L’8 settembre OpenAI ha pubblicato un manoscritto di 166 pagine con la dimostrazione che, nelle equazioni di Navier-Stokes forzate in tre dimensioni, un fluido inizialmente fermo e sottoposto a una forza esterna regolare può sviluppare una singolarità in tempo finito: la velocità diventa infinita, mentre l’energia resta limitata. Il lavoro è stato prodotto da un modello interno con 10.000 agenti in parallelo per 88 ore.
Molti titoli hanno annunciato la soluzione di un problema del millennio. Non lo è, e la precisazione non è pedanteria: il premio da un milione di dollari del Clay Institute riguarda le equazioni non forzate, cioè senza forza esterna. Quel problema resta aperto e il premio non è stato assegnato. Il presidente del Clay Institute, Martin Bridson, si è limitato a osservare che la valutazione è “deliberatamente non affrettata”: le regole richiedono la pubblicazione su rivista con revisione paritaria e due anni di accettazione da parte della comunità prima ancora di convocare un comitato.
Detto questo, il risultato è serio, e apre tre questioni che riguardano chiunque lavori con questi strumenti.
Chi verifica una dimostrazione che nessun umano ha scritto
Qui c’è la parte più interessante. La prova è stata formalizzata in Lean, un linguaggio in cui ogni passaggio logico viene controllato da un programma: se il controllo passa, la catena di deduzioni è corretta, punto. È una garanzia forte, e spiega perché diversi matematici abbiano preso il risultato sul serio invece di liquidarlo.
Ma la verifica formale dice che il ragionamento non contiene errori, non che l’enunciato dimostrato sia quello che interessa. E resta il problema pratico: la revisione paritaria di 166 pagine generate da una macchina non ha una procedura consolidata. Quanto tempo dedica un revisore umano a un testo che nessun umano ha scritto, e per il quale il controllo di correttezza è già stato fatto da un altro programma?
Di chi è il merito quando l’AI ha letto il lavoro altrui
Il 7 settembre — un giorno prima dell’annuncio — Tristan Buckmaster della New York University e Levent Alpöge avevano depositato i loro preprint su risultati vicini, frutto di oltre un anno di lavoro condotto usando a loro volta assistenti AI. Buckmaster sostiene che OpenAI lo abbia contattato il 6 settembre dicendo di avere una prova “sorprendentemente simile” alla loro. Sébastien Bubeck di OpenAI ha risposto che le accuse sono “false e incendiarie”.
Il punto delicato lo scrive OpenAI stessa: ammette di non poter escludere che dati de-identificati derivati dall’uso dei propri prodotti abbiano contribuito a migliorare i modelli. Detto altrimenti: se usate un assistente per lavorare a qualcosa di originale, il confine tra “lo strumento mi ha aiutato” e “lo strumento ha imparato dal mio lavoro” non è nitido come sembrava.
Cosa portarsi a casa
Per chi lavora, tre cose concrete. La prima: verificate l’enunciato, non il titolo — la differenza tra equazioni forzate e non forzate qui vale un milione di dollari, e nella maggior parte dei titoli è sparita. La seconda: la verifica automatica dei risultati è la direzione giusta, e vale anche fuori dalla matematica — un output che si può controllare meccanicamente vale più di uno che va creduto. La terza: se il vostro lavoro originale passa attraverso strumenti di terzi, vale la pena leggere davvero cosa dicono le condizioni sull’uso dei dati.
Fonti: OpenAI, Quanta Magazine, Simon Willison.
Blogger dal 2001, Nativo Digitale, Developer.
Da 15 anni mi occupo di IT per una grande Azienda.
Lavoro per abbattere il Digital Divide.
Visita i miei altri progetti
sardiniamobility.com
www.cyberness.it
