Nell’intervista del 12 settembre 2026, Steven Strogatz ha descritto come l’IA cambia la comprensione delle prove e l’identità professionale dei matematici. Il 13 settembre 2026 l’intelligenza artificiale ha già prodotto due risultati matematici molto diversi: OpenAI ha presentato una rivendicazione su una singolarità in tempo finito nelle equazioni di Navier–Stokes, ancora non verificata indipendentemente, mentre Anthropic ha riferito che Claude ha formalizzato una prova esistente dell’ultimo teorema di Fermat. La novità più profonda, però, riguarda il ruolo dei matematici: non soltanto calcolare, ma capire che cosa è stato dimostrato e perché conta.
Due risultati diversi sotto la stessa etichetta
Chiamare tutto «scoperta matematica dell’IA» confonde almeno tre passaggi distinti: proporre una nuova costruzione, trasformare una dimostrazione già nota in codice controllabile e ottenere l’accettazione della comunità matematica.
| Progetto | Obiettivo matematico | Situazione al 13 settembre 2026 | Che cosa devono valutare gli esperti | Ruolo umano in discussione |
| OpenAI e Navier–Stokes | Rivendicazione di una singolarità in tempo finito per equazioni forzate, tridimensionali e incomprimibili | Risultato presentato da OpenAI, non verificato indipendentemente | Se la costruzione riguarda davvero il problema corretto e resiste all’esame matematico | Comprendere la costruzione, controllarne la portata e valutarne il significato |
| Anthropic e Claude | Formalizzazione in Lean di una prova già esistente dell’ultimo teorema di Fermat | Formalizzazione di matematica già nota, non nuovo teorema | Se il codice rappresenta fedelmente la prova e le sue ipotesi | Tradurre, interpretare e contestualizzare una dimostrazione resa verificabile dal computer |
La differenza è sostanziale: nel primo caso è in gioco una possibile nuova costruzione, mentre nel secondo il risultato riguarda la formalizzazione di matematica già stabilita.
La tesi di OpenAI su Navier–Stokes
L’8 settembre 2026 OpenAI ha dichiarato che i propri sistemi di IA avevano prodotto una dimostrazione analitica e una formalizzazione in Lean relativa a una singolarità in tempo finito nelle equazioni di Navier–Stokes forzate, tridimensionali e incomprimibili, con energia finita. In termini semplici, la rivendicazione riguarda una situazione in cui la velocità del fluido divergerebbe in un tempo finito alle condizioni indicate.
Questo non significa che il problema del Millennium Prize sia stato risolto in senso matematico accettato. La rivendicazione deve ancora superare l’esame indipendente e il percorso di accettazione previsto per quel problema. Anche una formalizzazione controllata da Lean non trasforma automaticamente l’annuncio di un’azienda in un teorema riconosciuto.
OpenAI ha inoltre dichiarato il 10 settembre che i prompt di Tristan Buckmaster dei due mesi precedenti non avrebbero potuto influenzare il sistema, nemmeno attraverso l’addestramento. È una posizione dell’azienda sul proprio processo; non risolve da sola la questione più ampia di priorità e riconoscimento tra i ricercatori coinvolti.
Che cosa ha fatto Claude con Fermat
Il 4 settembre 2026 Anthropic ha riferito che agenti basati su Claude avevano formalizzato in Lean una prova esistente dell’ultimo teorema di Fermat. Il progetto ha coinvolto circa 30.300 teoremi intermedi, dei quali circa 29.500 sono stati utilizzati nella dimostrazione finale, secondo la descrizione dell’azienda.
Claude, quindi, non ha scoperto l’ultimo teorema di Fermat. La dimostrazione matematica era già associata al lavoro umano di Andrew Wiles e Richard Taylor; l’obiettivo era ricostruirla in un linguaggio formale, così da permettere al sistema di controllo di esaminarne i passaggi secondo le regole codificate.
È un risultato importante per la formalizzazione, ma non appartiene alla stessa categoria della rivendicazione di OpenAI. Un archivio digitale estremamente dettagliato di una prova non equivale alla scoperta della proposizione dimostrata.
I limiti della verifica con Lean
Lean è un assistente per dimostrazioni: controlla che i passaggi formalizzati seguano dalle definizioni, dagli assiomi e dalle ipotesi inseriti nel sistema. Questo riduce il rischio di errori nei passaggi che il codice rappresenta.
Il controllo ha però un perimetro preciso. Non stabilisce da solo che:
- il problema formalizzato sia esattamente quello che i matematici intendevano risolvere;
- le ipotesi codificate descrivano la situazione corretta;
- gli esperti comprendano già l’idea centrale della dimostrazione;
- la comunità matematica abbia accettato il risultato.
È qui che torna decisiva la differenza tra controllare una sequenza di passaggi e capire una dimostrazione. Il primo compito può essere delegato in larga misura a un sistema formale; il secondo richiede ancora interpretazione, contesto e giudizio.
Il lavoro dei matematici nell’era dell’IA
Steven Strogatz ha definito questo lavoro umano «digestione delle dimostrazioni»: spiegare un argomento in termini che le persone possano comprendere e apprezzare. Nella sua lettura, gli esperti restano oggi indispensabili per interpretare le prove generate dalle macchine e stabilire quale sia il loro valore matematico.
Strogatz vede però anche un lato inquietante. Ha descritto la matematica pura come una disciplina che l’IA può rivoluzionare o devastare, a seconda del punto di vista, e ha sostenuto che in futuro sarà difficile competere nella ricerca di frontiera senza l’aiuto dell’IA.
Alex Townsend ha espresso una preoccupazione ancora più personale. Dopo 15 anni dedicati alla ricerca matematica, ha detto di sentirsi minacciato dalla possibilità che un sistema superi il livello che considerava il proprio apice professionale. Allo stesso tempo, ha descritto l’IA come uno strumento capace di rendere affrontabili problemi di ricerca prima troppo difficili.
Le due osservazioni non si contraddicono: uno strumento può ampliare ciò che un matematico riesce a fare e, nello stesso momento, mettere in discussione il valore attribuito alla sua competenza.
La disputa su priorità e riconoscimento
Le vicende che hanno coinvolto Tristan Buckmaster e Levent Alpöge hanno aggiunto una questione delicata: quando un sistema di IA produce un risultato vicino al lavoro di ricercatori umani, chi deve ricevere il riconoscimento e come si ricostruisce la priorità?
Le accuse e le risposte riportate sulla vicenda restano contestate. Non è quindi possibile presentare come fatto accertato né un accesso improprio al lavoro privato né una priorità definitiva di una delle parti. La domanda, tuttavia, non sparisce: la ricerca assistita dall’IA rende più urgente documentare contributi, tempi, idee e responsabilità.
Il prossimo banco di prova è capire la dimostrazione
Per il lettore, la regola pratica è semplice: non basta chiedersi se un’IA abbia prodotto molto codice o molti teoremi intermedi. Bisogna distinguere che cosa è stato proposto, che cosa è stato formalizzato e che cosa è stato accettato.
Nel caso di OpenAI, la rivendicazione su Navier–Stokes resta un risultato annunciato dall’azienda e non una soluzione indipendentemente accettata. Nel caso di Anthropic, Claude ha formalizzato una prova esistente dell’ultimo teorema di Fermat, senza scoprire il teorema. In entrambi i casi, il passaggio decisivo resta umano: ricostruire il significato della dimostrazione, valutarne la portata e decidere quale contributo rappresenti davvero.
La matematica può quindi accelerare grazie all’IA senza smettere di aver bisogno dei matematici. Almeno per ora, la macchina può spingere più lontano la frontiera; qualcuno deve ancora spiegare dove si trova.
