In questo articolo Indice dei contenuti 2 sezioni
I problemi matematici risolti dall’intelligenza artificiale di OpenAI sarebbero oltre 100, stando a quanto sostiene l’azienda, e la cifra da sola basta a spiegare perché la notizia abbia fatto rumore. Non tanto per l’entusiasmo, quanto per una questione molto più prosaica che riguarda chi, materialmente, dovrebbe mettersi lì a controllare tutto quel materiale. Perché in matematica una soluzione proposta non è ancora una soluzione. È una candidata.
Funziona così da sempre. Un problema resta aperto per anni, a volte per decenni, e nel frattempo genera tentativi, vicoli ciechi, dimostrazioni parziali. Quando qualcuno annuncia di averlo chiuso, comincia la parte meno spettacolare del lavoro: altri ricercatori leggono riga per riga, cercano il passaggio debole, verificano che i conti tornino davvero e si chiedono se in quella dimostrazione ci sia qualcosa di riutilizzabile altrove. È un processo lento per costruzione, non per pigrizia.
Cosa ha annunciato OpenAI e cosa manca all’appello
L’azienda afferma che un suo modello interno avrebbe risolto più di cento problemi rimasti aperti a lungo, distribuiti su campi diversi della matematica. Tra i risultati resi pubblici compare una proposta di soluzione al problema di Navier–Stokes, quello che descrive il comportamento dei fluidi e che da solo occupa una posizione di rilievo nella storia recente della disciplina.
Il punto delicato arriva subito dopo. Nell’annuncio non è stato pubblicato un elenco completo di dimostrazioni che permetta alla comunità scientifica di considerare ogni singolo risultato verificato. Ci sono i numeri, insomma, ma non tutto il materiale necessario per controllarli uno per uno. E senza quel materiale, la parola “risolto” resta sospesa in una zona grigia: plausibile, magari promettente, comunque non confermata dal solo annuncio.
Il vero collo di bottiglia non è la produzione, è la verifica
Qui si apre la questione che interessa davvero chi lavora nel settore. Se un sistema di intelligenza artificiale può sfornare proposte di dimostrazione a una velocità che nessun gruppo umano riesce a eguagliare, cosa succede al meccanismo di controllo che regge l’intera impalcatura? La comunità matematica non è attrezzata per assorbire cento verifiche complesse in tempi brevi. Ogni controllo serio richiede competenze specifiche, tempo dedicato, spesso il confronto tra più gruppi che lavorano in parallelo.
Il rischio, messo nero su bianco, è che il conteggio finisca per contare più della comprensione. Cioè che si guardi al numero delle risposte prodotte invece che al significato di quelle risposte, a cosa insegnano, a quali strumenti nuovi mettono a disposizione di chi verrà dopo. In matematica una dimostrazione vale anche per il metodo che introduce, non solo per il fatto di chiudere una casella.
C’è poi un aspetto pratico che pesa parecchio. Verificare una dimostrazione lunga e tecnica non è un’operazione che si delega volentieri, e finché i passaggi non vengono esaminati da esperti indipendenti il risultato resta una dichiarazione dell’azienda che lo ha prodotto. Non è un sospetto rivolto a OpenAI in particolare, è la regola del gioco: vale per i laboratori accademici, per i singoli ricercatori, per chiunque proponga qualcosa.
Nel frattempo l’annuncio circola, viene ripreso, entra nel dibattito sulle capacità dei modelli più avanzati. E la domanda che resta sul tavolo riguarda proprio la sproporzione tra quanto velocemente una macchina può generare soluzioni e quanto lentamente gli esseri umani riescono a validarle. Il divario, per ora, non si colma con un comunicato.
Fonte: TecnoAndroid
