, in particolare, nelle discussioni intorno al valore aggiunto dei professionisti del diritto di fronte all’intelligenza artificiale.
Professioni in trasformazione, non una scomparsa annunciata
La meccanizzazione come termine di paragone
Per fare luce sullo sconvolgimento attuale, Stéphane Mallat accosta l’arrivo dell’IA in matematica ai cambiamenti provocati dalla meccanizzazione dell’agricoltura. L’introduzione di nuove macchine ha modificato profondamente le professioni e gli stili di vita, costringendo alcune persone a riqualificarsi. Questo paragone ricorda che le innovazioni possono trasformare l’occupazione e le competenze richieste, senza per questo rendere inutili tutte le conoscenze di un settore.
I matematici possiedono inoltre competenze trasferibili: astrazione, logica, modellizzazione e analisi di problemi complessi. Possono applicarle a numerosi ambiti, compresi quelli in cui i sistemi di IA vengono sviluppati o valutati. L’evoluzione degli strumenti potrebbe quindi modificare le attività quotidiane, i percorsi di formazione o le prime fasi di una carriera scientifica, senza eliminare la necessità di specialisti in grado di comprendere i fondamenti dei metodi utilizzati.
Le incertezze riguardano tuttavia l’organizzazione della comunità. Il modo di avvicinarsi alla professione, preparare un dottorato o vedere riconosciuto il proprio contributo può cambiare quando gli strumenti automatizzati si fanno carico di alcune attività. Gli istituti di ricerca dovranno in particolare stabilire come distinguere il contributo specifico dei ricercatori, quello dei sistemi e il lavoro collettivo necessario per convalidare i risultati.
Una trasformazione che va oltre i laboratori
Questioni economiche, politiche e ambientali
Il ruolo dell’IA in matematica non può essere separato dalle sue conseguenze più ampie. Lo sviluppo e l’utilizzo di sistemi avanzati richiedono infrastrutture, budget e risorse materiali. Le domande sul loro costo ambientale sono affrontate in questo articolo dedicato alla possibile evoluzione dell’impronta ecologica dell’intelligenza artificiale.
Le scelte tecnologiche influenzano anche le decisioni collettive e la distribuzione del potere. I dibattiti sulla governance di questi strumenti richiamano le riflessioni su come l’IA trasformi le questioni politiche. Per la ricerca matematica, queste questioni portano a interrogarsi sugli attori che sviluppano gli strumenti, sulle condizioni di accesso alle loro capacità e sui principi secondo cui i loro risultati saranno controllati.
Man mano che i sistemi diventano più performanti, la sfida non si limita a stabilire se siano in grado di risolvere un problema. Si tratta anche di decidere quali domande affidare loro, come rendere verificabili i loro procedimenti e quale spazio assegnare all’intuizione, alla spiegazione e alla comprensione. In questa prospettiva, il risultato finale è solo una parte dell’attività matematica: anche il percorso che vi conduce resta oggetto di ricerca e di trasmissione.
