Duemila dollari. Tanto è costato il calcolo delle intelligenze artificiali che ha risolto dieci problemi di matematica e di informatica che erano fermi da almeno un decennio, addirittura uno di questi risultava irrisolto dal 1999. Nei giorni scorsi OpenAI ha pubblicato 249 pagine di dimostrazioni prodotte da Astra, modello non ancora disponibile sul mercato (probabilmente perché ancora in fase di sviluppo o di test), e pero ogni soluzione ha anche pubblicato un certificato Lean, il software che controlla uno ad uno i passaggi logici e accetta soltanto i passaggi privi di vuoti teorici. Bisogna chiarire che ancora nessuna delle dieci soluzioni è stata sottoposta a peer review, ossia la revisione tra pari, il vaglio con cui la comunità scientifica convalida una scoperta. Inoltre, c’è un precedente (https://techcrunch.com/2026/05/20/openai-claims-it-solved-an-80-year-old-math-problem-for-real-this-time/) che invita alla cautela: nell’ottobre 2025 Kevin Weil, allora vicepresidente di OpenAI, scrisse che GPT-5 aveva risolto dieci problemi di Erdős considerati aperti; si scoprì però che le soluzioni erano già presenti nella letteratura scientifica e il post venne cancellato.Al di là del fatto di cronaca, vale la pena soffermarsi su una domanda: se una macchina produce risposte esatte a costi irrisori, perché continuare a chiedere ai ragazzi di continuare a sgobbare per studiare matematica? La risposta più convincente è arrivata da Bill Thurston, medaglia Fields, che anni fa rispose a uno studente universitario che si domandava quale contributo potesse mai dare alla matematica: «il frutto della matematica è la chiarezza e la comprensione, non i teoremi in sé». David Bessis, matematico e saggista, ha ripreso quest'anno l’affermazione di Thurston e l’ha rilanciata: l'idea per cui la matematica consista nel produrre risultati corretti risulta tossica ad ogni livello, a cominciare dalla scuola primaria, perché un'equazione risolta serve a trasformare chi la risolve, un passaggio che nessuna macchina può compiere al posto nostro.C'è poi la differenza tra corretto e comprensibile, che il caso Astra porta alla ribalta. Daniel Litt (https://www.daniellitt.com/blog/2026/2/20/mathematics-in-the-library-of-babel), matematico che ha esaminato le risposte di diversi modelli Ai ad una serie di problemi matematici, ha osservato che molte soluzioni esatte sono scritte così male da rendere faticosissima la verifica. Qualche mese fa una startup ha formalizzato risultati ad un problema scritti in duecentomila righe di codice che nessuno vuole esaminare, semplicemente perché nessuno le capisce.Su questo terreno la comunità scientifica ha già preso posizione: il 2 giugno sedici ricercatori di quindici università hanno firmato la Dichiarazione di Leida, sostenuta dall'Unione matematica internazionale. Il documento indica cinque rischi: errori quasi invisibili dentro dimostrazioni convincenti; lavoro umano usato senza alcun tipo di formalizzazione o di attribuzione; dipendenza da tecnologie costose che crea disuguaglianza fra ricercatori; annunci gonfiati che sopravvalutano le macchine; perdita di autonomia nella scelta delle direttrici di ricerca. I rimedi proposti sono: dichiarare quali strumenti si sono impiegati; trattare l'intelligenza artificiale come strumento e mai come autore; far si che la responsabilità sia sempre saldamente in capo alla persona. La vicepresidente dell'Unione matematica internazionale, Ulrike Tillmann, ha scritto che «la matematica è, e dovrebbe sempre restare, un'attività profondamente umana».Gli effetti di un uso sostitutivo dell’AI si vedono già nelle università. Un’indagine su 326 studenti di Harvard (https://arxiv.org/abs/2406.00833) ha rilevato che quasi il 90% utilizza strumenti generativi e che, per circa un quarto degli utilizzatori, l’AI ha cominciato a sostituire i ricevimenti dei docenti e le letture obbligatorie. Negli Stati Uniti diversi docenti segnalano inoltre elaborati apparentemente perfetti che gli studenti non riescono poi a spiegare oralmente. In Italia il quadro è compatibile, poiché secondo le rilevazioni più recenti circa 81% degli studenti usa strumenti generativi e 65% li impiega per i compiti. Il ministero ha stanziato 100 milioni di euro per sperimentare l'intelligenza artificiale nelle scuole, ma il punto critico riguarda proprio la valutazione: quando il prodotto finale si ottiene in tre secondi, valutarlo non significa attribuire un voto a chi lo consegna, quanto piuttosto all’Ai che ha utilizzato.OpenAI, infine, ha annunciato che offrirà l'accesso gratuito ai suoi modelli di punta a 100mila ricercatori entro il 2027 (si parte con 10mila quest'estate, in istituzioni come l'Institute for Advanced Study), l’impegno dell’azienda peserà per oltre 250 milioni di dollari. Ma la ricerca è vissuta per secoli grazie ad infrastrutture condivise, riviste, banche dati, strumenti pubblici. I modelli di frontiera sono privati, costosi e in mano a pochi…chi arriva a dipenderne eredita un rapporto di fornitura che nessuno ha scelto o votato, inoltre un risultato ottenuto con un modello poi ritirato o riaddestrato diventa difficile da riprodurre o da verificare. Infatti, la Dichiarazione di Leida chiede ai governi di investire in alternative pubbliche: l’Europa, ancora troppo indietro, deve iniziare a correre per garantire ai propri cittadini un’intelligenza artificiale che sia veramente di tutti e non di pochi.