In questo articolo Indice dei contenuti 2 sezioni
La matematica può restare un’impresa umana nell’epoca dell’intelligenza artificiale? Non è più una domanda da convegno per pochi specialisti, perché i sistemi automatici producono ormai dimostrazioni matematiche con una facilità che fino a poco tempo fa sarebbe sembrata fantascienza. Proprio mentre le macchine sfornano risultati, uno studio firmato da DeepMind sposta il discorso su un piano diverso e decisamente più scomodo, chiedendosi che cosa si perda quando ci si concentra soltanto sulle risposte.
Il punto è sottile ma pesa parecchio. Per secoli una dimostrazione non è servita solo a stabilire che qualcosa fosse vero. È stata anche una strada percorsa, un ragionamento costruito passo dopo passo che altri potevano seguire, smontare, rifare a modo loro. Quando a scriverla è un algoritmo, il risultato finale può essere impeccabile, eppure il cammino che porta fin lì rischia di diventare opaco, quasi un dettaglio trascurabile.
Le dimostrazioni sfornate dalle macchine
Che l’AI sappia cimentarsi con le dimostrazioni ormai non stupisce più nessuno tra gli addetti ai lavori. A colpire sono piuttosto la quantità e la velocità. Un sistema può generare catene logiche lunghissime senza mai stancarsi, controllarle e passare subito al problema successivo. Sulla carta è un vantaggio enorme per la ricerca, perché libera tempo prezioso e consente di esplorare territori che a mano richiederebbero anni di lavoro paziente.
Il fatto è che la disciplina non vive solo di verità certificate. Vive anche di intuizioni, di idee che spuntano mentre si cerca di sciogliere un nodo e che finiscono per aprirne altri dieci. Una dimostrazione scritta da una persona porta con sé questo bagaglio, mostra perché una cosa funziona e non soltanto che funziona. Ed è qui che lo studio di DeepMind mette il dito nella piaga, interrogandosi sul rischio che puntare tutto sull’esito finisca per svuotare la matematica di una parte importante della sua sostanza.
Il valore della comprensione oltre il risultato
La questione sollevata riguarda il rapporto tra risposta e comprensione. Sapere che un teorema è vero è una cosa. Capire perché lo è, riuscire a raccontarlo e a spiegarlo a qualcun altro, è tutt’altra faccenda. Le macchine si stanno dimostrando sempre più efficienti nel primo compito, mentre il secondo appartiene da sempre a chi studia, insegna e discute i problemi con i colleghi davanti a una lavagna piena di formule.
Non si tratta di una presa di posizione contro la tecnologia. Il tema riguarda piuttosto il ruolo che spetta ai matematici quando gli strumenti a disposizione diventano così potenti. Lavorare accanto a un sistema capace di produrre dimostrazioni significa anche domandarsi che cosa conservare del mestiere tradizionale, dalla fatica del ragionamento alla bellezza di un’argomentazione elegante, quella che spesso fa innamorare gli studenti della materia molto più di qualsiasi risultato isolato.
Lo studio di DeepMind nasce proprio da questa tensione. Mentre l’intelligenza artificiale continua a macinare dimostrazioni a ritmo crescente, la ricerca invita a guardare oltre il semplice elenco dei risultati ottenuti e pone una domanda precisa su ciò che la matematica rischia di smarrire quando l’attenzione si concentra esclusivamente sulle risposte finali.
Fonte: TecnoAndroid