Nuova startup AI risolve 4 problemi matematici precedentemente insoluti

Quattro anni fa, i matematici Dawei Chen e Quentin Gendron si imbatterono in una complessa questione di geometria algebrica, legata all'analisi di differenziali utilizzati per misurare distanze su superfici curve. Durante lo studio di un teorema, si trovarono di fronte a un ostacolo inaspettato: il loro ragionamento dipendeva da una formula strana della teoria dei numeri, ma non riuscivano a trovare una soluzione o a giustificarla. Alla fine, decisero di presentare il loro lavoro come una congettura, anziché come un teorema, pubblicando un articolo che rimase un enigma per la comunità scientifica. Negli ultimi mesi, Chen, dopo aver provato invano a ottenere un aiuto da ChatGPT, si recò a una conferenza matematica a Washington, DC, dove incontrò Ken Ono, un noto studioso che aveva lasciato l'università della Virginia per unirsi a Axiom, un'azienda di intelligenza artificiale fondata da uno dei suoi allievi, Carina Hong. L'incontro fu decisivo: Ono, utilizzando l'AI del suo startup, AxiomProver, riuscì a fornire una prova completa del problema, permettendo a Chen di concludere il lavoro, che ora è disponibile su arXiv, un archivio accademico. Questo risultato segna un passo importante nella collaborazione tra matematici e tecnologie avanzate, dimostrando come l'intelligenza artificiale possa affrontare problemi che hanno sfidato gli esperti per anni.

La scoperta di Chen e Gendron non è solo un esempio di successo, ma anche una testimonianza del progresso delle capacità dell'AI nel campo matematico. AxiomProver, il sistema sviluppato da Axiom, non solo ha risolto la congettura, ma ha anche riconosciuto un collegamento con un fenomeno numerico studiato per la prima volta nel XIX secolo. L'AI ha poi elaborato una prova, verificandola autonomamente, un processo che ha sorpreso molti esperti. Questo caso non è isolato: negli ultimi mesi, Axiom ha annunciato di aver trovato soluzioni a diversi enigmi matematici, sebbene non abbia ancora risolto i problemi più famosi o ricchi di premi. Tuttavia, le prove generate dall'AI dimostrano una capacità crescente di affrontare domande che hanno tormentato i ricercatori per anni. Gli strumenti di Axiom, che combinano modelli linguistici di grandi dimensioni con un sistema proprietario chiamato AxiomProver, si basano su un approccio innovativo per raggiungere soluzioni provate e corrette. Questo metodo si distingue non solo per l'efficienza, ma anche per la capacità di sviluppare nuove strategie per risolvere problemi complessi, un aspetto che ha suscitato interesse nel mondo accademico.

Il contesto di questa collaborazione si inscrive in un quadro più ampio, dove l'AI sta emergere come un alleato indispensabile per la ricerca scientifica. La congettura di Chen e Gendron, risolta grazie al lavoro di AxiomProver, è un esempio di come le tecnologie avanzate possano svelare connessioni nascoste tra discipline apparentemente distanti. Il sistema di Axiom, in particolare, utilizza un linguaggio matematico specializzato chiamato Lean per verificare le prove, un approccio che permette all'AI di sviluppare soluzioni radicalmente nuove. Questo non solo mostra l'efficacia dei modelli di intelligenza artificiale, ma anche la loro capacità di superare limiti umani. Il caso di Fel's Conjecture, un'ipotesi riguardante espressioni algebriche legate a Srinivasa Ramanujan, rappresenta un altro esempio di come l'AI possa creare soluzioni da zero, senza dipendere da dati preesistenti. La prova generata da AxiomProver non solo risolve il problema, ma lo fa con una precisione e un'originalità che lasciano senza parole i matematici che hanno seguito l'evoluzione di queste tecnologie. La capacità dell'AI di produrre risultati così significativi ha suscitato un dibattito su come queste strumenti possano influenzare il futuro della ricerca matematica.

Le implicazioni di questa collaborazione vanno ben oltre il mondo accademico. Gli strumenti sviluppati da Axiom potrebbero trovare applicazioni in settori diversi, come la sicurezza informatica, dove l'AI potrebbe contribuire a creare codice più resistente agli attacchi. Questo approccio, che combina l'analisi matematica con metodi di verifica automatica, apre la strada a nuove possibilità di innovazione. Hong, CEO di Axiom, sottolinea che la matematica è un "sandbox" per testare idee in grado di applicarsi a contesti reali. L'abilità dell'AI di generare prove corrette e verificabili non solo cambia il modo in cui i matematici operano, ma anche la loro capacità di esplorare nuovi territori. Per Ono, il lavoro di AxiomProver rappresenta un paradigma nuovo per la dimostrazione dei teoremi, un passo verso una maggiore efficienza e una maggiore collaborazione tra umani e macchine. Inoltre, l'AI sta dimostrando di poter affrontare problemi che erano considerati inaccessibili, come il modello probabilistico di "dead ends" in teoria dei numeri o l'uso di strumenti sviluppati per risolvere il teorema di Fermat. Questi risultati non solo rafforzano la credibilità dell'AI come strumento di ricerca, ma anche la sua potenzialità per trasformare il panorama scientifico.

L'impatto di questa collaborazione si estende a livelli più ampi, con prospettive che spaziano dall'educazione alla tecnologia. Chen, che ha visto il suo lavoro risolto da AxiomProver, esprime ottimismo sull'effetto che l'AI potrebbe avere sul futuro della matematica. Confrontando il progresso tecnologico con l'evoluzione della matematica, ritiene che l'AI possa diventare un "partner intelligente", ampliando le possibilità di ricerca. Per gli studiosi, il successo di AxiomProver non solo conferma l'efficacia delle tecnologie emergenti, ma anche la loro capacità di superare limiti storici. Gli esperti come Scott Kominers, che ha seguito l'evoluzione di questi strumenti, riconoscono l'importanza del lavoro di Axiom, non solo per la sua capacità di risolvere problemi complessi, ma anche per l'originalità delle soluzioni generate. La prossima fase potrebbe coinvolgere la creazione di sistemi più avanzati, in grado di affrontare sfide sempre più complesse. Tuttavia, il lavoro di Ono e di altri matematici suggerisce che l'AI non solo aiuterà a risolvere problemi esistenti, ma potrebbe anche rivelare nuove metodologie per la scoperta scientifica. Questo processo, che unisce l'ingegno umano e la potenza computazionale, sembra segnare l'inizio di un'era nuova nella ricerca matematica, con implicazioni che potrebbero estendersi a settori diversi e a nuove frontiere della conoscenza.