Viviamo nell’era del “diventa virale prima, pensa dopo”. L’entusiasmo attorno all’Intelligenza Artificiale assume spesso proporzioni esagerate sui social media, distorcendo i reali progressi tecnologici. Un esempio recente e noto ha coinvolto grandi nomi del settore e affermazioni premature su modelli linguistici in grado di risolvere complessi problemi matematici.

Il Caso dei Problemi di Erdős

Tutto è iniziato quando un ricercatore ha annunciato euforicamente su X (ex Twitter) che l’ultimo modello di OpenAI, il GPT-5, aveva risolto dieci problemi irrisolti lasciati dal prolifico matematico Paul Erdős. L’affermazione suggeriva che l’accelerazione della scienza guidata dall’IA fosse ufficialmente iniziata. Tuttavia, la realtà era molto meno affascinante.

Il matematico Thomas Bloom, creatore di un archivio che cataloga questi problemi, ha rapidamente chiarito la situazione. Il fatto che un problema non sia elencato come “risolto” sul suo sito non significa che non abbia una soluzione; significa semplicemente che la soluzione era sepolta tra milioni di articoli accademici che non aveva letto. Il modello di IA non ha creato nuova conoscenza; ha semplicemente setacciato Internet trovando le risposte già esistenti.

La Distorsione dei Fatti

La capacità dell’IA di recuperare informazioni oscure dalla letteratura scientifica è, di per sé, una scoperta incredibile. Tuttavia, l’urgenza di generare interazioni sui social media ha oscurato la vera utilità dello strumento, trasformando un’eccellente ricerca bibliografica in una falsa narrazione di una scoperta scientifica senza precedenti.

Gli esperti sottolineano che questa tendenza all’esagerazione è pericolosa. Mentre Internet celebra falsi traguardi storici dell’IA in matematica, valutazioni più sobrie dimostrano che questi modelli presentano ancora difetti significativi se applicati in campi critici come la medicina e la giurisprudenza, fornendo spesso indicazioni incoerenti.

La Necessità di Verifica

L’episodio funge da monito cruciale: le affermazioni grandiose sull’intelligenza artificiale richiedono meno reazioni automatiche e verifiche più rigorose. Le vittorie appariscenti nei test e nelle competizioni sono solo punti di partenza. Comprendere il vero impatto dell’IA richiede un’analisi profonda di come operano questi modelli, separando il rapido recupero dei dati dalla vera innovazione scientifica umana.