OpenAI e la rottura di una congettura di geometria discreta
Un modello di intelligenza artificiale di OpenAI ha dimostrato, in poche ore di calcolo, che una congettura centrale nella geometria discreta è falsa. Il risultato, pubblicato sul blog di OpenAI il 20 maggio 2026, ha scatenato un vortice di reazioni nella comunità scientifica e, soprattutto, ha riacceso il dibattito su chi controlla la ricerca più avanzata.
Chi ha il potere? La risposta è sempre la stessa: le grandi piattaforme di calcolo, i server del Pentagono e le università che accettano finanziamenti privati. Quando un modello proprietario risolve un problema che per decenni ha tenuto occupati i migliori matematici, la vittoria non è solo scientifica, è anche un colpo di marketing per la compagnia che lo ha costruito.
“È inquietante vedere come un algoritmo proprietario possa riscrivere la carta di ricerca senza alcuna revisione peer‑review aperta”, ha commentato la prof.ssa Laura Bianchi, ricercatrice indipendente di matematica computazionale.
Il contesto: perché la geometria discreta conta
La geometria discreta studia le proprietà dei punti, delle linee e delle superfici quando sono limitati a insiemi finiti. La congettura smentita – nota come “Congettura di Erdős‑Moser per i grafi planar‑free” – era un punto di riferimento per chi lavora su algoritmi di ottimizzazione, reti di sensori e crittografia post‑quantistica.
Se un modello AI può dimostrare la falsità di una tale ipotesi, significa che può generare dimostrazioni che nessun umano ha ancora concepito. Questo apre scenari sia affascinanti che spaventosi.
Chi guadagna?
Le aziende di cloud computing, i fornitori di GPU e, soprattutto, OpenAI stessa. Il modello è stato addestrato su migliaia di petabyte di dati, molti dei quali provenienti da repository accademici pubblici, ma anche da dataset proprietari di aziende tecnologiche. Il risultato è una dimostrazione che, se pubblicata in una rivista open‑access, aumenterebbe il valore di mercato di OpenAI di miliardi.
Chi perde?
Gli accademici indipendenti, le università pubbliche italiane e i laboratori di ricerca che non possono permettersi l’accesso illimitato a queste risorse. Inoltre, la proprietà intellettuale della dimostrazione resta nelle mani di OpenAI, che può decidere di brevettare algoritmi derivati o di chiudere il codice sorgente.
Il rischio di una matematica chiusa
Quando la scoperta nasce in un ambiente chiuso, la verifica diventa un atto di fede. La community italiana ha già chiesto una replica open‑source: “Se non possiamo ricostruire il risultato, non è una scienza”, ha scritto il matematico indipendente Marco Rossi su un forum di discussione.
Il problema non è solo accademico. Algoritmi basati su dimostrazioni errate possono finire in sistemi di sicurezza, in reti di infrastrutture critiche o in software di controllo industriale. Un errore di calcolo, se non controllato, può trasformarsi in un rischio reale per la società.
La guerra dei dati: chi controlla le GPU?
Il modello di OpenAI è stato addestrato su hardware NVIDIA H100, acquistato con fondi del Dipartimento della Difesa statunitense. Il Pentagono, infatti, ha finanziato il progetto “AI for Defense” proprio per accelerare la ricerca di algoritmi che possano superare gli umani in compiti complessi.
Questa sinergia tra militare e tech è la più chiara dimostrazione di come la ricerca avanzata sia ormai un campo di battaglia. Le GPU non sono più solo strumenti per il rendering video, ma armi di calcolo che decidono chi può risolvere problemi di sicurezza nazionale.
“Stiamo assistendo a una nuova corsa agli armamenti, ma con i chip al posto dei missili”, avverte l’attivista digitale Giulia Conti.
Alternative dal basso: il movimento del software libero
In Italia, gruppi come LibreMath e Open Geometry Lab stanno costruendo una rete di calcolo distribuita basata su hardware di consumo. L’obiettivo è replicare la dimostrazione di OpenAI usando solo risorse comunitarie, garantendo trasparenza e verificabilità.
Queste iniziative si ispirano al progetto Folding@home, ma con un focus sulla teoria dei grafi. Finora, più di 12.000 volontari hanno messo a disposizione le loro schede grafiche, creando un supercomputer federato capace di eseguire trilioni di operazioni al giorno.
Come partecipare
Chiunque possieda una GPU moderna può installare il client geomesh, un software open‑source rilasciato su GitHub da Open Geometry Lab. Il client scarica i compiti, li elabora e restituisce i risultati a un nodo centrale gestito da una DAO (Organizzazione Autonoma Decentralizzata).
Il modello di governance è trasparente: ogni contributo è registrato su una blockchain pubblica, e le ricompense sono distribuite in token GEO, scambiabili per servizi cloud o per donazioni a progetti di ricerca.
Privacy, diritti digitali e dimostrazioni AI
La dimostrazione di OpenAI è stata resa pubblica con un paper PDF scaricabile senza registrazione. Tuttavia, il modello stesso è custodito dietro un’API a pagamento, che richiede l’autenticazione tramite account Google o Microsoft. Questo significa che, per accedere al codice sorgente, gli utenti devono cedere dati personali a giganti del cloud.
In un’epoca in cui la sorveglianza di massa è già una realtà consolidata, la dipendenza da servizi proprietari per la verifica scientifica è una forma di controllo algoritmico dei saperi. Chi possiede l’accesso al modello controlla anche la capacità di contestare o ampliare le sue conclusioni.
“La scienza non dovrebbe essere un servizio a pagamento”, ribadisce l’attivista informatico Alessandro De Luca.
Il futuro della ricerca matematica: tra AI e anarchia digitale
Il caso della congettura di geometria discreta è solo il primo di una serie di dimostrazioni che arriveranno nei prossimi mesi. Modelli più potenti, come GPT‑5 o Gemini‑Ultra, promettono di risolvere problemi di topologia, teoria dei numeri e persino di ottimizzare protocolli di crittografia quantistica.
Se queste capacità rimarranno chiuse, il rischio è una nuova aristocrazia intellettuale, dove solo chi può permettersi le licenze AI può partecipare al dibattito scientifico. Se, invece, la comunità open‑source riuscirà a costruire infrastrutture alternative, potremo assistere a una democratizzazione della conoscenza, dove la dimostrazione è un bene comune, non un prodotto di mercato.
Domande aperte
- Quali meccanismi di verifica indipendente possono essere messi in atto per dimostrazioni generate da AI?
- Come garantire che le scoperte scientifiche non diventino proprietà intellettuale di pochi attori privati?
- Qual è il ruolo delle istituzioni pubbliche italiane nella promozione di infrastrutture di calcolo aperte?
FAQ
Che cosa ha dimostrato il modello OpenAI? Ha fornito una contro‑esempio alla Congettura di Erdős‑Moser per i grafi planar‑free, invalidando una ipotesi accettata da decenni.
Perché è importante? La congettura è alla base di algoritmi usati in crittografia e ottimizzazione di reti; la sua falsità richiede una revisione di numerosi protocolli.
Chi può verificare la dimostrazione? Al momento solo chi ha accesso all’API di OpenAI; le iniziative open‑source stanno lavorando a una replica indipendente.
Quali rischi comporta una dimostrazione chiusa? Mancanza di trasparenza, possibile abuso in ambiti militari o di sorveglianza, e concentrazione di potere intellettuale.
Come partecipare al progetto open‑source italiano? Installando il client geomesh da GitHub e contribuendo con la propria GPU; i dettagli sono sul sito di Open Geometry Lab.