I 722 articoli di matematica generati da IA di OpenAI dividono i matematici tra meraviglia e allarme

Cosa OpenAI ha pubblicato, e quando

Il 6 ottobre 2026, OpenAI ha pubblicato 722 manoscritti su GitHub, raggruppati in 372 famiglie di risultati correlati, tutti prodotti da un modello interno che l'azienda non ha ancora rilasciato pubblicamente, secondo xenospectrum.com e la newsletter focalizzata sull'IA Latent.space. L'azienda ha detto che il modello è stato lasciato libero su circa 4.000 problemi matematici, con il risultato accettato medio che costa l'equivalente computazionale di circa tre ore di tempo di ragionamento di ChatGPT Pro, ha riferito Latent.space.

Un manoscritto affronta quella che i ricercatori chiamano un'"Ipotesi Quasi-Riemann": un'affermazione che nessuno zero di certe funzioni L di Dirichlet esiste dove la parte reale supera 7/8. Xenospectrum.com ha notato che questo non risolve l'ipotesi di Riemann vera e propria, che riguarda gli zeri alla parte reale esattamente 1/2 e rimane un problema non risolto del Clay Mathematics Institute Millennium Prize.

Plauso e allarme tra i matematici

Le reazioni si sono divise nettamente. Il matematico Levent Alpöge, descritto da Latent.space come affiliato con Anthropic, ha definito il rilascio "ovviamente il momento più significativo nella storia della matematica." The Conversation ha riferito che altri matematici erano tutt'altro che impressionati: un revisore ha liquidato parte del lotto come una "montagna di spazzatura scaricata sulla nostra soglia", e un matematico senior ha detto che un articolo era così incomprensibile che sarebbe finito direttamente nel cestino se fosse stato sottomesso a una rivista in modo ordinario.

The Conversation ha anche riferito che ChatGPT stesso ha segnalato almeno uno dei risultati nel lotto come un'"allucinazione grave", e che diversi articoli sono stati successivamente ritirati o modificati dopo che sono stati trovati errori.

Il divario di verifica

I racconti di quanto del rilascio sia stato effettivamente verificato da macchina differiscono. Xenospectrum.com, tracciando il catalogo di formalizzazione di OpenAI stesso a partire dal 7 ottobre, ha contato 162 dei 722 manoscritti – circa il 22,4 percento – con risultati formalizzati nel linguaggio di verifica di prove Lean. The Conversation, al contrario, ha riferito che OpenAI aveva formalizzato 300 risultati principali utilizzando software di tipo Lean. Xenospectrum.com ha aggiunto che anche una formalizzazione Lean completata conferma solo i passaggi logici di una prova, non che ogni affermazione esplicativa in un articolo sia stata verificata indipendentemente.

Tech-insider.org ha riferito che un gruppo consultivo che coinvolge il premio Fields Terence Tao è stato istituito per aiutare a gestire come i risultati di OpenAI raggiungono il pubblico, ma che il ruolo del gruppo era esplicitamente di consigliare sul rilascio, non di verificare indipendentemente che i risultati siano corretti. Lo stesso outlet ha citato un'affermazione di settembre secondo cui il modello di OpenAI, utilizzando approssimativamente 10.000 agenti IA che lavorano per circa 88 ore, aveva prodotto una prova riguardante il problema di esistenza e morbidezza di Navier-Stokes – un altro problema del Millennium Prize – che il Clay Mathematics Institute elenca ancora come attivo anziché risolto, il che significa che nessuna verifica indipendente è stata completata.

Su cosa i matematici ancora disputano

Oltre alla correttezza, tech-insider.org ha riferito la preoccupazione che l'approccio publish-first, verify-later di OpenAI inverte il modo in cui la matematica ha tradizionalmente funzionato, spostando l'onere della revisione paritaria lenta e avversariale su una comunità matematica che è già sottoposta a pressione. The Conversation ha riferito di ulteriore disagio rispetto all'uso improprio dei dati presumibilmente legato al precedente reclamo di Navier-Stokes, sollevato dai matematici Tristan Buckmaster e Levent Alpöge – accuse che OpenAI ha negato – così come più ampia ansia nel settore riguardo alla ricerca essere "scavata" dai sistemi di IA e su cosa significa la crescita di tali strumenti per la matematica come carriera.