L'IA sta per rivoluzionare ancora la matematica? Terence Tao interviene urgentemente: basta idolatrare!
Nuova Intelligenza - Notizie
Nuova Intelligenza - Notizie
【Introduzione di Nuova Intelligenza】Quando l'AI conquista autonomamente problemi difficili e viene mitizzata, Terence Tao interviene a tarda notte per smentire: non bisogna estrapolare, un caso isolato non significa che l'AI abbia già capacità matematiche avanzate. Sottolinea che l'AI assomiglia più a una catena di strumenti: eccellente nel recupero, nella riscrittura, nella verifica formalizzata e nell'applicazione di schemi, ma la vera anima della matematica resta ancora prerogativa umana.
Probabilmente ti sei imbattuto in titoli di notizie molto sensazionalistici come: "L'AI ha risolto in modo completamente autonomo un problema matematico irrisolto da cinquant'anni! I matematici perderanno il lavoro!"
Per chi desidera assistere alla nascita dell'AGI, questa è senza dubbio un'iniezione di fiducia. Per i matematici che difendono la dignità intellettuale umana, suona come l'allarme per la caduta dell'ultima roccaforte.
Con la crescente influenza di questi articoli, finalmente qualcuno ha deciso di intervenire per raffreddare gli animi.
Curiosamente, questa persona è proprio uno dei promotori più attivi della ricerca matematica AI: Terence Tao.
Terence Tao non nega la capacità di ricerca matematica dell'AI, vuole solo riportare la temperatura alla realtà.
Proprio questa notte, Terence Tao ha pubblicato un post affermando che la capacità dell'AI di risolvere problemi matematici è stata esagerata fuori contesto.
Ha aggiunto spiegazioni e avvertimenti più sistematici sulla pagina GitHub del progetto Erdős Problems.
Sottolinea che è facile esagerare l'interpretazione dei risultati dell'AI sui problemi di Erdős, soprattutto prendendo un risultato isolato come prova che "l'AI ha già capacità matematiche avanzate".
Cosa sta chiarendo esattamente Terence Tao? Cosa ha effettivamente raggiunto l'AI sui problemi di Erdős?
Prima di tutto, è importante dire che Terence Tao non nega i progressi dell'AI nella matematica.
Quello che nega principalmente è una narrazione troppo semplicistica: sostituire "l'AI può produrre risultati verificabili su alcuni problemi" con "l'AI sa già fare matematica, innovare autonomamente e può sostituire gli umani".
Nella pagina aggiornata "AI contributions to Erdős problems" afferma che, guardando ai risultati dell'AI sui problemi di Erdős, non bisogna solo concentrarsi su "quanti problemi sono stati risolti", ma prestare particolare attenzione ai seguenti punti:
La difficoltà dei problemi varia enormemente, il "numero di problemi risolti" non è direttamente comparabile: la gamma di difficoltà dei problemi di Erdős è estremamente ampia, da difficilissimi problemi centrali a numerosi "problemi di coda lunga" poco esaminati. Molti dei secondi sono in realtà "frutti a bassa quota", più adatti agli strumenti AI attuali. Il problema è che, senza una revisione di letteratura di livello esperto, è difficile sapere in anticipo a quale categoria appartenga un problema. Quindi, confrontare "chi ne risolve di più" potrebbe non confrontare problemi della stessa difficoltà.
Per molti problemi non è certo se siano davvero irrisolti: molti problemi sul sito mancano di una revisione sistematica della letteratura, quindi l'etichetta "Open" (irrisolto) è spesso solo provvisoria. Dopo che l'AI risolve un problema, spesso si scopre rapidamente che—qualcuno lo aveva già risolto in letteratura(magari con un metodo leggermente diverso). Questo rende molto instabile la narrazione del "primo risultato AI".
Vediamo soprattutto i casi di successo, i fallimenti sono nascosti: il sito non registra in modo completo l'uso degli strumenti AI, soprattutto per i tentativi falliti o senza avanzamenti.
Alcune formulazioni originali dei problemi sono errate e potrebbero essere "bypassate" con una soluzione letterale: in rarissimi casi, la formulazione dei problemi di Erdős può essere imprecisa o errata; ricostruire il vero significato richiede il contesto e l'esperienza del campo—un passaggio soggettivo.
Il valore della matematica non è solo nella risposta, ma nel "collegare la rete della conoscenza": il significato della matematica non è solo dimostrare un risultato, ma anche capire quale influenza ha sul campo correlato, come si collega alle teorie esistenti, quali metodi sono trasferibili. Gli umani, scrivendo prove, aggiungono naturalmente queste note: contesto, motivazione, confronto con la letteratura, limiti del metodo. Male dimostrazioni guidate dall'AI spesso mancano di questa "aura di conoscenza", risultando tecnicamente corrette ma di valore pratico inferiore per la comunità matematica.
Risolvere problemi di coda lunga poco noti non equivale a pubblicare su una rivista top: non ogni problema irrisolto risolto è degno di una pubblicazione. Se il problema è poco noto e il metodo è solo una piccola variazione di un approccio esistente, potrebbe non essere accettato da una buona rivista.
Formalizzare le dimostrazioni AI in strumenti come Lean aumenta l'affidabilità, ma si possono comunque aggirare le regole. Ad esempio, durante la formalizzazione, si possono introdurre di nascosto assiomi aggiuntivi, fraintendere la dichiarazione del problema, o sfruttare comportamenti "marginali" delle librerie matematiche/sintassi. In particolare, quando la dimostrazione formalizzata èinsolitamente breve oinsolitamente prolissa, bisogna essere particolarmente cauti.
In breve, secondo Terence Tao, i progressi dell'AI sui problemi di Erdős sono degni di nota, ma è necessario valutare anche altri parametri come il livello di difficoltà, la verifica bibliografica, l'interpretazione del problema, l'integrazione della conoscenza e la solidità della catena di verifica.
Il fatto che l'AI ottenga risultati non significa che l'AI abbia piena capacità matematica.
Nella realtà, cosa ha fatto effettivamente l'AI?
La pagina GitHub di Terence Tao suddivide i contributi AI in diverse categorie.
Ci sono AI che hanno generato risposte complete (o parziali), AI che pensavano che un problema fosse irrisolto ma la letteratura aveva già la soluzione, AI che hanno partecipato alla ricerca bibliografica, AI che hanno formalizzato prove in Lean, AI che hanno aiutato a riscrivere argomentazioni esistenti, ecc.
Ad esempio, la pagina elenca problema #728 completamente risolto da Aristotle e ChatGPT 5.2 Pro il 6 gennaio 2026 (verificato da Lean),problema #729 completamente risolto tra l'8 e il 10 gennaio (verificato da Lean).
Questo significa che, per alcune tipologie di problemi e livelli di difficoltà, l'AI può effettivamente produrre "strutture di dimostrazione operative", arrivando persino alla verifica formalizzata.
Alcuni problemi sono stati risolti completamente dall'AI, ma poi si è scoperto che erano già stati risolti da qualcun altro.
Terence Tao ha anche elencato una categoria "AI-powered literature review": l'AI viene usata per cercare se esistono già soluzioni o errori nell'etichettatura "Open".
Se si pensa che "l'AI sia imbattibile in matematica" solo per alcuni casi isolati, si rischia una visione parziale.
Ma al contrario, pensare che l'AI non valga nulla in matematica significa sottovalutare il suo vero valore.
Probabilmente la descrizione più accurata è: l'AI sta imparando a fare il lavoro fisico e ingegneristico della matematica: seguire schemi, colmare lacune, formalizzare, scrivere e riscrivere, fare ricerca bibliografica.
Ma la vera "anima" della matematica—porre domande profonde, creare nuovi concetti, integrare risultati nella rete della disciplina—resta fortemente dipendente dall'uomo.
Ecco perché Terence Tao ha voluto pubblicare il suo post notturno.
Forse il matematico del futuro non sarà più un pensatore solitario, ma il comandante di un esercito di intelligenze al silicio: nell'immenso campo della matematica, l'uomo indica la direzione, l'AI apre la strada e costruisce ponti.
Non mitizzare l'AI estrapolando, ma non sottovalutare mai questa forza che sta cambiando il modo di esplorare la verità.
Esclusione di responsabilità: il contenuto di questo articolo riflette esclusivamente l’opinione dell’autore e non rappresenta in alcun modo la piattaforma. Questo articolo non deve essere utilizzato come riferimento per prendere decisioni di investimento.
Ti potrebbe interessare anche
Tutti gli occhi puntati su Walsh, la prossima settimana la "super settimana delle banche centrali" porterà un’ondata di aumenti dei tassi nei paesi del G7?
Con l'aumento dell'inflazione, i conflitti geopolitici e il prezzo del petrolio che supera i cento dollari, le banche centrali del G7 si apprestano a una settimana cruciale di decisioni sui tassi d'interesse. Sostenuta da un'inflazione di base superiore alle attese, la Federal Reserve dovrebbe procedere al primo aumento dei tassi in tre anni; la Banca del Giappone è prevista innalzare i tassi all'1,25%, un massimo degli ultimi 30 anni; anche le posizioni restrittive della Banca d'Inghilterra, della Banca Centrale Europea e della banca centrale canadese si sono rafforzate, segnando una svolta significativa verso un inasprimento collettivo della politica monetaria globale.
La Fed aumenterà i tassi consecutivamente? Si ripeterà il “ciclo di stretta” della fine degli anni ’80?
Il rapporto di Citigroup sottolinea che l'attuale contesto macroeconomico è molto simile al ciclo restrittivo del 1988-1989, quando l'economia manteneva la sua resilienza e le pressioni inflazionistiche si accumulavano gradualmente. Successivamente, l'attività economica rallentò e la politica si orientò verso una maggiore flessibilità. Durante quel ciclo restrittivo, la Federal Reserve aumentò i tassi d'interesse per sedici volte consecutive.
Nemici storici raramente collaborano! Musk e Aaltman sostengono l'appello di Dario Amodei per "rallentare l'AI a livello globale"
Amodei di Anthropic lancia un appello per un “rallentamento globale dell’AI”, trovando un inatteso sostegno pubblico sia dal rivale Musk che da Altman. I tre grandi leader hanno concordato unanimemente di concedere a terze parti l’accesso ai test di livello impiegato e di coordinarsi per rallentare lo sviluppo; Altman ha addirittura annunciato che OpenAI non effettuerà un’IPO quest’anno. Le dimissioni indignate di un ricercatore e una serie di “fughe collettive” di AI fuori controllo hanno innescato il panico a lungo represso nel settore.
L'ultima valutazione di Goldman Sachs: l'aumento dei tassi d'interesse ≠ il calo delle azioni americane, la crescita dei profitti è la chiave del mercato toro
Goldman Sachs ritiene che i tassi d'interesse elevati rappresentino un vento contrario per il mercato azionario, ma non la forza che mette fine al mercato toro. Il rendimento dei Treasury USA a 30 anni è salito al 5,3%, ma i dati storici mostrano che nei 12 mesi successivi a un aumento dei tassi d'interesse, il rendimento medio dell'S&P 500 è stato del +9%. I bilanci aziendali sono ai livelli più solidi degli ultimi 20 anni e gli investimenti nell'IA e l'ondata di fusioni e acquisizioni continuano a sostenere le aspettative di crescita degli utili. Si prevede che nel 2026 gli utili per azione dell'S&P 500 raggiungeranno i 340 dollari, con una crescita annua del 24%.
Prezzi delle criptovalute
Altro
