Venticinque tra i più grandi matematici al mondo (tutti insigniti della Medaglia Fields, inclusi Deligne, Scholze, Viazovska, Hairer, Villani e Bhargava) hanno pubblicato l'11 settembre 2026 un manifesto congiunto su mathandai.org e sul blog di Terence Tao. La loro preoccupazione riguarda il netto contrasto tra la visione del settore tech e la natura della matematica: focalizzarsi unicamente sul "risolvere" rischia di distruggere l'essenza stessa della materia, il cui scopo primario resta comprendere.

Qui di seguito riportiamo una traduzione in italiano del del manifesto (per consultare l’originale si veda https://mathandai.org/).

Un grave disallineamento dell'IA in matematica

Negli ultimi mesi, le capacità matematiche dei LLM (modelli linguistici di grandi dimensioni) sono migliorate drasticamente, al punto da poter risolvere importanti problemi irrisolti in molti campi della matematica. Tuttavia, la spinta delle aziende di IA a risolvere problemi matematici come banco di prova è dannosa per la scienza della matematica e per la comunità matematica. Gli obiettivi delle aziende di IA e quelli della comunità matematica sono gravemente disallineati. Consideriamo tutto ciò come parte di problemi di allineamento più ampi che hanno un impatto su altre professioni scientifiche e creative, così come sull'intera società.

La ricerca matematica si occupa di comprendere le strutture di base delle forme, dei numeri e dei fenomeni naturali. Nel corso delle generazioni, ha costruito un vasto corpus di idee sofisticate, metodi, astrazioni e altri strumenti per comprendere il panorama matematico. A loro volta, le tecnologie e le scienze moderne si basano su strumenti matematici.

I problemi famosi sono spesso serviti come punti di riferimento e fari con cui misurare una migliore comprensione di questo panorama. Risolvere uno di questi problemi è stato un segno inequivocabile di nuove intuizioni e metodi interessanti, che sarebbero poi stati studiati da una comunità di matematici attraverso un lungo e arduo processo di conferenze, discussioni e semplificazioni. Alla fine di questo processo, idealmente si arriva a una presentazione dei risultati in un libro di testo, adatta allo studio da parte di qualsiasi studente di dottorato o persino di laurea triennale. Alcune idee matematiche proseguono il loro viaggio ancora oltre, diventando, decenni o secoli dopo, strumenti compresi e utilizzati dall'intera popolazione.

La comunità matematica funziona, per molti versi, come una versione in miniatura dell'umanità. È composta da individui che utilizzano un'ampia varietà di approcci diversi, uniti da valori fondamentali. Le risorse più preziose della nostra professione sono gli studenti e le idee, e ce ne prendiamo cura con grande attenzione. Ci sentiamo responsabili di farli crescere fino al loro massimo potenziale, finché non saranno in grado di vivere di vita propria nel mondo matematico. Agli studenti suggeriamo spesso problemi con l'intento principale di sviluppare competenze che li posizionino al meglio per i progressi nella ricerca e in altri ambiti. Diffondiamo le nostre idee attraverso conferenze, discussioni private e resoconti accurati, collegandole alle idee precedenti di altri. Questi processi richiedono invariabilmente tempo e si basano sull'interazione umana.

Negli ultimi mesi, il successo dell'IA nel risolvere importanti problemi matematici ha fatto notizia anche al di fuori degli ambienti matematici. Ma risolvere problemi è solo uno strumento e un mezzo per raggiungere l'obiettivo primario della comprensione e dell'intuizione concettuale. Dimenticare questo aspetto nel mondo dell'IA rischia di rivoltare lo strumento contro l'obiettivo primario. Infatti, la produzione di massa a ritmi sempre più serrati di affermazioni "vere/false" potrebbe distruggere il terreno fertile invece di infondere vita a nuove idee.

Spesso queste soluzioni vengono annunciate in fretta, senza lasciare il tempo per una stesura adeguata, per isolare nuovi metodi e idee, e per citare i relativi lavori precedenti di altri. Come in tutte le professioni creative, questo solleva gravi questioni di attribuzione e plagio. Inoltre, senza la volontà dei matematici che devono occuparsi del loro sviluppo e della loro integrazione nel canone matematico, le idee concepite dall'IA non prenderebbero mai pienamente vita e si perderebbe la cruciale catena di trasmissione umana tra i matematici.

Stiamo assistendo a una minaccia generale al lavoro intellettuale, con un disallineamento tra i risultati dell'uso dell'IA e il suo scopo iniziale. In molti campi e attività, anni di formazione sono tradizionalmente serviti non solo a produrre una risposta o un prodotto finale, ma anche a sviluppare la comprensione e la capacità di formulare nuove domande e idee. Tuttavia, basandosi su un vasto corpus di lavoro umano precedente, i sistemi di IA stanno diventando sempre più capaci di produrre direttamente i risultati di tale lavoro, e questi obiettivi cessano di allinearsi. I problemi che la comunità matematica sta affrontando ora sono simili a quelli che stanno affrontando altre professioni scientifiche e creative, e indicano problemi che l'intera umanità potrebbe dover affrontare: come assicurarci che, mentre l'IA cambia il modo in cui viene svolto il lavoro, non perdiamo di vista ciò che quel lavoro era destinato a ottenere in primo luogo.

L'IA offre il potenziale per migliorare e accelerare l'autentico studio e la comprensione della matematica. La matematica come professione dovrà adattarsi a questi cambiamenti in vari modi. Tuttavia, se questi cambiamenti andranno in ultima analisi a beneficio del settore o se avranno un effetto distruttivo, dipenderà in gran parte dalle decisioni degli esseri umani che hanno il controllo su questa nuova tecnologia.

Questi problemi devono essere affrontati urgentemente, all'interno della comunità matematica, dalle aziende che sviluppano queste tecnologie e, in senso più ampio, da una società che si troverà ad affrontare problemi simili in molte altre forme di lavoro intellettuale.

Artur Avila (Fields Medal 2014)
Manjul Bhargava (Fields Medal 2014)
Caucher Birkar (Fields Medal 2018)
Pierre Deligne (Fields Medal 1978)
Yu Deng (Fields Medal 2026)
Simon Donaldson (Fields Medal 1986)
Hugo Duminil-Copin (Fields Medal 2022)
Alessio Figalli (Fields Medal 2018)
Martin Hairer (Fields Medal 2014)
June Huh (Fields Medal 2022)
Maxim Kontsevich (Fields Medal 1998)
Elon Lindenstrauss (Fields Medal 2010)
Pierre-Louis Lions (Fields Medal 1994)
James Maynard (Fields Medal 2022)
Curtis McMullen (Fields Medal 1998)
Shigefumi Mori (Fields Medal 1990)
Ngô Bảo Châu (Fields Medal 2010)
Andrei Okounkov (Fields Medal 2006)
Peter Scholze (Fields Medal 2018)
Stanislav Smirnov (Fields Medal 2010)
Terence Tao (Fields Medal 2006)
Maryna Viazovska (Fields Medal 2022)
Cédric Villani (Fields Medal 2010)
Wendelin Werner (Fields Medal 2006)
Efim Zelmanov (Fields Medal 1994)