Redazione
Se si dispongono n punti su un piano, quante coppie possono trovarsi esattamente alla distanza 1?
Sembra un gioco da fare con carta e matita. In realtà è una delle domande più resistenti della geometria combinatoria: il problema della distanza unitaria planare, posto da Paul Erdős nel 1946 e studiato per quasi ottant’anni da generazioni di matematici.
Ora OpenAI sostiene che un suo modello interno di ragionamento abbia prodotto una svolta: una dimostrazione capace di smentire una congettura di lunga data. Per decenni, infatti, la convinzione prevalente era che le costruzioni migliori dovessero assomigliare a una griglia quadrata, considerate sostanzialmente ottimali per massimizzare il numero di coppie a distanza unitaria. Il modello avrebbe invece trovato una famiglia infinita di esempi in grado di fare meglio, con un miglioramento polinomiale.
La scoperta conta per il risultato, ma anche per il modo in cui è arrivata. La dimostrazione non sarebbe stata generata da un sistema costruito appositamente per quel problema, né da un motore specializzato nella ricerca matematica, ma da un modello di ragionamento a uso generale, testato su una raccolta di problemi di Erdős. La prova è stata poi verificata da un gruppo di matematici esterni, che hanno anche scritto un articolo complementare per spiegare l’argomentazione e il significato del risultato.
Il problema dei puntini che attraversa 80 anni
La forza del problema di Erdős sta nel suo inganno iniziale: sembra un gioco di geometria, ma è una domanda profonda sulla struttura dello spazio e sulle configurazioni possibili. Si può spiegare con un foglio e una matita, eppure ha attraversato generazioni di matematici senza trovare una risposta definitiva. Non a caso era uno dei problemi a cui Erdős teneva di più, tanto da offrire un premio in denaro per chi fosse riuscito a risolverlo.
La congettura oggi incrinata riguardava proprio questo limite: quanto può crescere il numero di coppie a distanza 1 quando aumentano i punti sul piano. Per decenni si è pensato che le griglie fossero quasi imbattibili. Il modello OpenAI ha indicato una famiglia di configurazioni capace di superarle; un successivo lavoro del matematico Will Sawin, dell’Università di Princeton, ha poi precisato matematicamente l’entità di questo miglioramento.
Fuori dalla matematica può sembrare uno scarto minimo. Dentro una congettura aperta da quasi ottant’anni, è un cambio di mappa. Significa che una strada ritenuta quasi inevitabile non era l’unica, che le griglie non erano il limite ultimo e che in un problema guardato da generazioni esisteva ancora una forma nascosta.
La ricerca diventa ibrida
Il punto più rilevante, però, non è l’immagine facile della macchina che “batte” il matematico. È il contrario: questa storia mostra quanto la scoperta scientifica possa diventare ibrida.
Il modello ha prodotto una dimostrazione. I matematici l’hanno verificata, discussa, rielaborata, collocata nel suo contesto. La macchina ha indicato una traiettoria; la comunità scientifica ha stabilito se quella traiettoria reggeva.
E ciò che colpisce è anche la natura della soluzione. La dimostrazione porta dentro un problema geometrico elementare strumenti sofisticati della teoria algebrica dei numeri: campi numerici, torri di campi di classi, criteri di Golod-Shafarevich. In apparenza, territori lontanissimi dai puntini su un piano. Eppure, proprio da lì arriva il salto.
Per questo il caso è stato accolto come qualcosa di più di una curiosità tecnologica. Tim Gowers, medaglia Fields, ha definito il risultato “una pietra miliare nella matematica dell’A”. Arul iShankar, teorico dei numeri, ha scritto che i modelli attuali sembrano andare oltre il ruolo di semplici assistenti dei matematici: possono avere idee originali e ingegnose, e portarle avanti.
La cautela resta necessaria. In matematica non basta produrre un testo convincente: una dimostrazione deve reggere dall’inizio alla fine. Proprio per questo, però, il caso è interessante. Perché la matematica è uno dei banchi di prova più severi per il ragionamento artificiale: le domande sono precise, le risposte verificabili, gli errori non si nascondono dietro l’ambiguità.
Il problema di Erdős non racconta la fine della ricerca umana. Racconta l’inizio di una fase diversa. L’intelligenza artificiale non serve solo a riassumere, scrivere, calcolare o ordinare ciò che già sappiamo. In alcuni casi può suggerire dove cercare ciò che ancora non sappiamo.
Ed è qui che la vicenda supera la geometria combinatoria. Se un modello riesce a collegare campi lontani e a produrre un’idea verificabile su un problema aperto da ottant’anni, la domanda riguarda anche la fisica, la biologia, i materiali, la medicina, il clima. Tutti i luoghi in cui la ricerca avanza quando qualcuno vede un legame che prima non si vedeva. Questa volta quel “qualcuno” potrebbe essere anche una macchina.
