Gli agenti matematici basati su Gemini di Google hanno prodotto dimostrazioni per cinque problemi matematici precedentemente irrisolti, utilizzando team di agenti AI il cui lavoro viene valutato da severi verificatori automatici.

L'implementazione meglio documentata di questo approccio è un framework che DeepMind chiama AlphaProof Nexus. Esegue molteplici sotto-agenti dimostratori indipendenti in cicli di ragionamento a più turni, basati su Gemini 3.1 Pro. Gli agenti non producono una singola risposta e si fermano; ragionano, revisionano e riprovano per diversi round finché una dimostrazione non supera i verificatori automatici o non fallisce. Questo design fa sì che l'accettazione dipenda dalla verifica verificabile a livello di macchina piuttosto che dalla fiducia del modello nel proprio output.

I numeri dietro ai risultati

AlphaProof Nexus ha risolto 9 dei 353 problemi di Erdős precedentemente irrisolti — questioni aperte poste da Paul Erdős, il prolifico matematico ungherese del XX secolo noto per aver associato premi in denaro ai suoi problemi — due dei quali tenevano in scacco i matematici da 56 anni. Lo stesso framework ha dimostrato 44 delle 492 congetele elencate nell'Online Encyclopedia of Integer Sequences, nota come OEIS, una fonte di riferimento di lunga data in cui i matematici catalogano i pattern degli interi. I risultati sono stati ottenuti a un costo computazionale di poche centinaia di dollari per problema.

Un articolo dettagliato su arXiv che descrive il lavoro è stato pubblicato verso metà 2026. Esperti del settore hanno revisionato i risultati e confermato sia le dimostrazioni sia la fedele formalizzazione delle congetele originali. La formalizzazione consiste nel tradurre un problema matematico scritto in linguaggio umano in un linguaggio preciso verificabile a livello di macchina, e una traduzione imprecisa può significare dimostrare completamente l'affermazione sbagliata. Questo avallo degli esperti è importante: affronta la domanda ricorrente se la matematica generata dall'AI sia realmente corretta o semplicemente persuasiva.

Aletheia e il percorso olimpico

Un sistema separato, Aletheia, basato su Gemini Deep Think, opera assistente di ricerca semi-autonomo. Dal suo rilascio a dicembre 2025, Aletheia ha valutato circa 700 problemi aperti di Erdős e ha identificato o creato soluzioni per 13 di essi, guadagnandosi elogi dai revisori esperti. Quattro di quelle 13 erano risoluzioni autonome inedite.

Gemini Deep Think vanta anche un curriculum agonistico. Alle Olimpiadi Internazionali di Matematica 2025, la competizione annuale ampiamente considerata la più difficile gara di matematica per studenti pre-universitari, ha ottenuto 35 punti su 42, raggiungendo lo standard della medaglia d'oro, e ha risolto 5 problemi su 6 entro i limiti di tempo standard che affrontano i concorrenti umani.

Perché l'approccio agentico attira l'attenzione

Pushmeet Kohli e altri ricercatori di DeepMind hanno sottolineato che l'approccio agentico potrebbe estendersi oltre la matematica pura. Hanno individuato settori come la combinatoria e l'ottica quantistica come potenziali obiettivi, e la ricerca evidenzia anche applicazioni nella geometria algebrica. Il filo conduttore è che si tratta di domini in cui un risultato dichiarato può essere testato secondo criteri oggettivi — esattamente le condizioni in cui questa configurazione agente-verificatore ha dimostrato risultati misurabili.

Cosa significa per la matematica e l'AI

I risultati indicano che l'abbinamento del ragionamento basato su agenti con la verifica automatica potrebbe avere applicazioni ben oltre i problemi studiati, sebbene la ricerca noti che gli attuali sistemi AI richiedono ancora la supervisione umana per la valutazione della novità, il che significa che le persone devono confermare se un risultato è realmente nuovo. Questo requisito dell'umano nel ciclo delinea cosa osservare da qui in avanti: come si comporterà il framework nei settori segnalati da DeepMind, e se i revisori esperti continueranno a certificare i suoi output, determinerà quanto di questo slancio si tradurrà nella pratica di ricerca più ampia.