AI e Matematica
Negli ultimi tempi l’utilizzo dell’Intelligenza Artificiale è diventato sempre più diffuso sia tra gli studenti che tra i ricercatori. Vogliamo approfondire quali siano i modi più opportuni di usare questo nuovo strumento, affrontando sia gli aspetti positivi che le possibili criticità.
L’idea nasce da recenti articoli di Terence Tao riguardo l’utilizzo dell’IA come strumento per facilitare la ricerca e affrontare nuovi problemi in modo più efficiente, oltre alla sempre più diffusa adozione dell’IA tra gli studenti per studiare o ricercare informazioni.
Sondaggio
Per aiutarci nell’organizzazione della conferenza, chiediamo a studenti, dottorandi, ricercatori e docenti di compilare il seguente questionario (anonimo):
Poster
Dettagli
Threads
Terence Tao ed altri hanno condiviso molte esperienze interessanti riguardo l’utilizzo dell’IA in ambito matematico sui social. Ecco una raccolta di alcuni post interessanti:
-
Tao su Mathstodon (Ottobre 2025) — L’AI come acceleratore di rassegne bibliografiche e aggiornamento degli Erdős problems.
-
Tao su Mathstodon (Ottobre 2025) — Ernest Ryu risolve un problema di ottimizzazione con ChatGPT, poi formalizzato in Lean.
-
Tao su Mathstodon (Novembre 2025) — Annuncio del paper AlphaEvolve e repository pubblico delle 67 istanze.
-
Tao su Mathstodon (Novembre 2025) — Il problema di Erdős #367 risolto con AI più formalizzazione in Lean.
-
Tao su Mathstodon (Dicembre 2025) — AI che risolve problemi Erdős già noti, correlazione con casi a bassa soglia.
-
Tao su Mathstodon (Gennaio 2026) — Tradeoff osservati: coinvolgimento AI vs profondità dei risultati.
-
Tao su Mathstodon (Gennaio 2026) — Il problema di Erdős #728 risolto quasi autonomamente da AI con dimostrazione in Lean.
-
Ernest Ryu su X — ChatGPT come generatore di idee per un teorema di convergenza in ottimizzazione.
-
Neel Somani su X — Somani trova una nuova dimostrazione del problema di Erdős #281 con ChatGPT-5.2 Pro.
Articoli
Questi sono alcuni articoli recenti sull’argomento:
-
Terence Tao, “Mathematical exploration and discovery at scale” (2025) — Report su AlphaEvolve che attacca 67 problemi, con enfasi su verificatori robusti ed exploit.
-
Zulip: best practices per includere l’AI nei paper — Disclosure, rischi, mitigazioni, prove formali.
-
arXiv 2601.07222 — “The motivic class of the space of genus 0 maps to the flag variety” risultato con note sull’interazione con Gemini.
Video e Interviste
Dove e Quando?
Il seminario si terrà alla fine della sessione verso fine Febbraio/inizio Marzo 2026, in Aula Magna del Dipartimento di Matematica.
Contatti
Per qualsiasi dubbio o domanda potete passare in PHC o contattarci via email all’indirizzo macchinisti@lists.dm.unipi.it