Un modello di OpenAI potrebbe aver risolto un problema matematico che ha resistito per decenni agli sforzi dei ricercatori.
Un paper di tre pagine, ospitato sulla content-delivery network ufficiale di OpenAI, sostiene di aver dimostrato la Cycle Double Cover Conjecture, un problema di lunga data nella teoria dei grafi. Il documento afferma che la dimostrazione è stata generata interamente da GPT-5.6 Sol Ultra, con il supporto di Codex e GPT-5.6 Sol per la trasformazione del lavoro in un paper strutturato.
Si tratta di un’affermazione pesante. Se matematici indipendenti confermassero la correttezza della prova, avremmo un’indicazione concreta che i sistemi di AI avanzata possono fare ben più che riassumere ricerche esistenti o supportare calcoli complessi: sarebbero in grado di produrre matematica originale, sufficiente a risolvere problemi che hanno messo in difficoltà gli esseri umani per anni.
Per ora, però, il risultato resta una “prova rivendicata”, non una scoperta accettata dalla comunità.
Che cosa avrebbe risolto l’AI?
La teoria dei grafi è il ramo della matematica che studia le reti.
Un grafo può essere immaginato come un insieme di punti collegati da linee. I punti possono rappresentare persone, computer, città o qualunque altra entità, mentre le linee descrivono relazioni o connessioni fra di esse.
La Cycle Double Cover Conjecture chiede se ogni rete connessa, priva di un singolo punto critico il cui guasto isolerebbe il sistema, possa essere ricoperta da una collezione di cicli in modo tale che ogni connessione compaia esattamente due volte.
Può sembrare un problema astratto, ma resta aperto da decenni ed è stato associato a figure di primo piano come William Tutte, George Szekeres e Paul Seymour.
I ricercatori hanno dimostrato la congettura per alcune classi specifiche di grafi, ma non in piena generalità.
Il nuovo paper ospitato da OpenAI sostiene di chiudere proprio questo divario.
L’idea di base alla radice della dimostrazione
L’argomentazione del paper è altamente tecnica, ma la strategia generale è più intuitiva.
Per prima cosa il problema viene ridotto a una classe più semplice di reti, in cui ogni punto ha esattamente tre connessioni.
Il modello utilizza poi uno strumento matematico consolidato, noto come “flow”, per assegnare etichette alle connessioni del grafo. Queste etichette vengono quindi riorganizzate affinché le connessioni si dispongano naturalmente in cicli.
Il vincolo chiave è che ogni connessione debba comparire in esattamente due di questi cicli.
Secondo il paper, il disallineamento residuo tra le diverse parti della rete può essere risolto con strumenti di algebra lineare. Una volta risolto questo problema di coerenza, la copertura ciclica completa ne consegue.
In termini più semplici, l’AI sembra aver preso diversi strumenti matematici noti, li ha collegati in modo inedito e li ha usati per costruire i cicli richiesti su ogni rete che soddisfa le ipotesi della congettura.
Perché questo potrebbe contare davvero per l’AI
I sistemi di intelligenza artificiale sono già ampiamente utilizzati per scrivere codice, analizzare i mercati, produrre sintesi di ricerca e supportare il lavoro scientifico.
Dimostrare una grande congettura matematica è però un compito di tutt’altro livello.
Una dimostrazione corretta deve funzionare in ogni caso possibile coperto dal teorema. Non basta che appaia convincente o che produca il risultato giusto in una manciata di esempi.
Da leggere anche: Utile Q3 di Anthropic previsto oltre 1 miliardo di dollari in vista della IPO
È proprio questo a fare della matematica uno dei test più limpidi per valutare se un sistema di AI sappia davvero ragionare, anziché limitarsi a generare testo verosimile.
Se la dimostrazione fosse corretta, suggerirebbe che i modelli di frontiera stanno diventando capaci di combinare conoscenze consolidate in argomentazioni davvero nuove.
Le implicazioni andrebbero molto oltre la teoria dei grafi: sistemi analoghi potrebbero in prospettiva aiutare i ricercatori ad affrontare questioni difficili in fisica, crittografia, informatica teorica ed economia.
Ora comincia il vero test
Il fatto che il paper sia ospitato su un dominio controllato da OpenAI conferisce al documento una provenienza più chiara rispetto a un caricamento anonimo. Ma questo, di per sé, non garantisce che la dimostrazione sia corretta.
Il manoscritto non elenca autori umani identificabili, non mostra uno storico di peer review né include commenti di teorici dei grafi indipendenti.
È un punto cruciale, perché i grandi problemi matematici attirano regolarmente soluzioni rivendicate che in seguito si rivelano contenere falle nascoste.
Una prova può apparire lineare a una prima lettura, ma fallire perché un passaggio dà per scontato qualcosa che non vale sempre, trascura un caso particolare o applica un teorema esistente oltre il suo campo di validità.
Il prossimo passaggio è quindi la verifica indipendente.
I matematici dovranno controllare ogni riduzione e confermare che l’argomentazione di algebra lineare funzioni per tutti i grafi privi di ponti coperti dalla congettura.
I ricercatori potrebbero anche tentare di tradurre la dimostrazione in un assistente di prova formale, in cui ogni singolo passo logico dev’essere convalidato dal software.
Una svolta rivendicata, non un fatto acquisito
La descrizione più prudente, oggi, è che un modello di OpenAI ha prodotto una dimostrazione potenzialmente importante che necessita ancora di convalida esterna.
Se gli esperti trovassero un errore, il paper potrebbe comunque risultare utile, introducendo un nuovo approccio o una nuova riduzione al problema.
Se invece la dimostrazione reggesse all’esame critico, l’impatto sarebbe ben più ampio.
Vorrebbe dire che un sistema di AI non si è limitato ad assistere un matematico, ma è stato accreditato di aver risolto in autonomia un problema rimasto aperto per generazioni.
La storia, quindi, non è ancora che l’AI abbia definitivamente risolto la Cycle Double Cover Conjecture.
È che l’AI potrebbe averlo fatto, e spetta ora alla comunità matematica stabilire se il modello abbia davvero cucinato una nuova dimostrazione robusta o se abbia prodotto uno degli errori più convincenti mai visti.
Da leggere dopo: La Cina tratta con Alibaba e ByteDance su limiti all’export di modelli di AI