Intuizione, Istinto e Intenzione

“La Macchina Analitica non ha alcuna pretesa di originare alcunché. Può fare qualsiasi cosa noi sappiamo come ordinarle di eseguire. Il suo compito è aiutarci a rendere disponibile ciò con cui abbiamo già familiarità.”
Ada Lovelace

Abbiamo letto appassionatamente alcuni articoli su come l'Intelligenza Artificiale di Anthropic abbia "aggredito" uno dei problemi più affascinanti di sempre della matematica, formulato dal celebre fisico e matematico tedesco Georg Friedrich Bernhard Riemann.

Thomas Kuhn nel suo saggio: "La struttura delle rivoluzioni scientifiche" definisce la scienza normale come l'attività di ricerca basata su uno o più risultati scientifici del passato ai quali una particolare comunità riconosce, per un certo periodo, la capacità di costituire il fondamento della sua prassi ulteriore. Ora i modelli di linguaggio (LLM) operano all'interno della distribuzione dei dati su cui sono stati addestrati. Quando un agente "ragiona" sulla funzione Zeta di Riemann, esplora e combina gli approcci esistenti: teoria analitica dei numeri, matrici casuali (GUE), geometria non commutativa o formule di traccia. L'IA eccelle nell'incrociare concetti distanti già presenti nella letteratura, trovando connessioni sintattiche che agli umani sono sfuggite. Ma questa è pur sempre un'esplorazione intramurale (interna al paradigma vigente). L'Ipotesi di Riemann (che tutti gli zeri non banali della funzione zeta abbiano parte reale Re(s) = 1/2) resiste dal 1859 non perché manchi potenza di calcolo, ma perché probabilmente mancano le lenti concettuali giuste. Cito testualmente Kuhn: "Un nuovo paradigma non nasce per accumulo, ma per una ristrutturazione ontologica dei concetti base" e provo a sintetizzarlo con tre "I": Intuizione, Istinto e Intento.

L'Intuizione (Ontologica, non Statistica) di Bernhard Riemann nel 1859 non fu l'estrapolazione di un pattern, ma la visione audace di estendere la funzione Zeta al piano complesso per descrivere la distribuzione dei numeri primi. L'intuizione matematica genuina è la capacità di scorgere oggetti matematici prima che esista il linguaggio formale per descriverli (si pensi a Alexander Grothendieck e alla geometria algebrica moderna). L'IA, al contrario, dipende interamente dal linguaggio e dai simboli già formalizzati.

L'Istinto (come Scommessa Epistemica) guidò matematici come il leggendario bambino prodigio indiano Srinivasa Ramanujan a formulare identità straordinarie senza dimostrazione formale, basandosi su una sensibilità viscerale per la simmetria. Gli agenti generativi seguono gradienti di probabilismo e funzioni di ricompensa: non hanno nessun istinto di abbandonare una strada apparentemente promettente per perseguire un'anomalia marginale che tutti gli altri considerano rumore.

L'Intento (come Integrazione Semantica e Finalità) non appartiene ai modelli generativi che soffrono della mancanza di intenzionalità (nel senso filosofico di Searle e Husserl): il sistema non "pensa a" qualcosa, ma genera il token successivo più coerente. Senza un intento conoscitivo (la volontà di capire perché una struttura si comporta in un certo modo), l'agente non percepisce quando un modello teorico è giunto al collasso epistemico.

C'è chi obietta che sistemi ibridi (LLM abbinati ad assistenti di prova formale come Lean e ad algoritmi di ricerca ad albero Monte Carlo) possano scoprire nuove dimostrazioni. Questo è vero, ma c'è una distinzione fondamentale: l'esplorazione esaustiva di un albero logico enorme entro assiomi e metodi noti non è invenzione di una nuova struttura assiomatica o di una nuova branca della matematica. Per risolvere l'ipotesi di Riemann, una larga parte della comunità matematica sospetta che la teoria analitica classica dei numeri non basti: serve inventare una struttura matematica che ancora non esiste.

Finché l'IA lavora nell'alveo della minimizzazione dell'errore e della pattern recognition su corpora umani, agisce come uno straordinario catalizzatore della scienza normale. Potrà magari trovare una falla in una dimostrazione di 500 pagine o completare passaggi algebrici titanici, ma la transizione verso il nuovo paradigma richiede un salto fuori dal sistema. E senza intento ontologico e intuizione genuina, l'IA rischia di rimanere intrappolata nella "stanza cinese" di Kuhn (e ovviamente Searle): un risolutore di rompicapo eccezionale, ma cieco di fronte alla necessità di cambiare le regole del gioco.