Tempo medio di lettura: 11 minuti

All’orecchio di Studiolevi è arrivata una domanda stimolante, nata non tanto dalla solita e inflazionata ansia da “sostituzione tecnologica”, quanto dal desiderio di fare chiarezza su uno dei dibattiti più complessi e discussi degli ultimi giorni. Parliamo dello scontro scientifico e industriale che sta agitando i laboratori della Silicon Valley e le facoltà di matematica di mezzo mondo: la presunta dimostrazione della non-regolarità delle equazioni di Navier-Stokes da parte di OpenAI, condita da feroci accuse di plagio e “sottrazione di dati” ai danni di due ricercatori in carne e ossa.

Il lettore ci chiede un’opinione lucida e distaccata su questo ennesimo traguardo e sulle polemiche che ne sono scaturite. I fatti, privati dei filtri degli uffici marketing aziendali, vedono due matematici — Tristan Buckmaster (docente alla NYU) e Levent Alpöge (ricercatore presso la scuderia concorrente Anthropic) — lavorare da tempo sulla formazione di singolarità nelle equazioni di Eulero, utilizzando anche la piattaforma Codex di OpenAI. All’inizio di settembre, OpenAI ha sguinzagliato un’architettura di 10.000 agenti IA coordinati che, in sole 88 ore di calcolo stocastico intensivo, ha annunciato di aver tagliato il traguardo sul ben più complesso problema di Navier-Stokes in tre dimensioni, uno dei sette Problemi del Millennio del Clay Mathematics Institute.

I ricercatori hanno sollevato il forte sospetto che le loro sessioni di lavoro private su Codex siano state usate come “imbeccata” o addestramento per i modelli di OpenAI. L’azienda di Sam Altman ha smentito l’accesso diretto ai dati privati, ammettendo però candidamente di aver focalizzato la propria infrastruttura sul problema solo dopo aver intercettato i rumors sui progressi commerciali e accademici dei rivali legati ad Anthropic.

Davanti a questo scenario, la posizione di Studio Levi è netta: non c’è nulla di intrinsecamente male se uno strumento a silicio accelera la nostra esplorazione logica e arriva a soluzioni dove l’uomo sbatte la testa da anni. Il vero nodo del dibattito è un altro: il rischio che l’umanità decida di abdicare al metodo scientifico, confondendo l’output probabilistico di un algoritmo con la validazione di una Teoria.

Prendetevi dieci minuti di tempo. Ricostruiamo il racconto logico di come nasce la conoscenza, ristabiliamo le gerarchie del pensiero scientifico e analizziamo cosa c’è davvero in gioco in questa sfida tra colossi del tech e scienziati.

Il racconto logico della conoscenza: il fossato invalicabile tra Ipotesi e Teoria

Per comprendere la natura profonda di questo dibattito, occorre fare un passo indietro e ripulire il campo dal frullatore semantico dei social media, dove ogni opinione viene elevata al rango di tesi. Nel metodo scientifico, il cammino che porta alla verità non è una linea piatta, ma una scala gerarchica rigida e militare. Un’ipotesi non è una teoria. E nessuna delle due è un’opinione.
Quando sentite qualcuno esordire al bar dicendo “secondo me la Terra è piatta, questa è la mia teoria”, o “secondo me gli alieni hanno costruito i monumenti antichi, è la mia ipotesi”, state assistendo al collasso del rigore concettuale. Nel mondo reale, la distinzione tra questi termini è un fossato logico invalicabile:

  1. L’Ipotesi (o la Congettura, in matematica): l’ipotesi è il punto di partenza del viaggio scientifico. Non è un’intuizione estemporanea o una scommessa astratta. È una proposizione rigorosa, formulata in un linguaggio formale o matematico, che si muove in perfetta coerenza con le evidenze precedenti. Ma la sua caratteristica vitale — che nasce intrinsecamente con il concetto stesso di sperimentazione ben prima delle moderne codifiche filosofiche — è la falsificabilità. Un’ipotesi è scientifica solo se definisce chiaramente i criteri logici o empirici attraverso i quali può essere smentita. L’atto del fare scienza richiede, per sua stessa natura, di mettere alla prova un’idea esponendola al rischio di essere smentita dai fatti. Dire “gli alieni esistono” non è un’ipotesi scientifica, perché non fornisce un protocollo formale o sperimentale per dimostrare il contrario.
    Nel nostro caso specifico, l’ipotesi della non-regolarità delle equazioni di Navier-Stokes (ovvero l’idea che un fluido tridimensionale possa sviluppare una singolarità in cui la velocità tende all’infinito in un tempo finito, il cosiddetto blow-up) era già sul tavolo dei matematici da un secolo. Era un’ipotesi solida, una congettura millenaria, ma pur sempre un’ipotesi.
  2. Il Teorema (o la Teoria, nelle scienze empiriche): la Teoria — o il Teorema dimostrato — è il punto d’arrivo, la destinazione finale del viaggio. È un sistema blindato, un quadro coerente di leggi e modelli che ha superato indenne ogni singolo, spietato tentativo di demolizione logica, deduttiva o sperimentale. La Relatività Generale di Einstein è una teoria perché ha resistito a decenni di test empirici; un teorema matematico è tale solo quando la catena dei passaggi assiomatici non presenta alcuna fessura logica.

E l’intelligenza artificiale di OpenAI in quale punto di questo racconto si colloca?

I 10.000 agenti artificiali di OpenAI non hanno formulato una nuova ipotesi, né hanno inventato una fisica alternativa. Hanno preso l’ipotesi preesistente della non-regolarità e hanno tentato di produrre la catena deduttiva atta a trasformare quella congettura in un teorema comprovato. Ciò che le macchine hanno sfornato in 88 ore non è una verità rivelata da accettare per fede, ma un faldone digitale iper-complesso di passaggi combinatori.

Finché la comunità dei matematici in carne ed ossa non lo avrà fatto a pezzi, analizzato riga per riga e rimontato, quel faldone rimane un enorme, affascinante e costosissimo “forse”. Il metodo scientifico non si applica solo all’intuizione iniziale, ma esige che il cammino per arrivare alla teoria sia trasparente, riproducibile e validato dall’intelletto umano.

Lo strumento non è l’arbitro: i teoremi non si votano per acclamazione

L’Intelligenza Artificiale, in questa prospettiva, è un’estensione delle nostre capacità cognitive, un microscopio più evoluto, non un’entità dotata di giudizio assiomatico autonomo. Quando Galileo Galilei puntò il telescopio verso i satelliti di Giove, la comunità scientifica non si inginocchiò davanti al tubo di vetro e metallo: ne verificò le leggi dell’ottica, replicò l’osservazione e ne integrò i dati nel modello cosmologico. Che la mappa logica per arrivare a un teorema sia stata tracciata da una mente biologica o dalle connessioni pesate di un cluster di GPU, lo statuto della verità matematica non cambia di un millimetro.

Il vero pericolo contemporaneo risiede nell’accettazione passiva per principio di autorità tecnologica. Il rischio latente è che l’opinione pubblica consideri valida una pietra miliare della scienza solo perché protetta dal brand del momento o perché “verificata da un software”.

OpenAI ha sbandierato il fatto che il testo della prova sia stato formalizzato in codice leggibile da Lean, un assistente interattivo alla dimostrazione di teoremi, che ne ha verificato la coerenza logica elementare in 17 ore. Ma la formalizzazione in Lean assicura esclusivamente che non vi siano errori di sintassi assiomatica; non garantisce la significatività concettuale, l’assenza di assunzioni tautologiche nascoste o la reale applicabilità fisica del modello.

L’ultima parola spetta inderogabilmente alla peer review umana. I matematici devono decifrare l’architettura di quella dimostrazione, comprenderne la strategia globale e convalidarne la semantica. Il cammino della scienza non ammette scorciatoie fideistiche basate sul numero di server impiegati o sui comunicati stampa di un’azienda.

Il vero nucleo della preoccupazione: l’oracolo stocastico e l’abdicazione della conoscenza

C’è un’ulteriore riflessione, ancora più profonda, che questo dibattito solleva e su cui la comunità scientifica internazionale non può permettersi di transigere. Quando l’IA ottiene questi successi apparenti, balza agli occhi un fenomeno strutturale e inquietante: nel suo processo stocastico e probabilistico, l’IA compie passaggi e giunge a conclusioni che gli stessi creatori del codice non sanno prevedere, né spiegare a priori.

È precisamente qui che risiede il vero nucleo della questione, l’autentico snodo filosofico del nostro secolo. I modelli di ragionamento avanzati e i Large Language Models non operano secondo una logica deterministica lineare scritta riga per riga da un programmatore. Operano su base statistica, ottimizzando pesi computazionali all’interno di uno spazio vettoriale a miliardi di dimensioni. Quando questi sistemi generano un output inatteso, i tecnocrati della Silicon Valley tendono a gridare al “miracolo” dell’emergenza cognitiva.

Miracoli, però, l’IA non ne fa. Sotto la scocca dei server non ci sono fantasmi o divinità. Se l’algoritmo trova una scorciatoia logica che a noi sfugge, significa semplicemente che ha mappato una regolarità matematica o una combinazione formale elementare che la nostra limitata memoria di lavoro biologica non riusciva a visualizzare contemporaneamente. Accettare il risultato finale rinunciando a comprendere il processo che lo ha generato significa abdicare al metodo scientifico.

La scienza non si accontenta di sapere che una cosa funziona; la scienza esige strutturalmente di sapere perché. Se la comunità dei matematici si limitasse a incassare il teorema di Navier-Stokes come un output corretto emesso da una scatola nera, trasformerebbe la matematica in una cabala e i server in oracoli. Accettare la cecità del processo stocastico in cambio dell’utilità del risultato significa regredire a una fase pre-illuministica, dove l’algoritmo prende il posto dello sciamano e la GPU diventa il nuovo oggetto di culto da adorare per grazia ricevuta. Non capire i passaggi inattesi dell’IA non è un’opzione accettabile: è un deficit conoscitivo che va colmato con l’analisi sistemica del codice e della logica emergente.

Il grande circo della Valley: liti da bambini per la proprietà di un “forse”

A coronamento di questo scenario surreale, c’è un dettaglio che smaschera definitivamente la natura puramente commerciale di questo scontro e che non ha assolutamente nulla a che fare con lo spirito della ricerca scientifica.
Ci riferiamo al teatrino delle rivendicazioni incrociate: questa fretta isterica di trascinarsi nei tribunali o di scatenare faide su X per stabilire chi abbia “preso” le idee da chi.

Pensiamoci bene: stiamo assistendo a corporazioni multimiliardarie e accademici che si accapigliano per la paternità di una dimostrazione che non è stata ancora sottoposta a nessuna peer review seria. Nel mondo della scienza vera, prima si verifica se una scoperta è reale ed esatta, e solo dopo si discute su chi debba prendersi il merito o intascare le royalty. Qui sta succedendo il contrario: si litiga furiosamente per la proprietà intellettuale di un oggetto di cui ignoriamo ancora la validità logica.

Sembra la classica lite tra bambini che si contendono il possesso di un giocattolo prima ancora di aver capito se funziona o se è rotto. Questa smania da “primo arrivato” risponde alle leggi del marketing, del posizionamento azionario e dei finanziamenti di Venture Capital, ma calpesta brutalmente il decoro e i tempi della validazione scientifica.

In conclusione: la scienza non fa sconti al marketing

Il metodo scientifico è intrinsecamente democratico, spietato e laico: non fa sconti a nessuno. Non ne ha fatti a Isaac Newton, non ne ha fatti ad Albert Einstein, e non ne farà certamente a Sam Altman o alle capitalizzazioni di borsa di OpenAI. Se i passaggi logici generati dagli agenti artificiali conterranno anche un solo minuscolo errore di consistenza o una fallacia strutturale mascherata da ridondanza, l’intera dimostrazione crollerà come un castello di carte, indipendentemente da quanti milioni di dollari di computazione siano stati bruciati per produrla.

Se l’IA ha davvero chiuso la partita su Navier-Stokes, l’umanità intera ha a disposizione uno strumento eccezionale per comprendere la fluidodinamica profonda: avremo modelli meteorologici migliori, simulazioni climatiche accurate e una matematica più ricca. Ma la vera vittoria scientifica non sarà l’output stampato dal server, bensì l’atto intellettuale umano di decodificare, assimilare e fare propria quella logica.

Qui su Studiolevi, come i nostri lettori sanno bene, preferiamo di gran lunga l’algebra ai miracoli e al circo mediatico. E continueremo a fare le pulci ai robot e ai loro creatori, riga per riga, esigendo che la scatola nera venga aperta e spiegata secondo le regole dell’unica vera bussola che possediamo: il metodo scientifico.