In un editoriale pubblicato sul numero 19 di ActuIA, Axel Cypel si interroga sulla capacità dell’intelligenza artificiale di produrre teoria. I recenti contributi dell’IA alla matematica conferiscono a questa domanda una nuova portata: produrre un risultato inedito basta a stabilire che la macchina pensa?
L’autore contrappone due modi di produrre conoscenza. Da un lato, l’apprendimento automatico, che procede per induzione, cioè per generalizzazione a partire da esempi. Dall’altro, la teoria, che può far emergere nuovi concetti. Egli si basa sulle grandi teorie fisiche, dalla meccanica galileiana al modello standard, che non hanno seguito questo metodo. Le onde gravitazionali, previste dalla teoria della relatività generale di Einstein, sono state ricercate solo perché la teoria le annunciava, fa notare, in quella che viene chiamata il metodo ipotetico-deduttivo. Riprende anche l’espressione del fisico Étienne Klein, per il quale il gesto teorico agisce come un «argano ontologico».
Il testo riporta la domanda che gli era stata posta durante la cerimonia di premiazione del Prix Roberval, il 7 dicembre 2024, dove il suo libro Voyage au bout de l’IA è stato designato vincitore nella categoria Grand Public. La sua interlocutrice dichiarava: «in quanto ricercatrice […], sono stata costruita come un’IA». Axel Cypel ricorda, dal canto suo, che l’IA si distingue dal pensiero umano per il modo in cui apprende: un essere umano non ha bisogno di vedere un milione di gatti per riconoscerne uno.
Risultati matematici recenti
Una nota della redazione, datata ottobre 2026, chiarisce la questione alla luce dell’attualità. Il 26 ottobre 2026, OpenAI ha annunciato una confutazione dell’ipotesi del tempo esponenziale, una congettura dell’informatica teorica. Anthropic ha pubblicato dal canto suo un risultato attribuito a un modello di ricerca Claude. Entrambi i laboratori hanno fornito formalizzazioni in Lean, un assistente di dimostrazione, cioè un software che permette di verificare una dimostrazione passo dopo passo. OpenAI ha inoltre organizzato un esame del suo risultato con ricercatori esterni.
Una confutazione di questo tipo si basa sulla costruzione di un algoritmo e sulla dimostrazione delle sue proprietà. Se confermata, costituisce un risultato teorico originale. Google Research ha dal canto suo descritto strutture matematiche scoperte con AlphaEvolve, integrate in dimostrazioni che hanno permesso di stabilire nuovi risultati.
Una dimostrazione non dice tutto della sua origine
Axel Cypel sottolinea che il modello appreso da un’IA non è una copia dei suoi dati di addestramento, ma una sintesi astratta. Il suo utilizzo può produrre un’interpolazione, cioè un punto che non figurava nella base di apprendimento. Resta da sapere se si tratti di una creazione. L’autore ritiene che non esista, a priori, alcuna ragione di escludere che un giorno possa esistere un’IA forte, capace di produrre un processo di pensiero. Giudica invece dubbio che il machine learning possa produrne una.
Una dimostrazione valida stabilisce un risultato, ma non dice, da sola, quale sia la natura del processo che l’ha prodotta. È per questo che l’autore non propone di chiudere il dibattito. Invita piuttosto a usare l’IA per produrre nuove risposte e a «coniugare questa forza con la nostra per trovare, perché no, nuove teorie».
