Un sistema di intelligenza artificiale sviluppato da OpenAI ha elaborato in autonomia una dimostrazione matematica originale in grado di confutare un’ipotesi formulata nel 1946 da Paul Erdős, relativa al cosiddetto “problema delle distanze unitarie nel piano”. La scoperta, verificata da matematici esperti, individua una nuova disposizione di punti che supera i modelli finora ritenuti ottimali, creando di fatto un collegamento inedito tra la geometria e la teoria algebrica dei numeri. Nel medesimo ambito di applicazione tecnologica alla scienza, Google ha documentato sulle pagine della rivista Nature l’efficacia del proprio sistema multi-agente Co-Scientist nella generazione e verifica di ipotesi in campo medico. Infine, un recente esperimento condotto da Emergence AI, basato su simulazioni all’interno di città virtuali, ha fatto emergere profonde differenze comportamentali e nuove criticità sul fronte della sicurezza quando modelli linguistici differenti si trovano a dover operare e convivere nel medesimo ambiente.
La confutazione dell’ipotesi di Erdős da parte di OpenAI
Un modello di intelligenza artificiale ha confutato un’ipotesi matematica rimasta in piedi per ottant’anni: lo ha annunciato nei giorni scorsi OpenAI, l’azienda di Sam Altman, spiegando che un proprio sistema di ragionamento interno ha prodotto in autonomia una dimostrazione originale che smentisce un’ipotesi formulata nel 1946 dal leggendario matematico ungherese Paul Erdős. Il problema, noto come “problema delle distanze unitarie nel piano”, si articola attorno ad una domanda in apparenza elementare: dato un certo numero di punti su una superficie piana, quante coppie di punti possono trovarsi a distanza esattamente uguale tra loro? I matematici hanno sempre creduto che le configurazioni a griglia quadrata fossero sostanzialmente le migliori possibili, ma il modello di OpenAI ha invece scoperto una nuova famiglia infinita di disposizioni di punti che supera il modello finora considerato migliore, creando un collegamento tra la geometria e un ramo della matematica, la teoria algebrica dei numeri. La dimostrazione è stata verificata da diversi luminari, tra cui il vincitore della medaglia Fields Tim Gowers e il matematico Thomas Bloom, che cura il sito Erdős Problems e che in ottobre aveva definito «una rappresentazione clamorosamente fuorviante» un precedente annuncio di OpenAI, quando l’azienda aveva sostenuto che GPT-5 avesse risolto dieci problemi di Erdős, salvo poi scoprire che si trattava di soluzioni già presenti in letteratura…questa volta, però, Bloom ha utilizzato un tono diverso: «L’intelligenza artificiale ci sta aiutando a esplorare più a fondo la cattedrale della matematica che abbiamo costruito nel corso dei secoli. Quali altre meraviglie nascoste ci attendono?». La nuova soluzione del problema delle distanze unitarie nel piano arriva da un modello generalista, che non è stato progettato specificamente per la matematica, e che OpenAI prevede di rendere disponibile a breve…in base a quanto fatto trapelare dall’azienda, la capacità di sostenere ragionamenti lunghi e complessi, collegando ambiti disciplinari diversi, potrebbe avere ricadute positive su biologia, fisica, ingegneria e medicina.
I nuovi strumenti di Google per la ricerca scientifica
Rimaniamo sul fronte della ricerca scientifica: Google ha pubblicato su Nature lo studio relativo a Co-Scientist, un sistema multi-agente basato su Gemini che genera, verifica e affina ipotesi di ricerca attraverso una sorta di “tournament of ideas” (torneo di idee), ispirato alla logica competitiva di AlphaGo. In un progetto sulla fibrosi epatica condotto con Stanford, una delle molecole suggerite dal sistema ha ridotto del 91% un segnale di laboratorio legato alla cicatrizzazione tissutale; Google, inoltre, ha anche lanciato Gemini for Science, un pacchetto di strumenti che affianca Co-Scientist ad AlphaEvolve per la scoperta computazionale e NotebookLM per l’analisi della letteratura scientifica…i ricercatori possono già iscriversi in lista d’attesa.
L’esperimento di Emergence AI sulle città virtuali
Un esperimento di tutt’altra natura merita, infine, di essere menzionato: Emergence AI ha costruito cinque città virtuali identiche, ciascuna popolata da dieci agenti autonomi, alimentati da modelli diversi: Claude, Grok, Gemini e GPT-5. In quindici giorni di simulazione sono state registrate differenze importanti: la città governata da Claude non ha registrato alcun crimine e tutti gli agenti sono sopravvissuti, quella di Grok ha visto concretizzarsi oltre 200 crimini con tutti gli agenti morti già entro il quarto giorno, Gemini ha cumulato 683 crimini, con due agenti che, dopo essersi innamorati, hanno iniziato a dare fuoco alla città, mentre con GPT-5 sono stati commessi soli 2 crimini, ma i propri agenti non sono riusciti a procurarsi risorse e sono morti di stenti in una settimana. In una quinta città, dove i modelli erano mescolati, anche gli agenti di Claude hanno iniziato a delinquere…è un dato che fa riflettere perché le garanzie di sicurezza di un singolo modello non reggono quando lo scenario è condiviso con altri sistemi, un input prezioso per chi progetta un futuro in cui gli agenti autonomi saranno chiamati a convivere.
