“Il tempo della ricerca e della verifica è anche più importante del risultato”, i matematici lanciano l’allarme sui rischi dell’Intelligenza artificiale. E in Francia la medaglia Fields ne proibisce l’uso ai dottorandi
Commenti“Non utilizzare assolutamente” gli strumenti di intelligenza artificiale generativa durante il dottorato. È la richiesta che Cédric Villani, matematico francese e vincitore della Medaglia Fields, ha rivolto al proprio dottorando. Una posizione netta, che non nasce da un rifiuto generale dell’intelligenza artificiale, ma da una preoccupazione precisa: nella matematica il percorso che porta a una soluzione può essere importante quanto, e in alcuni casi più importante, della soluzione stessa. “Durante la formazione bisogna lavorare sodo per rimodellare la propria mente, il proprio cervello: è proprio questo a rendere affascinante qualsiasi disciplina”, ha spiegato Villani. E ha aggiunto che “il tempo dedicato alla ricerca, alla verifica della soluzione e alla comprensione – insomma il percorso – è ancora più importante del risultato stesso, specialmente nelle scienze e in particolare nella matematica”.
Le parole di Villani arrivano mentre nella comunità scientifica si discute delle conseguenze dell’impiego dell’intelligenza artificiale nella ricerca. A rendere il confronto particolarmente concreto è la stata notizia del lavoro di un modello di OpenAI sul problema di Navier-Stokes, uno dei grandi problemi aperti della matematica contemporanea. La questione sollevata dai matematici non coincide con gli allarmi più generali sull’intelligenza artificiale e sui rischi derivanti dal suo sviluppo. Il tema, in questo caso, è più specifico: che cosa accade alla ricerca matematica quando una macchina è in grado di esplorare in tempi molto brevi una quantità enorme di possibilità e di arrivare a una dimostrazione di un problema che per gli esseri umani ha richiesto anni di lavoro?
Il problema di Navier-Stokes riguarda le equazioni che descrivono il movimento dei fluidi. È uno dei sette Problemi del Millennio e rappresenta da decenni una delle questioni più difficili della matematica. Il lavoro sviluppato dall’intelligenza artificiale ha riportato il problema al centro dell’attenzione proprio perché, secondo i ricercatori coinvolti, la macchina sarebbe riuscita ad accelerare enormemente un percorso di ricerca già avviato dagli studiosi. A rivendicare il ruolo del lavoro umano sono in particolare due matematici spagnoli, Diego Córdoba, dell’Istituto di Scienze Matematiche del Consiglio superiore di ricerca scientifica, e Luis Martínez-Zoroa, dell’Università Cunef. I due lavorano dal 2023 a un metodo per studiare le equazioni di Navier-Stokes. “Se il nostro lavoro non fosse esistito, l’IA non avrebbe risolto il problema”, ha detto Córdoba in un’intervista a El País. Il matematico considera la vicenda “una rivoluzione”, ma introduce una distinzione: l’intelligenza artificiale, a suo giudizio, “ha guadagnato tempo, non ha avuto idee nuove”.
È proprio su questo punto che il caso Navier-Stokes si collega alle preoccupazioni espresse da Villani. Se una macchina può arrivare a una dimostrazione utilizzando strumenti e metodi elaborati da matematici in anni di ricerca, il risultato finale non esaurisce la questione. Occorre capire quali idee siano state utilizzate, come siano state combinate e, soprattutto, quanto della conoscenza matematica prodotta dal sistema sia comprensibile e riutilizzabile dai ricercatori. Alessio Figalli, vincitore italiano della Medaglia Fields nel 2018, in una intervista a Repubblica, ha posto il problema in termini ancora più diretti, mettendo in guardia dal rischio che l’intelligenza artificiale possa “distruggere una generazione di futuri matematici“. Il punto, secondo Figalli, è che oggi è possibile arrivare a una dimostrazione senza necessariamente aver compreso il ragionamento che la sostiene.
Per un giovane ricercatore questo potrebbe avere conseguenze particolarmente importanti. La formazione matematica passa infatti anche attraverso il confronto con problemi difficili, la ricerca di soluzioni che non sono immediatamente disponibili, gli errori e la necessità di costruire autonomamente un metodo. Se una macchina fornisce la soluzione prima che lo studente abbia sviluppato queste capacità, viene meno una parte dell’esercizio attraverso cui quelle capacità si formano. È lo stesso motivo per cui Villani distingue il risultato dal percorso. “Il tempo dedicato alla ricerca, alla verifica della soluzione e alla comprensione” non è, nella sua prospettiva, tempo perso rispetto all’obiettivo finale: è una parte del lavoro scientifico.
Il caso Navier-Stokes mostra però anche l’altro lato della questione. Córdoba riconosce che l’intelligenza artificiale può rappresentare una svolta proprio perché consente di accelerare enormemente procedure che per un essere umano richiederebbero tempi molto più lunghi. E Martínez-Zoroa ammette che, senza questi strumenti, il risultato avrebbe potuto non arrivare mai. Il confronto tra i matematici non porta dunque a una posizione unica sull’uso dell’intelligenza artificiale. La discussione riguarda piuttosto il modo in cui integrare questi strumenti nella ricerca senza confondere la capacità di produrre una dimostrazione con la capacità di comprenderla.
Ed è qui che la posizione di Villani assume un significato più ampio. Il suo invito a non utilizzare l’IA durante il dottorato non riguarda soltanto una scelta individuale. Mette al centro una questione che la ricerca matematica dovrà affrontare sempre più spesso: se le macchine diventano capaci di risolvere problemi prima degli esseri umani, come si può fare in modo che i matematici continuino a imparare a risolverli da soli? La possibile soluzione di Navier-Stokes ha reso questa domanda concreta.
