Astra di OpenAI affronta 10 problemi matematici irrisolti: cosa sappiamo e cosa resta da verificare

Quali problemi ha affrontato Astra?

I dieci risultati coprono aree molto diverse della matematica e dell’informatica teorica: geometria ad alta dimensione, teoria dei codici, complessità dei circuiti aritmetici, teoria dei gruppi, algebre di operatori, complessità quantistica, crittografia basata sui reticoli e combinatoria estremale .

1. Impacchettamento di sfere in alta dimensione — nuovi limiti superiori per la densità dell’impacchettamento, fino alla soglia di Cohn–Elkies .
2. Codici binari e sferici — miglioramenti esponenziali sui limiti relativi alla dimensione massima di un codice per una distanza minima fissata .
3. Gruppi non sofici — una costruzione esplicita che stabilirebbe l’esistenza di gruppi non sofici, una questione centrale nella teoria dei gruppi .
4. Congettura di rigidità di Connes — una confutazione di una congettura di lunga data sulle algebre di von Neumann .
5. Complessità dei circuiti aritmetici — nuovi limiti inferiori per il calcolo del permanente, compreso un limite per le formule aritmetiche dell’ordine di n⁴/log n .
6. Ripetizione parallela quantistica — un teorema di ripetizione parallela esponenziale per giochi quantistici generali a due giocatori .
7. Problema del vettore più vicino — la dimostrazione della difficoltà di approssimazione entro un fattore polinomiale, un risultato rilevante per la crittografia post-quantistica .
8. Congettura del volume di Ehrhart — il massimo volume possibile di un corpo convesso il cui baricentro sia l’unico punto del reticolo contenuto al suo interno .
9. Numeri di Ramsey multicolore — un limite inferiore superesponenziale che risolverebbe il problema 183 di Erdős .
10. Congetture sui numeri estremali — risultati sulle congetture di compattezza e degenerazione, associati ai problemi 146 e 180 di Erdős .

Lean 4: la parte più verificabile dell’annuncio

OpenAI non ha reso disponibile il modello Astra. Ha però pubblicato certificati di dimostrazione in Lean 4 su GitHub con licenza Apache 2.0. Nel repository risulta un conteggio di zero “sorry”, cioè nessun passaggio lasciato come ammesso senza dimostrazione nei formalismi presentati .

La distinzione è importante: Lean non dimostra da solo che Astra abbia scoperto l’idea matematica originale, ma può verificare meccanicamente che una dimostrazione formalizzata rispetti le regole del sistema. Questo sposta il dibattito dalla semplice fiducia nell’output di un chatbot all’analisi dei risultati e dei certificati pubblicati.

Una reazione tra entusiasmo e prudenza

L’annuncio ha suscitato reazioni molto diverse. Ricercatori come Noam Brown lo hanno descritto come un possibile passo avanti significativo per il ragionamento scientifico . Altri osservatori, invece, hanno evidenziato diversi limiti.

Non sono i problemi del Millennio

I dieci problemi non includono le celebri questioni dei Premi del Millennio del Clay Mathematics Institute, come P contro NP o l’ipotesi di Riemann . Questo non significa che siano problemi banali: la costruzione esplicita di un gruppo non sofico, per esempio, riguarda una domanda rimasta aperta da quando Mikhail Gromov introdusse il concetto di soficità nel 1999 . Ma il loro peso mediatico non è paragonabile a quello delle questioni più note al grande pubblico.

Manca ancora la revisione paritaria

OpenAI ha presentato i risultati direttamente, senza una precedente pubblicazione su una rivista matematica o in atti di una conferenza sottoposti a revisione paritaria . Restano quindi da valutare in modo indipendente la correttezza, la novità e la profondità dei risultati.

Anche il confine tra contributo dell’IA e contributo umano non è completamente definito. OpenAI ha riconosciuto questa tensione richiamando la Leiden Declaration on AI and Mathematics .

Il dubbio sulla generalizzazione

Il cognitive scientist Gary Marcus ha sostenuto che la matematica formale potrebbe essere un caso particolare, non necessariamente rappresentativo del ragionamento scientifico in generale . In matematica, infatti, è possibile utilizzare strumenti simbolici per verificare i passaggi e generare grandi quantità di dati sintetici a basso costo con risposte controllabili. Le condizioni sono molto meno favorevoli in numerosi altri ambiti scientifici.

Astra resta un modello non riproducibile dall’esterno

Poiché il modello non è stato rilasciato e OpenAI non ha descritto completamente la metodologia di prompting, gli osservatori esterni non possono replicare il processo con cui sarebbero state trovate le soluzioni . I certificati Lean consentono di esaminare le dimostrazioni formalizzate, ma non permettono di ricostruire autonomamente il comportamento del modello durante la ricerca.

Anche il tempismo alimenta i sospetti

L’annuncio arriva mentre OpenAI sta preparando la sua prossima grande famiglia di modelli. Per questo alcuni critici si chiedono se la presentazione sia stata pensata anche per rafforzare il posizionamento commerciale dell’azienda, oltre che per documentare un risultato scientifico .

Che cosa dimostrerebbe davvero Astra?

Se le dimostrazioni supereranno l’esame degli esperti, alcuni dei risultati potrebbero chiudere questioni rimaste aperte per decenni. La costruzione esplicita di un gruppo non sofico, in particolare, risolverebbe una domanda aperta da oltre 25 anni . Anche gli osservatori più prudenti riconoscono che OpenAI ha fornito molto più materiale ispezionabile rispetto a un normale annuncio aziendale .

La conclusione, però, deve essere circoscritta. Il caso Astra suggerisce che un modello di IA possa contribuire alla ricerca in problemi matematici formali e verificabili. Non dimostra ancora che la stessa capacità si estenda alla scoperta scientifica in senso ampio, né che l’IA abbia raggiunto un ragionamento affidabile e generalizzabile in tutti i domini. Per ora, la parte più solida dell’annuncio non è lo slogan dei “10 problemi risolti”, ma la possibilità di sottoporre le dimostrazioni pubblicate a un controllo matematico indipendente.