E' scontro se l'AI ha risolto l'equazione Navier-Stokes mentre un ricercatore di Anthropic lascia perchè troppo pericolosa

OpenAI ha annunciato che un modello di intelligenza artificiale non ancora distribuito al pubblico avrebbe prodotto in circa 88 ore una soluzione al problema di Navier-Stokes, uno dei sette Problemi del Millennio. L'ipotesi, resa pubblica l'8 settembre 2026, è stata accompagnata dal lavoro simultaneo di circa 10.000 agenti e da costi di calcolo nell'ordine dei milioni di dollari. La dimostrazione, però, non è stata ancora verificata dalla comunità matematica: per ora resta una rivendicazione aziendale, non un risultato formalmente riconosciuto.

Il giorno successivo, una vicenda diversa ha mostrato lo stesso divario tra la velocità dei sistemi e quella del controllo umano. Jacob Coxon, ricercatore britannico di 27 anni, ha lasciato Anthropic denunciando la corsa verso una superintelligenza capace di auto-migliorarsi. Le due notizie si incontrano su una domanda precisa: quanto possono avanzare rapidamente i sistemi di AI, e quanto tempo occorre alle persone per comprenderne, controllarne e verificarne i risultati?

Che cosa avrebbe risolto l'AI con Navier-Stokes

Le equazioni di Navier-Stokes descrivono il movimento dei fluidi, dall'acqua all'aria, e vengono usate nello studio di fenomeni legati all'aeronautica, alla meteorologia e alla fisiologia. Il problema scelto dal Clay Mathematics Institute, l'ente che ha individuato i Problemi del Millennio, non consiste però nel calcolare una singola traiettoria né nel simulare un flusso su un computer.

La questione riguarda le equazioni tridimensionali dei fluidi incomprimibili. Date condizioni iniziali regolari, le soluzioni rimangono sempre regolari oppure possono sviluppare, in un tempo finito, una singolarità? In quest'ultimo caso alcuni valori diventerebbero non controllabili. La soluzione deve dimostrare l'esistenza globale e la regolarità delle soluzioni, oppure provare che un collasso matematico può verificarsi.

La differenza rispetto a una simulazione numerica è sostanziale. Anche il calcolo più preciso prende in esame un insieme finito di casi e dipende da approssimazioni. Una dimostrazione, invece, deve valere per l'intera classe di condizioni prevista dalla formulazione del problema.

Un modello linguistico o un sistema composto da agenti può proporre passaggi, costruire lemmi e suggerire una strategia. La prova regge soltanto se ogni passaggio logico è corretto.

La versione di OpenAI e il ruolo dei 10.000 agenti

OpenAI ha riferito di avere iniziato ad addestrare, alla fine di agosto 2026, un nuovo modello più potente di quelli distribuiti fino a quel momento. Dopo averlo orientato sui Problemi del Millennio ancora aperti, il gruppo avrebbe concentrato le risorse su Navier-Stokes, incoraggiato dai primi risultati.

Sebastien Bubeck, ricercatore di OpenAI, ha descritto una fase in cui circa 10.000 agenti lavoravano contemporaneamente e comunicavano tra loro. Secondo il racconto dell'azienda, la soluzione sarebbe arrivata dopo circa 88 ore. Mark Chen, chief research officer di OpenAI, ha presentato l'episodio come un traguardo per la ricerca sull'intelligenza artificiale.

La macchina organizzativa e computazionale ha avuto un prezzo elevato. Chen ha parlato di una spesa nell'ordine dei milioni di dollari, circa 1.000 volte superiore a quella associata ad alcuni precedenti risultati matematici citati dall'azienda. OpenAI ha anche dichiarato che, se la soluzione venisse convalidata, non reclamerebbe il premio da 1 milione di dollari collegato al Problema del Millennio.

La quantità di calcolo impiegata dice qualcosa sulla scala dell'esperimento, non sulla validità della prova. Restano aperte, tra le altre, queste questioni:

• non è stato precisato quale sia il modello non ancora rilasciato né quale parte del lavoro sia stata svolta dagli agenti;
• non è disponibile la dimostrazione completa, né è chiaro in quale forma possa essere esaminata;
• deve essere verificato che ogni passaggio sia formalmente corretto e coerente con la formulazione del problema;
• non sono stati chiariti i controlli indipendenti svolti e il percorso di revisione tra pari.

Una risposta coerente non equivale a una prova

In matematica il tempo necessario per formulare una congettura non coincide con quello richiesto per trasformarla in conoscenza condivisa. Una prova può essere molto lunga, sofisticata e difficile da controllare anche per gli specialisti. Il fatto che sia stata prodotta da molti agenti, o che i suoi passaggi appaiano coerenti, non elimina l'esame umano.

La revisione tra pari serve a cercare errori, ipotesi nascoste, salti logici e interpretazioni che non rispettano la domanda iniziale. Per un risultato destinato a risolvere uno dei Problemi del Millennio ci si attenderebbe la pubblicazione della dimostrazione, ma anche controlli condotti da matematici indipendenti e una discussione pubblica abbastanza approfondita.

Il premio del Clay Mathematics Institute non viene assegnato subito dopo un annuncio. A ciascuno dei sette problemi è associato un riconoscimento da 1 milione di dollari, ma la soluzione deve rispettare le condizioni fissate dall'ente e completare il percorso di valutazione previsto. Nessuna delle informazioni disponibili mostra, al momento, che questo iter sia arrivato alla fine.

Chi ha avuto l'idea?

L'annuncio di OpenAI è arrivato poche ore dopo la diffusione del lavoro di Tristan Buckmaster, matematico della New York University, e Levent Alpoge, ricercatore legato ad Anthropic. I due avevano pubblicato una ricerca assistita dall'intelligenza artificiale su tre equazioni correlate.

Buckmaster ha sostenuto che OpenAI avrebbe iniziato a occuparsi del problema dopo che la notizia della loro ricerca aveva iniziato a circolare. Secondo la sua contestazione, l'azienda avrebbe poi adottato un approccio insolito sviluppato dal suo gruppo durante mesi di lavoro. Il punto, quindi, non riguarda soltanto chi possa rivendicare una prova finale, ma anche la paternità dell'idea e della strategia.

Bubeck ha negato che OpenAI avesse avuto accesso ai prompt o alle dimostrazioni del team rivale. I ricercatori dell'azienda hanno dichiarato di avere proposto una condivisione del merito, prima di concludere che il lavoro di Buckmaster e Alpoge non risolveva interamente il problema.

Senza dimostrazioni accessibili al pubblico e verificabili, non è possibile stabilire in modo indipendente quale approccio sia arrivato per primo, né misurare l'incidenza dei singoli contributi.

Le dimissioni di Jacob Coxon da Anthropic

Jacob Coxon, ricercatore britannico di 27 anni, ha annunciato il 9 settembre 2026 di essersi dimesso da Anthropic. In precedenza aveva lavorato anche presso OpenAI. Nei messaggi pubblicati su X ha accusato entrambe le aziende di spingersi verso sistemi di superintelligenza che, secondo l'ipotesi discussa dai ricercatori, potrebbero migliorarsi autonomamente.

Ha detto di non voler partecipare a una competizione che considera una scommessa sulle vite umane. A suo giudizio i laboratori stanno entrando in una fase nella quale sistemi sovrumani potrebbero violare infrastrutture informatiche, trasformare interi settori economici in tempi molto brevi e procurarsi risorse e potere nel mondo reale.

Coxon ha indicato la fine del decennio come l'orizzonte entro il quale, secondo le convinzioni espresse da alcuni addetti ai lavori, l'intelligenza artificiale potrebbe diventare letale per l'umanità. È una valutazione personale, un allarme, non una previsione scientifica dimostrata. Nel dibattito pesa però il fatto che Coxon abbia lavorato all'interno di due laboratori importanti.

La stima di Evan Hubinger e il problema dell'allineamento

Evan Hubinger, ricercatore di Anthropic che si occupa di allineamento, ha risposto sostenendo di ritenere superiore al 10% la probabilità che l'intelligenza artificiale possa sterminare l'umanità entro il prossimo decennio. Ha distinto il rischio dei modelli disponibili oggi, che considera basso, dalla sua preoccupazione per sistemi futuri più capaci.

Con il termine allineamento si indica il problema di mantenere gli obiettivi e i comportamenti di un sistema compatibili con le intenzioni e con la sicurezza degli esseri umani. L'auto-miglioramento ricorsivo, cioè la capacità ipotizzata di costruire versioni successive sempre più potenti con un intervento umano ridotto, non viene presentato nelle fonti come una capacità già realizzata. È uno degli scenari presi in considerazione nello sviluppo dei modelli avanzati.

Hubinger ha affermato che Anthropic sta facendo tutto il possibile per la sicurezza. Ha anche riconosciuto, però, che l'azienda non dispone ancora di un piano risolutivo per l'allineamento di una futura superintelligenza e che non è chiaro se la traiettoria attuale basti. Anthropic e OpenAI non hanno fornito una risposta immediata alle richieste di commento riportate nelle ricostruzioni disponibili.