L'AI for Math Initiative di Google DeepMind punta sugli strumenti, non solo sui modelli

Cosa ha promesso davvero Google

Il 29 ottobre 2025, Google DeepMind e Google.org hanno annunciato l'AI for Math Initiative, una partnership con cinque istituti: Imperial College London, l'Institute for Advanced Study, l'IHES, il Simons Institute for the Theory of Computing della UC Berkeley e il Tata Institute of Fundamental Research.

L'impegno si divide in due parti: finanziamenti da Google.org e accesso a sistemi specifici — una modalità di ragionamento avanzata chiamata Gemini Deep Think, l'agente per la scoperta di algoritmi AlphaEvolve e il sistema di completamento di dimostrazioni formali AlphaProof. Gli obiettivi dichiarati sono individuare problemi maturi per un contributo dell'IA, costruire infrastrutture e strumenti attorno a essi e accelerare la scoperta.

È interessante notare che l'annuncio presenta gli strumenti come un elemento centrale, non un ripensamento. Oltre a individuare i problemi, i partner devono "costruire l'infrastruttura e gli strumenti per alimentare questi progressi". Un approccio ben diverso dal semplice fornire accesso ai modelli.

I risultati citati sono concreti, e sono anche l'argomento di vendita

Google fonda l'iniziativa su risultati recenti e concreti, non su promesse. Nel 2024, AlphaGeometry e AlphaProof hanno raggiunto il livello di medaglia d'argento alle Olimpiadi Internazionali di Matematica. Quest'anno, Gemini con Deep Think ha raggiunto il livello di medaglia d'oro, risolvendo cinque problemi su sei e ottenendo 35 punti.

AlphaEvolve è stato applicato a oltre 50 problemi aperti in analisi, geometria, combinatoria e teoria dei numeri, migliorando le migliori soluzioni conosciute nel 20% dei casi. La sua affermazione più concreta: un algoritmo per moltiplicare matrici 4x4 usando 48 moltiplicazioni scalari, che secondo Google supera il record stabilito dall'algoritmo di Strassen nel 1969.

Questi sono i materiali di reclutamento. Un percorso dall'argento all'oro alle Olimpiadi di matematica e un record di moltiplicazione tra matrici vecchio di 50 anni ora battuto sono le prove che Google offre per dimostrare che i suoi sistemi sanno fare più che riformulare matematica già nota.

La vera domanda è l'interfaccia tra matematico e agente

I tre sistemi menzionati risolvono tipi di problemi diversi. AlphaProof si occupa del completamento di dimostrazioni formali, il che implica un flusso di lavoro legato alla verifica formale. AlphaEvolve scopre algoritmi e strutture. Gemini Deep Think fa ragionamento aperto. Un matematico al lavoro non vuole tre console scollegate tra loro; vuole un modo per far passare una congettura da una modalità all'altra.

Ecco perché l'enfasi dell'annuncio sul "costruire l'infrastruttura e gli strumenti" conta più della lista dei modelli. Il collo di bottiglia in questo tipo di collaborazione raramente riguarda la pura capacità — riguarda il modo in cui un ricercatore formula un problema, ispeziona il ragionamento intermedio e decide se fidarsi o scartare un suggerimento. Google parla di un "potente ciclo di retroazione tra ricerca fondamentale e IA applicata", che esiste solo se gli strumenti rendono quel ciclo davvero stretto.

Combinando l'intuito profondo dei matematici più autorevoli al mondo con le nuove capacità dell'IA, crediamo che si possano aprire nuove strade per la ricerca.Montana Labs

Questa impostazione — intuito più capacità — è un'affermazione sulle superfici di collaborazione, non solo sui punteggi dei modelli. Se l'iniziativa darà risultati dipenderà dal fatto che gli istituti partner finiscano per costruire interfacce riutilizzabili da altri.

Cosa verifica questa iniziativa per i team applicativi

Per chi costruisce strumenti sopra i modelli di ragionamento, l'AI for Math Initiative è un esperimento dal vivo su una versione difficile del problema: utenti che sono esperti di dominio, output che devono essere dimostrabilmente corretti, e tre sistemi specializzati che devono sembrare un unico banco di lavoro.

L'annuncio non fornisce dettagli su come questi strumenti verranno costruiti, condivisi o valutati, oltre ai punteggi in stile competizione. La cosa specifica da osservare non è il prossimo risultato alle Olimpiadi — è se l'infrastruttura prodotta dai cinque istituti diventerà qualcosa che un matematico esterno alla partnership potrà effettivamente usare. Questo, più di qualsiasi singolo record, dimostrerebbe che l'accesso ai modelli si è tradotto in un prodotto realmente utilizzabile.