Tra il 2025 e il 2026 i modelli linguistici hanno conquistato ori alle olimpiadi di matematica e di informatica e hanno persino confutato una congettura di geometria aperta dal 1946. Ma il presidente delle Olimpiadi internazionali di matematica certifica il punteggio, non il metodo. Ed è il metodo, non il risultato, la vera novità: connessioni inattese tra domini lontani, che non sappiamo riprodurre e che nessuno, nemmeno chi costruisce i modelli, sa spiegare come emergono.
Indice degli argomenti
Da un caso isolato a un pattern
Nell’aprile 2026 un appassionato di matematica ha inserito in GPT-5.4 Pro un problema di teoria dei numeri aperto dal 1968, il Problem #1196 di Erdős, Sárközy e Szemerédi, e in poco più di un’ora il sistema ha prodotto una risposta da cui, attraverso il lavoro di matematici esperti e una verifica formale in Lean, è nata una dimostrazione. È possibile leggere l’episodio come un’eccezione: un colpo fortunato emerso da migliaia di tentativi inconcludenti, un classico caso di survivor bias.
Tale lettura non sembra bastare, perché il fenomeno si è ripetuto in forme diverse. Nel luglio 2025, all’International Mathematical Olympiad, la più prestigiosa gara di matematica per studenti, i modelli di Google DeepMind (Gemini Deep Think) e di OpenAI hanno raggiunto un punteggio da medaglia d’oro, risolvendo cinque problemi su sei. Il primo problema era costruito attorno alla nozione di sunny line, traducibile in italiano come “retta assolata”: una retta del piano che non sia parallela ai due assi né alla diagonale x + y = 0. Poche settimane dopo, all’International Olympiad in Informatics di Sucre, in Bolivia, un sistema di OpenAI ha ottenuto un punteggio da oro anche nella programmazione competitiva, classificandosi sesto assoluto e battendo tutti tranne cinque dei 330 concorrenti umani. E nel maggio 2026 un modello interno di OpenAI ha confutato la congettura di Erdős sulle distanze unitarie, un problema di geometria combinatoria formulato nel 1946 e considerato tra i più celebri del settore: un’ulteriore congettura caduta, in un dominio del tutto diverso da quello del Problem #1196, a poche settimane di distanza.
Il neologismo che smonta l’obiezione della memorizzazione
Il termine sunny line aiuta a mettere a fuoco la questione. “Retta assolata”, tradotto in italiano, non è un concetto matematico: è un neologismo inventato apposta per la gara, con una definizione fornita lì per lì nel testo del problema. Questo dettaglio conta, perché l’obiezione più ragionevole a risultati del genere è che i modelli si limitino a riproporre cose già viste durante la fase di addestramento, ed è un rischio concreto: i modelli vengono allenati su enormi quantità di testi matematici, soluzioni di esercizi noti e dimostrazioni già pubblicate, e spesso non fanno che ricombinare materiale memorizzato. Ma con un termine coniato sul momento quella scorciatoia non è disponibile: non esisteva nulla, nei dati di addestramento, che spiegasse cosa fosse una sunny line. Il modello non poteva ricordarne il significato, doveva applicare una regola nuova a un problema nuovo. Non è una prova di comprensione, ma sposta il problema: qui non c’è una risposta da ripescare in memoria, c’è una definizione da utilizzare.
Il survivor bias resta un avvertimento valido, ed è stato Terence Tao stesso a sollevarlo: per ogni risultato che finisce sotto i riflettori ci sono migliaia di tentativi falliti che nessuno racconta. Per il problema Erdős #1196 c’è anche una contro-prova: dieci esecuzioni indipendenti del modello, lanciate senza accesso a internet, hanno trovato la dimostrazione in otto casi su dieci, segno che almeno qui non si trattava di un colpo isolato. E quando il successo si ripete in domini distinti (matematica, programmazione, geometria) la domanda diventa: «che cosa, esattamente, sanno fare questi sistemi, e in che cosa consiste la loro abilità?».
Il risultato si certifica, il metodo no
La risposta più rapida la offre proprio il modo in cui questi risultati vengono validati. All’IMO 2025, Google DeepMind ha scelto di sottoporre il proprio modello allo stesso processo di valutazione riservato agli studenti. Il presidente delle olimpiadi, Gregor Dolinar, ha potuto così certificare il punteggio: 35 punti su 42, da medaglia d’oro, descrivendo le soluzioni come chiare, precise e per lo più facili da seguire. OpenAI, che non è passata da quel processo ma ha fatto valutare le proprie soluzioni da un panel di ex medagliati, ha annunciato un risultato analogo senza la certificazione ufficiale dell’IMO.
C’è però un dettaglio che dice molto più del punteggio. Nel comunicare il risultato, Google DeepMind ha precisato che la verifica dei giudici «non si estende a validare il nostro sistema, i nostri processi o il modello sottostante». Tradotto: l’IMO certifica che le soluzioni consegnate sono corrette e complete, cioè l’output. Non certifica come quell’output sia stato prodotto, né che sia riproducibile. La certificazione riguarda il risultato, il metodo resta fuori dal perimetro.
È una distinzione che a prima vista può sembrare marginale, ma che diventa il cuore della questione. Nel 2026 i risultati corretti, da soli, non sono più la notizia. Un modello che risolve cinque problemi olimpici su sei, o che individua la risposta giusta a una congettura, esibisce una performance impressionante ma sempre meno sorprendente. Ciò che continua a sorprendere, e che nessuna istituzione è in grado di certificare, è la strada.
Il metodo è la vera novità
Il punto non è che questi sistemi diano risposte giuste, ma il tipo di percorso con cui ci arrivano. Il problema delle distanze unitarie ha un enunciato semplicissimo (dati n punti nel piano, quante coppie possono trovarsi esattamente a distanza 1 l’una dall’altra?) e per quasi ottant’anni si era creduto che la disposizione migliore fosse una griglia quadrata. Il fatto rilevante non è soltanto che quella convinzione sia caduta, ma come: la costruzione che la smentisce importa strumenti di teoria algebrica dei numeri (la branca della matematica che studia i numeri interi e le loro generalizzazioni) dentro un problema di pura geometria del piano. Sono strumenti astratti, nati per tutt’altro scopo e considerati lontanissimi dalla geometria; erano noti agli specialisti, ma nessuno aveva mai pensato di usarli lì. I matematici che hanno esaminato il risultato hanno osservato che insegna qualcosa di nuovo sul problema stesso: la teoria dei numeri ha sulle questioni geometriche molto più da dire di quanto si sospettasse.
Lo stesso schema è emerso con Erdős #1196. È come se tutti, per decenni, avessero imboccato lo stesso bivio alla prima curva: Terence Tao ha osservato che proprio quella prima scelta, fatta da tutti allo stesso modo, era già la strada sbagliata. Il modello ha preso l’altra direzione. Il valore dell’output, agli occhi dei matematici, non stava nella risposta in sé, ma in quello scarto rispetto al percorso consolidato.
Metodo matematico e metodo del modello: due cose diverse
È qui che si concentra la novità degna di attenzione. Le olimpiadi mostrano che la macchina sa seguire una pista corretta fino in fondo; i problemi aperti mostrano che a volte sa imboccare una pista che nessuno aveva considerato. Il metodo, e non il risultato, è ciò che rende questi episodi qualcosa di più di un benchmark superato.
Conviene però distinguere due significati della parola “metodo”. C’è il metodo matematico: la strategia, il ponte tra domini lontani, le idee che reggono la dimostrazione. Questo metodo, una volta che un esperto lo ricostruisce, diventa visibile e perfino istruttivo. E c’è il metodo nel senso del processo con cui il modello vi è arrivato: questo resta opaco. Sappiamo che la strada nuova è stata trovata, ma non come né perché il sistema l’abbia imboccata. Il risultato è verificabile, la strategia matematica è ricostruibile, ma il percorso interno che le ha generate non è trasparente, nemmeno, come vedremo, per chi i modelli li costruisce.
Si può risolvere senza comprendere?
È la domanda che divide gli studiosi (Mitchell e Krakauer, 2023): un sistema può produrre un metodo nuovo e corretto, un ponte tra teoria dei numeri e geometria, senza comprendere ciò che fa nel senso in cui lo comprende un matematico?
La matematica è il banco di prova ideale, perché separa nettamente due cose che altrove si confondono. Un proof assistant come Lean verifica meccanicamente se ogni passaggio di una dimostrazione segue dalle premesse: non giudica se sia elegante o “capita”, accetta o rifiuta. La correttezza, qui, non richiede comprensione. Lo si era già visto: in uno studio del 2022 (Wu e colleghi) i modelli traducevano oltre un quarto dei problemi di competizione in specifiche formali corrette per un proof assistant, pur essendo la matematica formale una porzione minima dei dati di addestramento. O la traduzione regge logicamente, o non regge, a prescindere dal fatto che il sistema “sappia” cosa scrive.
Compressione, comprensione e il livello giusto di spiegazione
Da qui due visioni opposte. Per Hinton comprimere bene equivale a comprendere: per prevedere la parola successiva su un’enorme quantità di testi un modello non può impararli a memoria, deve scoprire le regolarità che li generano, e questo già lo costringe a «capire ciò che viene detto» (Hinton, 2025). All’opposto, l’AI viene definita un “pappagallo stocastico“, una macchina che ricuce forme già viste senza accesso al significato (Bender et al., 2021). Nessuno dei due poli spiega però il fenomeno per intero.
La compressione non basta a fare comprensione. Cogliere le regolarità statistiche di un testo non è coglierne il significato, il legame tra i simboli e il mondo cui rimandano: è la distinzione che Mahowald e colleghi (2024) hanno reso operativa separando la formal competence, la padronanza di regole e pattern, dalla functional competence, l’uso del linguaggio per pensare e agire nel mondo. Gli LLM padroneggiano ormai la prima e restano incompleti nella seconda. Un modello può così produrre una dimostrazione corretta senza la comprensione che la lega a un significato: in matematica le due cose si separano materialmente, perché Lean controlla la forma e un esperto ne riconosce la portata. Una macchina può risolvere senza comprendere, purché la comprensione la fornisca qualcun altro.
Ma anche il “pappagallo” è fuorviante come descrizione esaustiva, per due ragioni. La prima: la sua premessa, che dalla sola forma non emerga alcun modello del mondo, non è scontata. L’ipotesi distribuzionale della linguistica nota da tempo che «si conosce una parola dalla compagnia che frequenta» (Firth, 1957): un modello addestrato solo su sequenze di mosse di un gioco da tavolo sviluppa al suo interno una rappresentazione del tabellone che nessuno gli ha fornito (Li e colleghi, 2023), e la forma trasporta più mondo di quanto la metafora del pappagallo conceda. La seconda è una questione di livello. Dire che un modello “predice il token successivo” spiega quanto dire che “il gatto è composto da atomi” (Cristianini, 2026). Già nel 1972 Anderson osservava che more is different, le proprietà che emergono a un livello non si deducono da quello sottostante; e il comportamento che vogliamo capire emerge ad un livello più alto.
Resta una conclusione meno netta dei due poli ma più aderente ai fatti: un modello può arrivare alla soluzione corretta senza essere un soggetto che comprende, e tuttavia non si limita a ripetere forme già viste. Che cosa avvenga in questo spazio intermedio, oggi non sappiamo ancora descriverlo.
Perché il metodo resta opaco
Si potrebbe pensare che l’opacità del metodo sia solo una scelta delle istituzioni, una cautela dell’IMO. Non è così: è una condizione strutturale, e lo ammette chi questi sistemi li costruisce.
Anthropic è probabilmente l’azienda che ha investito di più nel capire cosa accade dentro i propri modelli. Con una tecnica chiamata circuit tracing, descritta nei lavori del 2025 sui “circuiti” e sulla “biologia” di un modello linguistico, i suoi ricercatori riescono a ricostruire alcune catene di calcolo, i meccanismi elementari con cui il modello passa dalle parole in ingresso a quelle in uscita. È un risultato notevole. Ma gli stessi autori ne segnano i limiti con onestà. Joshua Batson (Research Scientist di Anthropic) ha spiegato che il circuit tracing permette di osservare le strutture interne, ma non dice come o perché quelle strutture si siano formate durante l’addestramento. Una domanda profonda che il metodo non affronta affatto. E che il metodo, anche su frasi brevi, cattura solo una frazione del calcolo totale.
C’è poi una ragione di principio per cui non basterebbe nemmeno mappare ogni “neurone” artificiale. L’analogia col cervello è suggestiva ma in larga parte forzata: l’intelligenza non si spiega con la sola connettività, né nei cervelli né nei modelli. Non a caso l’interpretabilità non si ferma ai singoli neuroni, ma costruisce strati intermedi, per rendere leggibile ciò che accade. Il fatto stesso che servano quei livelli dice che la spiegazione non sta nel substrato, ma nell’organizzazione che vi emerge al di sopra. È la stessa ammissione da cui parte Dario Amodei (CEO e co-fondatore di Anthropic) quando scrive che non capiamo come funzionino le nostre stesse creazioni, una situazione che definisce senza precedenti nella storia della tecnologia. Il quadro così sembra chiudersi in un vicolo senza uscita: il presidente dell’IMO non certifica il metodo perché non è verificabile dall’esterno; e non è spiegabile nemmeno dall’interno, perché chi ha addestrato il modello sa mappare i circuiti ma non ricostruire la genesi della capacità che li ha prodotti.
Resta però una domanda che non richiede di aprire la scatola. Se non possiamo spiegare come il modello sia arrivato lì, possiamo almeno chiederci perché sia arrivato dove la comunità non era arrivata. E qui una risposta, parziale, c’è.
Il limite è allocativo, non cognitivo
La tentazione è dire che il modello «pensa fuori dagli schemi». Ma non spiega nulla perché declina il problema in una questione psicologica, quando la dinamica è diversa, e riguarda il modo in cui questi sistemi generano.
Una comunità non esplora tutte le possibilità in modo uniforme. Concentra tempo, attenzione e risorse sugli approcci che l’esperienza accumulata indica come più promettenti. È un meccanismo necessario, senza il quale la ricerca diventerebbe dispersiva, ma ogni selezione produce esclusioni. James March (1991) descrive questa tensione come rapporto tra exploration ed exploitation: esplorare il nuovo è costoso e rischioso, sfruttare il consolidato è più affidabile. Gli studi sul path dependence (piccoli eventi passati, anche se non più rilevanti, possono avere conseguenze significative in tempi successivi) hanno mostrato che, quando una comunità converge su una traiettoria, allontanarsene diventa progressivamente più difficile, anche senza alcun divieto esplicito (Arthur, 1989).
Un modello linguistico opera in condizioni diverse, non perché sia “più creativo”, ma perché non sostiene il costo dei tentativi falliti. Un ricercatore che dedica giorni, mesi o anni a una direzione improduttiva consuma tempo, reputazione, opportunità; il modello no. Può generare migliaia di combinazioni senza alcuna penalizzazione interna, e senza applicare quei filtri metacognitivi e sociali (è plausibile? è difendibile? verrà presa sul serio?) che strutturano l’esplorazione umana. Lebuda e Benedek (2023) hanno descritto proprio come, nella mente umana, la produzione di idee sia accompagnata da una continua metacognizione creativa che valuta e scarta in tempo reale le piste che appaiono inadeguate: un filtro che il modello, mentre genera, non possiede. Continua semplicemente a produrre continuazioni statisticamente compatibili, comprese quelle che un ricercatore avrebbe scartato prima ancora di formularle.
Questo profilo è stato anche misurato. In un recente studio, Bellemare-Pepin e colleghi (2026) hanno confrontato gli output di diversi modelli con un campione di centomila persone su compiti di pensiero divergente, e hanno trovato che i modelli superano la diversità semantica media umana: il loro spazio di esplorazione è sistematicamente più ampio, pur restando al di sotto della parte più creativa del campione. In altri termini, là dove un ricercatore scarta in fretta le piste che sembrano assurde, il modello le percorre tutte. Il limite emerso nei casi recenti non era dunque un limite cognitivo della comunità matematica: non mancava la capacità di capire quelle direzioni. Era un limite allocativo. E in alcune di quelle zone poco battute si annidano combinazioni inattese.
Cosa cambia, in pratica
Se accettiamo che questi sistemi producano metodi cognitivamente significativi senza comprenderli, le conseguenze pratiche sono concrete. Per chi fa ricerca, gli LLM servono soprattutto a scuotere le abitudini di una disciplina: non sostituiscono il giudizio dello studioso, ma propongono analogie insolite, combinano tecniche di solito separate, insistono su ipotesi scartate troppo presto. Il loro valore non emerge quando il modello “ha ragione” da solo, ma quando lo scarto tra la sua plausibilità e quella della comunità costringe a riesaminare assunti invisibili. Tao ha definito la matematica «il ramo della fisica dove gli esperimenti sono economici»: provare un’idea non richiede un laboratorio, bastano carta e calcolo. Questi sistemi abbassano ancora quel costo, perché generano tentativi in quantità. E non vale solo per la ricerca. Ovunque un’organizzazione affidi all’intelligenza artificiale parte delle proprie decisioni torna l’asimmetria vista alle olimpiadi, dove verificare se un risultato è corretto è più facile che spiegare come il sistema ci sia arrivato, o essere certi che ci arriverà di nuovo. Così la competenza che conta si sposta dal calcolo al giudizio: riconoscere, in una risposta fuori dagli schemi, quella che merita di essere presa sul serio.
Il modo più utile di vederli è come un’estensione delle nostre capacità: ci liberano da vincoli di risorse e ci portano dove non avevamo pensato di guardare. Ma, come per Erdős #1196, la strada nuova vale solo se siamo noi a riconoscere l’idea giusta in ciò che producono: senza quello sguardo, resta un vicolo cieco.
Bibliografia
Amodei, D. (2025). The urgency of interpretability. darioamodei.com.
Anderson, P. W. (1972). More is different. Science, 177(4047), 393–396.
Anthropic (2025). Tracing the thoughts of a large language model / On the biology of a large language model. Transformer Circuits / Anthropic Research.
Arthur, W. B. (1989). Competing technologies, increasing returns, and lock-in by historical events. The Economic Journal, 99(394), 116–131.
Bellemare-Pepin, A., Lespinasse, F., Thölke, P. et al. (2026). Divergent creativity in humans and large language models. Scientific Reports, 16, 25157.
Bender, E. M., Gebru, T., McMillan-Major, A. & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT), 610–623.
Bender, E. M. & Hanna, A. (2025). The AI con: How to fight Big Tech’s hype and create the future we want. Harper.
Bender, E. M. & Koller, A. (2020). Climbing towards NLU: On meaning, form, and understanding in the age of data. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, 5185–5198.
Cresswell-Jones, A. (2026, aprile). Amateur armed with GPT-5.4 Pro cracks a 60-year-old Erdős problem. Scientific American.
Cristianini, N. (2026). Forma mentis: La corsa per decifrare i pensieri delle macchine. Il Mulino.
Firth, J. R. (1957). A synopsis of linguistic theory, 1930–1955. In Studies in Linguistic Analysis (pp. 1–32). Blackwell.
Google DeepMind (2025). Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad. deepmind.google.
Heath, N. (2025). Anthropic can now track the bizarre inner workings of a large language model. MIT Technology Review.
Hinton, G. (2025). Geoffrey Hinton on artificial intelligence and risk [Conversazione con Y. Mounk]. Persuasion.
Kim, J. S., Elli, G. V. & Bedny, M. (2019). Knowledge of animal appearance among sighted and blind adults. Proceedings of the National Academy of Sciences, 116(23), 11213–11222.
Lebuda, I. & Benedek, M. (2023). A systematic framework of creative metacognition. Physics of Life Reviews, 46, 161–181.
Li, K., Hopkins, A. K., Bau, D., Viégas, F., Pfister, H. & Wattenberg, M. (2023). Emergent world representations: Exploring a sequence model trained on a synthetic task. In International Conference on Learning Representations (ICLR).
Mahowald, K., Ivanova, A. A., Blank, I. A., Kanwisher, N., Tenenbaum, J. B. & Fedorenko, E. (2024). Dissociating language and thought in large language models. Trends in Cognitive Sciences, 28(6), 517–540.
March, J. G. (1991). Exploration and exploitation in organizational learning. Organization Science, 2(1), 71–87.
Mitchell, M. & Krakauer, D. C. (2023). The debate over understanding in AI’s large language models. Proceedings of the National Academy of Sciences, 120(13), e2215907120.
OpenAI (2025). OpenAI’s system achieves gold-medal-level performance at the International Olympiad in Informatics 2025.
OpenAI (2026). An OpenAI model has disproved a central conjecture in discrete geometry. openai.com.
Silver, D., Hubert, T., Schrittwieser, J. et al. (2018). A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play. Science, 362(6419), 1140–1144.
Tao, T. (2026, aprile). Commenti al thread del Problem #1196 [Forum post]. Erdős Problems. https://www.erdosproblems.com/forum/thread/1196
Wu, Y., Jiang, A. Q., Li, W., Rabe, M. N., Staats, C., Jamnik, M. & Szegedy, C. (2022). Autoformalization with large language models. arXiv preprint, arXiv:2205.12615.
Partecipa alla community