Il GPT-5.6 Sol Ultra di OpenAI risolve una congettura matematica vecchia di 50 anni

L'ultimo modello di ragionamento di OpenAI, GPT-5.6 Sol Ultra, avrebbe raggiunto una svolta nella teoria dei grafi risolvendo una congettura matematica rimasta aperta dagli anni '70. Sfruttando un'estrema persistenza computazionale e un'architettura multi-agente, il modello ha prodotto una dimostrazione completa in meno di un'ora.

Risolvere il mistero della teoria dei grafi

La congettura in questione affronta una domanda fondamentale nella teoria dei grafi: se sia possibile trovare un insieme di cicli in qualsiasi rete di vertici e archi che attraversi ciascun singolo arco esattamente due volte. Sebbene i matematici abbiano trovato soluzioni parziali per casi specifici negli ultimi cinque decenni, una dimostrazione generale è rimasta elusiva.

Thomas Bloom, un matematico dell'Università di Manchester, ha descritto la dimostrazione come "breve, elementare e che avrebbe potuto essere scoperta negli anni '80". Curiosamente, la soluzione non ha richiesto l'invenzione di teorie matematiche completamente nuove; ha invece sintetizzato abilmente strumenti esistenti e framework matematici noti.

Il potere della persistenza delle macchine

Sorge una domanda critica: se la matematica era "elementare", perché gli esseri umani non sono riusciti a risolverla per 50 anni? Bloom suggerisce che la soluzione richiedesse un piccolo, controintuitivo colpo di scena nel ragionamento. I matematici umani spesso seguono percorsi logici che, in caso di fallimento, portano alla conclusione che il problema sia insolubile.

Al contrario, GPT-5.6 Sol Ultra mostra un livello di "persistenza della macchina". Non subisce il pregiudizio cognitivo dello scoraggiamento. Invece, il modello esplora continuamente minime variazioni nella logica e nell'etichettatura finché non viene identificato un percorso di successo. Questa capacità di forzare per tentativi (brute-force) le permutazioni logiche senza lo "alzare le spalle della sconfitta" ha permesso all'IA di superare gli ostacoli mentali che avevano bloccato i ricercatori umani.

Prompt engineering avanzato e architettura multi-agente

Il successo di Sol Ultra non è stato solo il risultato di una pura intelligenza, ma di un prompt engineering altamente sofisticato. Per evitare che il modello rispondesse di default con "non lo so", i ricercatori hanno utilizzato una serie di direttive rigorose:

• Assunzione forzata: Il prompt ha costretto il modello ad assumere l'esistenza di una dimostrazione completa, impedendogli di affermare che la congettura non fosse risolta.
• Isolamento delle informazioni: Al modello è stato vietato di cercare su Internet per verificare se il problema fosse già stato risolto.
• Test avversariale multi-agente: È stato utilizzato un sistema di 64 agenti. Molti sono stati tenuti "all'oscuro" di quale approccio logico stesse funzionando per garantire un ragionamento indipendente, mentre gli agenti avversari hanno esaminato attentamente le dimostrazioni candidate alla ricerca di errori specifici, come percorsi chiusi identificati in modo errato.

Il dibattito sulla creatività dell'IA e sulle citazioni

La svolta ha riacceso il dibattito sul fatto che i LLM siano veramente "creativi" o semplicemente sofisticati ricombinatori di conoscenze esistenti. Bloom ha osservato che le idee centrali della dimostrazione risalgono a un articolo del 1983 di Bermond, Jackson e Jaeger. Ha criticato OpenAI per non aver citato questo lavoro precedente, sottolineando che i documenti generati dall'IA spesso utilizzano strategie esistenti senza la dovuta attribuzione.

Mentre la comunità scientifica è ancora in attesa di una completa verifica matematica, questo evento segnala un cambiamento nel panorama dell'IA. I modelli di IA su larga scala vengono sempre più impiegati per affrontare problemi scientifici aperti, potenzialmente scoprendo soluzioni che sono sempre state alla portata dell'uomo.

Punti chiave

• La persistenza prevale sulla complessità: L'IA ha risolto un problema di lunga data non inventando nuova matematica, ma applicando teorie esistenti con un livello di variazione logica instancabile di cui gli esseri umani sono privi.
• I vincoli rigorosi guidano i risultati: L'uso di prompt "avversariali" e il divieto di ricerche su Internet hanno costretto il modello a trovare una soluzione invece di fornire una risposta standard "non risolto".
• La sfida dell'attribuzione: L'incidente evidenzia una crescente preoccupazione nella ricerca sull'IA riguardo alla mancanza di citazioni appropriate quando i modelli ricombinano la letteratura scientifica esistente.