25 vincitori della Medaglia Fields hanno pubblicato una dichiarazione congiunta in cui indicano esplicitamente una «seria divergenza di obiettivi» tra le aziende che sviluppano l'IA e la comunità matematica. Il documento è apparso l'11 settembre 2026 su Le Monde e sul blog di Terence Tao; tra i firmatari figurano Pierre Deligne, Peter Scholze, Maryna Viazovska, Manjul Bhargava, Yu Deng e altri. La dichiarazione nasce nel contesto dei recenti annunci di OpenAI riguardanti la risoluzione del problema di Navier-Stokes in 88 ore con l'ausilio di migliaia di agenti e milioni di messaggi.
Il nocciolo della questione non è che l'IA risolva i problemi, ma come ciò avvenga e quali valori vengano promossi. La matematica valorizza tradizionalmente non il fatto stesso della soluzione, ma la comprensione delle strutture, l'isolamento del nuovo contributo, la verifica meticolosa, la corretta citazione e il tempo per la riflessione. Le aziende, invece, ottimizzano per la velocità e i benchmark pubblici: più velocemente un modello «chiude» un problema noto, maggiore è la sua valutazione agli occhi di investitori e utenti. Tale accelerazione, secondo i vincitori, distrugge il «terreno fertile» per le nuove idee e mina il processo di formazione degli studenti e delle idee nuove.
Metodologicamente, la dichiarazione si basa sull'osservazione di incidenti reali. I matematici osservano che i sistemi di IA spesso forniscono soluzioni senza un'esposizione scritta completa, senza evidenziare ciò che è realmente nuovo e senza tenere conto dei lavori precedenti. Ciò è direttamente collegato alle recenti controversie sulla priorità in problemi in cui OpenAI avrebbe utilizzato risultati ottenuti tramite modelli di altri laboratori senza un'adeguata attribuzione. A differenza del tradizionale processo matematico, in cui una dimostrazione passa attraverso la revisione paritaria e la discussione nella comunità, l'approccio delle macchine lascia poco spazio a tale riflessione.
Rispetto ai precedenti approcci all'integrazione degli strumenti computazionali nella matematica, la situazione attuale si distingue per la scala e la pressione commerciale. In passato, i computer venivano usati per la verifica o la ricerca di controesempi, ma non per la produzione di massa di «soluzioni» a problemi noti in tempi record. Gli sforzi paralleli di laboratori come DeepMind o Anthropic si concentrano anch'essi sui benchmark, tuttavia è stata OpenAI nelle ultime settimane a promuovere in modo più aggressivo la narrativa di una «svolta» nei Millennium Prize Problems. Ciò crea una dinamica competitiva in cui la velocità diventa il vantaggio principale, anziché la profondità della comprensione.
Le conseguenze per il settore sono evidenti: se la comunità iniziasse a orientarsi verso le soluzioni artificiali come metodo principale di avanzamento, lo spazio per il lavoro lento ma fondamentale si ridurrebbe. Gli studenti e i giovani ricercatori potrebbero perdere la motivazione per uno studio approfondito, poiché le «risposte» esistono già in accesso aperto. Inoltre, sorge il rischio di una diluizione della paternità e della responsabilità: chi è responsabile di un errore in una dimostrazione dell'IA, se questa è assemblata da migliaia di frammenti?
La dichiarazione non nega l'utilità dell'IA per la matematica, ma sottolinea la necessità di una discussione urgente sulle regole di interazione. I vincitori esortano la comunità matematica, gli sviluppatori e la società nel suo complesso a elaborare meccanismi che preservino il valore della comprensione concettuale e della corretta citazione. Senza tali meccanismi, la divergenza degli obiettivi non farà che accentuarsi, interessando non solo la matematica, ma anche altri ambiti del lavoro intellettuale.
La questione chiave che rimane aperta è se la comunità dei matematici riuscirà a imporre i propri standard di verifica e paternità agli sviluppatori di IA, o se la logica commerciale ridefinirà definitivamente ciò che viene considerato «progresso» nella scienza fondamentale.
