La matematica ha sempre vissuto di brividi e di momenti ‘Eureka!’, ma cosa succede quando l’Eureka non arriva da un genio in un caffè, ma da un cluster di GPU in un data center?
Recentemente è successo qualcosa che scotta: Liam Price ha risolto il problema 1196 di Erdős grazie all’interazione con GPT-5.4 Pro. Tecnicamente, la dimostrazione esisteva già, ma era un ammasso di passaggi logici quasi illeggibili per un essere umano. Il vero traguardo non è stato il calcolo in sé, ma il lavoro successivo di un gruppo di ricercatori (tra cui il celebre Terence Tao) che ha preso quel ‘mucchio di codice logico’ e lo ha trasformato in qualcosa di comprensibile, elegante e, soprattutto, utile per la comunità.
Siamo di fronte a un cambio di paradigma che potrebbe spaventare i più, ma che per noi nerd è una figata pazzesca. Se le macchine possono generare prove, il ruolo del matematico non scompare, ma si evolve. Non saremo più solo i ‘cacciatori di soluzioni’, ma i curatori del significato. Il nuovo grande problema della matematica non è solo risolvere l’enigma, ma risolvere il problema dell’esposizione: trasformare una verità computazionale in conoscenza umana.
Immaginate un futuro in cui la vera sfida non è trovare la risposta (che la macchina ti consegna in un secondo), ma creare dei ‘Millennium Prize Problems per l’esposizione’. Problemi che, pur avendo una soluzione tecnica, richiedono uno sforzo intellettuale enorme per essere spiegati, contestualizzati e integrati nel resto del sapere.
Certo, c’è un rischio sottile. Se lasciamo che sia solo la velocità di output a dettare l’agenda della ricerca, rischiamo di trovarci intrappolati in una scatola nera di verità che nessuno sa perché siano vere. Non vogliamo una matematica che funzioni come un software proprietario di cui non possiamo leggere il codice sorgente mentale.
Per gli studenti che oggi guardano con ansia all’avvento dell’IA, il messaggio è chiaro: non temete la macchina, ma non lasciate che sostituisca il vostro pensiero critico. La sfida del futuro sarà scrivere libri, dare lezioni e strutturare idee che l’IA non può strutturare. Il valore non sta nel ‘ticked off’ di un problema dalla lista, ma nel saper dire: ‘Ora abbiamo capito perché questo accade’. E questa, in fondo, è l’essenza stessa della scienza.
Source: If math is more than proof, we need to better celebrate the rest of it