Un annuncio utile sulla matematica con IA dovrebbe permettere di ricostruire il risultato. Quali problemi sono stati tentati? Che cosa è stato dimostrato? Chi ha verificato che l'enunciato formale corrispondesse alla domanda originale? AlphaProof Nexus offre materiale concreto per rispondere e mostra perché il numero di dimostrazioni richiede contesto.
Il resoconto originale descrive uno studio pubblicato su Science l'8 ottobre 2026, dopo un preprint di maggio. Il lavoro riporta nove problemi risolti su 353 problemi di Erdős selezionati, inclusi due aperti da 56 anni. Riporta inoltre 44 dimostrazioni su 492 congetture OEIS. Sono risultati su raccolte preparate, non un tasso di successo per domande matematiche arbitrarie.
Partire dall'insieme dei tentativi
Nove su 353 equivalgono a circa il 2,5%. Anche i restanti 344 tentativi fanno parte della valutazione, perché mostrano il limite attuale del metodo. I problemi dovevano inoltre essere rappresentabili in Lean e sostenuti dalle librerie formali disponibili. Selezione, copertura delle librerie e risorse di calcolo influenzano il risultato insieme alla capacità del modello.
Le evidenze comprendono l'articolo su Science, il preprint e il repository delle dimostrazioni. I file riusciti consentono il controllo logico; le formalizzazioni non risolte rendono visibile il perimetro della valutazione.
Distinguere tre tipi di correttezza
Lean controlla se la dimostrazione segue dalle definizioni e ipotesi codificate. Verificare che queste esprimano fedelmente il problema desiderato resta un compito distinto. Un quantificatore cambiato, una condizione al contorno omessa o un'ipotesi più forte possono far sì che una dimostrazione valida risponda a una domanda più debole.
La novità richiede un altro esame. Un teorema precedente può già implicare un risultato dimostrato autonomamente dal sistema. Il resoconto cita un audit che ha contestato la novità di un caso. Ciò non invalida la derivazione formale, ma modifica il contributo presentabile come nuova ricerca. Le reazioni degli esperti chiariscono questa distinzione.
Esaminare il contributo dell'agente
Il processo di base genera codice Lean, lo controlla e corregge i tentativi falliti usando le risposte del compilatore. Le configurazioni più elaborate aggiungono ricerca coordinata e il dimostratore specializzato AlphaProof. Tuttavia, la configurazione più semplice riportata ha risolto gli stessi nove problemi di Erdős senza quello strumento.
Prima di attribuire il successo alla complessità dell'architettura occorre quindi leggere gli studi di ablazione. Il ciclo diretto fra modello e verificatore può spiegare gran parte del risultato. I componenti aggiuntivi possono aiutare altrove, ma il loro valore va misurato in ulteriori successi, costi complessivi inferiori o migliore supporto scientifico.
Calcolare il costo dell'intero processo
Una sessione di inferenza riuscita è soltanto una voce di spesa. Ricerca fallita, formalizzazione, manutenzione delle librerie, revisione specialistica e spiegazione comprensibile della prova formale contribuiscono al risultato. Un prezzo per successo che li escluda non rappresenta il costo totale della scoperta.
In un progetto pilota conviene conservare insieme enunciati, strategie tentate, artefatti verificabili, spesa computazionale e interventi umani. Si controlla prima la fedeltà della formalizzazione, poi la dimostrazione e infine novità e valore esplicativo, prima di parlare di nuova soluzione.
La lezione generale è un modello di progettazione: associare generazione probabilistica a una valutazione rigorosa, preservare passaggi intermedi utili e concentrare l'attenzione degli esperti dove finiscono i controlli automatici. Il resoconto originale sostiene questa conclusione circoscritta e utile. Audit indipendenti e progressi su problemi prima irrisolti devono affiancare il numero delle dimostrazioni.