IA · 28 ottobre 2026 · 4 min di lettura

Dall'informatica teorica alla fisica: le scoperte dell'IA aprono lo scontro tra laboratori e accademia

In sintesi: OpenAI ha presentato tre presunti progressi epocali in matematica, informatica teorica e fisica, tra cui la confutazione dell'ipotesi del tempo esponenziale (ETH), seguita a stretto giro da una controrisposta analoga di Anthropic. Per contenere le critiche dopo le recenti ondate di preprint non verificati, il laboratorio di San Francisco ha reclutato illustri scienziati per accompagnare i risultati. La mossa, tuttavia, ha riacceso le tensioni con il mondo accademico, che accusa le Big Tech di privatizzare il metodo scientifico e chiede standard di verifica aperti basati sul codice formale.

di Team Mocchi's

A meno di un mese dalla controversa pubblicazione di centinaia di preprint matematici generati automaticamente, la corsa all'avanzamento scientifico mediato dall'intelligenza artificiale ha registrato una nuova accelerazione. OpenAI ha annunciato di aver raggiunto tre importanti scoperte teoriche: la risoluzione parziale di problemi legati alle equazioni d'onda euclidee e alla congettura di Kakeya, una dimostrazione di esistenza per teorie quantistiche di campo interagenti in quattro dimensioni e, soprattutto, la confutazione della Exponential Time Hypothesis (ETH), un cardine dell'informatica teorica formulato nel 1999.

La risposta della concorrenza non si è fatta attendere: poche ore dopo l'annuncio, Anthropic ha prima contestato l'originalità del lavoro di OpenAI per voce del matematico Levent Alpöge e ha poi rilasciato una propria soluzione concorrente che dichiara a sua volta superata la congettura ETH.

Il nodo della complessità computazionale

Al centro del confronto vi è proprio l'ipotesi del tempo esponenziale. Proposta originariamente da Russell Impagliazzo e Ramamohan Paturi, la teoria postula che problemi computazionali fondamentali, come il soddisfacimento booleano a 3 variabili (3-SAT), richiedano intrinsecamente un tempo di esecuzione esponenziale rispetto alla dimensione dei dati. Secondo i documenti diffusi da OpenAI su GitHub e accompagnati da codice di verifica nel linguaggio formale Lean, un nuovo algoritmo deterministico consentirebbe invece di enumerare le soluzioni in tempo sub-esponenziale e spazio polinomiale.

Se convalidato, il risultato modificherebbe le fondamenta della teoria della complessità, ridefinendo i limiti teorici di ciò che è efficientemente calcolabile. Come illustrato nelle analisi di TechCrunch, la portata della rivendicazione ha scosso la comunità accademica, divisa tra l'entusiasmo per il potenziale risolutivo dei modelli di frontiera e il timore di un'ondata di clamore non sufficientemente sottoposta a revisione tra pari.

La controversia sui comitati guida e il rischio di gatekeeping

Consapevole delle frizioni sorte all'inizio di ottobre — quando la pubblicazione di massa di preprint era stata definita da ricercatori del MIT come un vero e proprio «attacco DDoS alla comunità matematica» — OpenAI ha introdotto un protocollo inedito. L'azienda ha affidato l'analisi e la divulgazione dei risultati a gruppi di docenti esterni definiti «shepherd» (accompagnatori), tra cui figurano lo stesso Russell Impagliazzo, Ryan Williams del MIT e il premio Nobel per la fisica David Gross.

La soluzione, tuttavia, ha sollevato nuovi malumori. Come documentato da The Verge, molti studiosi lamentano una gestione verticistica e asimmetrica delle informazioni, in cui un'azienda privata decide arbitrariamente chi ottiene l'accesso anticipato a presunte scoperte cardine. Il comitato consultivo AGMAI ha formalmente sconsigliato l'adozione di intermediari nominati ad hoc, rimarcando il pericolo che l'autorevolezza accademica venga presa in prestito per legittimare strategie commerciali, e ha invitato i laboratori a condividere tempestivamente le prove formali Lean su archivi aperti e liberamente accessibili.

Verso nuove regole per la scienza sintetica

In risposta al dibattito, il gruppo guidato da Williams, Paturi e Impagliazzo ha diffuso una lettera aperta per delineare standard condivisi di condotta scientifica nell'era dell'IA. Il documento pone quesiti urgenti: come ripartire il merito scientifico tra chi genera l'ipotesi algoritmica e i ricercatori che spendono mesi per decifrarla, semplificarla e correggerla? E quali vincoli devono regolamentare l'accesso preliminare ai dati confidenziali?

La transizione verso un modello in cui i sistemi sintetici propongono congetture e gli esseri umani si limitano a validarle impone una rapida revisione dei protocolli di peer review, finora tarati su tempi e volumi di produzione interamente umani.

Il punto di Mocchi's

La contesa tra i grandi laboratori di frontiera e il mondo accademico evidenzia una lezione fondamentale per il settore tecnologico: la capacità di un'IA di generare soluzioni complesse a ritmi vertiginosi è priva di valore concreto se non è accompagnata da meccanismi di verifica rigorosi e indipendenti. Per le aziende che integrano modelli generativi e agenti nei propri processi, l'adozione di standard formali e verificabili non rappresenta un formalismo accademico, ma l'unico presidio contro il sovraccarico cognitivo e le allucinazioni strutturate. Automatizzare la formulazione delle risposte impone parallelamente di irrobustire gli strumenti di convalida, mantenendo il controllo umano sui criteri decisionali e sui dati di riferimento.

Tutti gli articoli del blog Mocchi's