A metà settembre, a Heidelberg, il chiacchiericcio matematico non ruotava attorno ai soliti nomi o ai teoremi in corso. Ogni frammento di conversazione intercettato al Laureate Forum parlava di OpenAI, Anthropic e Google, e del modo in cui stanno attraversando la matematica a passo di carica. L’innesco non è un dettaglio: OpenAI ha annunciato di aver risolto il problema dell’esistenza e della regolarità di Navier–Stokes, uno dei sette Millennium Prize Problems del Clay Mathematics Institute. Finora, solo la congettura di Poincaré era stata dimostrata da matematici umani; se l’annuncio di OpenAI venisse verificato, sarebbe un punto di svolta per il ragionamento automatico.

Sembra il tipo di notizia da applaudire. Ma al forum la celebrazione è stata rapidamente sostituita da una discussione sui modi. Geordie Williamson, matematico dell’Università di Sydney, ha detto senza troppi giri che OpenAI si è comportata «estremamente male» nella gestione dell’annuncio. Michael Harris, della Columbia University, ha raccontato di aver avuto un posto in prima fila: secondo Tristan Buckmaster della New York University, la corrispondenza tra lui e OpenAI avrebbe avuto toni coercitivi, censori, persino minacciosi. Harris ha spiegato che molti resoconti sui media tradizionali e social descrivono OpenAI come un soggetto che fa il bullo e rompe le norme disciplinari. Peter Scholze, medaglia Fields, ha definito l’operazione un benchmark e una mossa di PR. OpenAI non ha risposto alle richieste di commento prima della pubblicazione.

Il cuore del problema non è sportivo. Williamson lo ha messo in termini che toccano l’identità stessa della matematica: la comunità vuole comprensione, ma la misura attraverso problemi irrisolti; questi due metri stanno diventando sempre più scorrelati. Una soluzione AI può produrre una risposta senza sviluppare una metodologia comprensibile o riutilizzabile. Se il criterio diventa “problema chiuso” e non “comprensione costruita”, cambiano anche le valutazioni delle persone, i meccanismi di assunzione e l’educazione.

Qui si inserisce la seconda frattura, meno appariscente ma più strutturale. Mita Ramabulana, giovane ricercatore dell’Università di Città del Capo, ha ricordato che due dei dieci progressi matematici annunciati da OpenAI ad agosto si sovrapponevano al suo lavoro. La sensazione è che qualcuno possa inserire un problema in un LLM e bruciare mesi di ricerca. Ailsa Robertson, dottoranda in crittografia quantum-safe all’Università di Amsterdam, ha visto colleghi usare in modo intensivo i modelli proprietari, saturando abbonamenti Pro e spendendo migliaia di euro in token: cifre che un dottorando normalmente non ha. La distribuzione di 100.000 licenze gratuite annunciata da OpenAI a luglio per i ricercatori accademici non è, in questo contesto, un semplice regalo: Robertson parla di colleghi che si sentono costretti, perché chi non tiene il ritmo degli LLM resta indietro rispetto ai pari che concorrono per gli stessi posti.

È un meccanismo che sposta la matematica dentro una infrastruttura proprietaria. I problemi diventano benchmark per collaudare modelli inaccessibili, i risultati arrivano senza codice, senza pesi, senza la possibilità di verifica indipendente da parte di gruppi con risorse limitate. Non è una questione astratta di accademia: chi valuta deployment self-hosted o locali sa che la verifica e la riproducibilità richiedono accesso non mediato ai modelli e ai dati. I framework analitici di AI-RADAR su /llm-onpremise servono proprio a soppesare questi vincoli, non a indicare una strada unica.

Il prossimo campo di battaglia è già definito: Anthropic avrebbe usato una versione non rilasciata di Claude per attaccare l’ipotesi di Riemann, facendo progressi su un problema correlato ma non sull’obiettivo principale, mentre OpenAI punterebbe alla congettura di Hodge. Se anche uno di questi cadesse, il premio non sarebbe solo un milione di dollari o un titolo di giornale. Sarebbe la conferma che la frontiera della matematica è sempre più legata a calcolo centralizzato, modelli non aperti e logiche di comunicazione aziendale. La domanda che resta, per i matematici e per chi osserva l’AI, è se la prossima soluzione porterà con sé una teoria nuova o soltanto un altro annuncio.