L’AI sfida 167 anni di matematica: il caso dell’ipotesi di Riemann

Un matematico di Anthropic annuncia una possibile dimostrazione con Claude. La comunità scientifica è chiamata a verificarla, mentre si apre un nuovo capitolo nel rapporto tra intelligenza umana e artificiale.

Ci sono problemi scientifici che attraversano le generazioni. Sopravvivono ai cambiamenti tecnologici, resistono ai tentativi dei migliori studiosi e finiscono per rappresentare qualcosa di più di una semplice domanda senza risposta.

L’ipotesi di Riemann appartiene a questa categoria.

Formulata nel 1859 dal matematico tedesco Bernhard Riemann, da 167 anni rappresenta una delle sfide più affascinanti della matematica. Il suo significato è strettamente legato alla distribuzione dei numeri primi, quei numeri divisibili soltanto per uno e per sé stessi sui quali si fonda una parte essenziale della teoria dei numeri.

Il 20 novembre 2026, una notizia ha improvvisamente riportato questo problema al centro dell’attenzione internazionale. Levent Alpöge, matematico che lavora presso Anthropic, ha annunciato di ritenere di aver trovato una dimostrazione dell’ipotesi con l’aiuto di Claude, il modello di intelligenza artificiale sviluppato dall’azienda.

Non sappiamo ancora se la dimostrazione sia corretta. E questa precisazione è fondamentale.

Ma anche l’annuncio, indipendentemente dal suo esito, solleva interrogativi che potrebbero modificare profondamente il nostro modo di intendere la ricerca scientifica.

Un problema che ha resistito a generazioni di matematici

L’ipotesi di Riemann non riguarda direttamente un modo semplice per individuare tutti i numeri primi. È una congettura precisa sul comportamento degli zeri non banali di una funzione matematica, chiamata funzione zeta di Riemann.

Secondo l’ipotesi, tutti questi zeri si trovano su una particolare linea del piano complesso, caratterizzata da una parte reale uguale a un mezzo.

La sua dimostrazione permetterebbe di comprendere con maggiore precisione le oscillazioni nella distribuzione dei numeri primi.

È uno dei sette Millennium Prize Problems, selezionati nel 2000 dal Clay Mathematics Institute, che ha previsto un premio di un milione di dollari per ciascuna soluzione riconosciuta.

Nel corso del tempo sono stati ottenuti numerosi risultati parziali, ma nessuna dimostrazione completa ha finora raggiunto il riconoscimento della comunità matematica.

È in questo scenario che arriva l’annuncio di Alpöge.

Il ricercatore ha pubblicato una nota di quattro pagine dichiarando di credere di aver trovato, lavorando con Claude, una dimostrazione dell’ipotesi di Riemann e di una sua generalizzazione.

Non si tratta quindi di una scoperta già confermata, bensì di una rivendicazione scientifica di portata straordinaria, accompagnata da materiale tecnico che dovrà essere esaminato.

La cautela non riduce l’importanza della notizia. Ne costituisce, piuttosto, il primo requisito di serietà.

Quando l’intelligenza artificiale partecipa alla scoperta

L’aspetto che distingue questa vicenda da molte precedenti applicazioni dell’intelligenza artificiale è il ruolo attribuito al modello nel processo di ricerca.

Siamo abituati a pensare all’AI come a uno strumento capace di accelerare calcoli, consultare documenti, individuare correlazioni o suggerire possibili soluzioni.

Qui la prospettiva è diversa.

Secondo quanto raccontato da Alpöge, Claude avrebbe contribuito direttamente allo sviluppo dell’argomentazione matematica, producendo passaggi di crescente complessità.

Il lavoro è stato inoltre accompagnato da una vasta formalizzazione in Lean, un sistema utilizzato per esprimere teoremi e dimostrazioni in una forma verificabile da un software specializzato.

Ma è proprio qui che emerge una distinzione importante.

La verifica automatica di una dimostrazione formalizzata non coincide necessariamente con la verifica dell’intera affermazione scientifica.

Occorre accertare che l’enunciato rappresentato nel sistema corrisponda davvero al problema originale, che le ipotesi utilizzate siano appropriate e che il procedimento non contenga scorciatoie logiche o assunzioni capaci di svuotare il risultato del suo significato.

Un sistema può verificare correttamente una sequenza di passaggi formali senza che questo basti, da solo, a certificare la soluzione del problema che si intendeva affrontare.

La comunità scientifica dovrà quindi comprendere, esaminare e possibilmente ricostruire il ragionamento.

È un passaggio che richiederà competenze, tempo e verifiche indipendenti.

Il confine tra produrre una risposta e comprenderla

La vicenda introduce una questione ancora più profonda.

Per secoli, la dimostrazione matematica ha rappresentato uno degli esempi più rigorosi della capacità umana di costruire conoscenza attraverso il ragionamento.

Una dimostrazione non serve soltanto a dichiarare che un’affermazione è vera. Permette anche di capire perché lo sia, quali principi la sostengano e quali conseguenze se ne possano ricavare.

Con l’intelligenza artificiale, questa relazione potrebbe diventare più complessa.

Potremmo trovarci davanti a risultati generati attraverso processi così articolati da essere difficili da seguire persino per gli specialisti che li hanno avviati.

Non significa che la matematica diventi meno rigorosa. Significa che la produzione, la verifica e la comprensione della conoscenza potrebbero non procedere più allo stesso ritmo.

Ed è un cambiamento che riguarda molto più della teoria dei numeri.

Pensiamo alla ricerca farmacologica, alla progettazione di nuovi materiali o allo studio di sistemi fisici complessi. Se strumenti AI sempre più avanzati saranno in grado di proporre risultati difficili da interpretare immediatamente, la comunità scientifica dovrà sviluppare anche nuove capacità di controllo, riproduzione e spiegazione.

Il progresso non potrà essere misurato soltanto dalla quantità di problemi affrontati o dalla velocità con cui vengono proposte soluzioni.

Dovrà essere accompagnato dalla capacità di stabilire quali risultati siano affidabili.

La governance della conoscenza scientifica

È qui che la vicenda incontra un principio familiare al Project Management, senza che sia necessario trasformare una questione matematica in un problema di pianificazione.

Quando un progetto produce un risultato, non è sufficiente che il deliverable esista. Occorre verificare che soddisfi i requisiti stabiliti e che le evidenze a supporto della sua accettazione siano adeguate.

Nella ricerca scientifica, naturalmente, il processo è molto più complesso: non esiste un responsabile di progetto che possa dichiarare risolto un problema matematico sulla base di una checklist.

Esistono però principi condivisi.

La tracciabilità delle evidenze, la possibilità di riprodurre i risultati, la verifica indipendente e la responsabilità di chi presenta una conclusione restano condizioni fondamentali.

L’intelligenza artificiale non rende questi principi meno importanti. Al contrario, ne aumenta la rilevanza.

Se i sistemi generativi contribuiranno a produrre risultati scientifici sempre più sofisticati, dovremo imparare a distinguere almeno tre momenti: la generazione di un’ipotesi, la costruzione di una dimostrazione e il riconoscimento della sua validità.

Sono momenti collegati, ma non intercambiabili.

Confonderli significherebbe attribuire alla tecnologia un’autorità che il metodo scientifico non le ha ancora conferito.

Una scoperta possibile, una trasformazione già visibile

Al 21 novembre 2026, l’ipotesi di Riemann non può essere considerata ufficialmente risolta sulla base dell’annuncio di Anthropic.

Sarà il lavoro della comunità matematica a stabilire se la dimostrazione proposta da Alpöge e sviluppata con Claude sia valida.

Se venisse confermata, sarebbe un risultato di portata storica per la matematica e un passaggio straordinario per l’evoluzione della ricerca assistita dall’intelligenza artificiale.

Se invece emergessero errori, la vicenda resterebbe comunque significativa: mostrerebbe quanto rapidamente i sistemi AI stiano entrando in territori che fino a poco tempo fa consideravamo riservati al ragionamento specialistico.

In entrambi i casi, sarebbe sbagliato ridurre tutto a una competizione tra essere umano e macchina.

La questione più interessante non è stabilire chi abbia avuto l’idea decisiva, ma comprendere come possa evolvere una collaborazione nella quale capacità di generazione, rigore formale e giudizio scientifico devono convivere.

Forse il vero cambiamento non consiste nel fatto che una macchina possa trovare una risposta prima di noi.

Consiste nella possibilità che, sempre più spesso, il compito più difficile per l’intelligenza umana diventi verificare e comprendere le risposte che l’intelligenza artificiale è capace di produrre.


Luigi Caputo — Project management | AI

Fonti principali

  • Nature, Mathematician says he and AI solved Riemann hypothesis, 20 novembre 2026.
  • Agence France-Presse, Anthropic researcher says Claude solved math’s greatest riddle, 20 novembre 2026.
  • Associated Press, Anthropic worker claims to have solved a Holy Grail of math problems with AI’s help, 21 novembre 2026.
  • Clay Mathematics Institute, Millennium Prize Problems.

Articoli simili