Negli ultimi anni i modelli linguistici di grandi dimensioni hanno dimostrato capacità sempre più avanzate in attività come programmazione, analisi di documenti complessi e ragionamento logico. Tuttavia, il loro potenziale nel contribuire direttamente alla ricerca scientifica e matematica è rimasto fino a tempi recenti oggetto di dibattito. Un episodio recente che coinvolge il modello Claude Opus 4.6, sviluppato dall’azienda Anthropic, ha attirato l’attenzione della comunità accademica dopo che il noto informatico e matematico Donald Knuth, vincitore del Premio Turing, ha dichiarato che il sistema di intelligenza artificiale è riuscito a produrre una soluzione a un problema matematico su cui stava lavorando da diverse settimane.
Donald Knuth è considerato una delle figure più influenti nella storia dell’informatica teorica. Professore emerito all’Università di Stanford e autore della celebre serie di volumi “The Art of Computer Programming”, Knuth ha contribuito in modo determinante allo sviluppo dell’analisi degli algoritmi, della teoria dei linguaggi di programmazione e di numerosi metodi fondamentali della computer science moderna. Proprio durante il lavoro su nuovi materiali e problemi matematici collegati alla sua attività di ricerca, Knuth si è imbattuto in un problema combinatorio riguardante la struttura dei grafi e la presenza di particolari cicli all’interno di queste strutture matematiche.
Il problema riguardava, in particolare, la possibilità di decomporre alcune tipologie di grafi orientati in cicli hamiltoniani diretti. In teoria dei grafi, un ciclo hamiltoniano è un percorso che attraversa ogni nodo del grafo esattamente una volta prima di tornare al punto di partenza. Determinare se un grafo possiede questa proprietà o se può essere scomposto in più cicli di questo tipo rappresenta un problema classico della matematica discreta e dell’informatica teorica, con implicazioni che spaziano dall’ottimizzazione dei percorsi alla progettazione di algoritmi per reti complesse.
Secondo quanto riportato dallo stesso Knuth, il problema non era un enigma aperto da decenni nella comunità matematica, ma una questione specifica su cui stava lavorando da alcune settimane mentre esplorava nuove formulazioni teoriche. In questo contesto, il ricercatore ha utilizzato Claude Opus 4.6 come strumento di supporto per analizzare la struttura del problema e testare diverse ipotesi matematiche. Durante questa interazione, il modello di intelligenza artificiale ha proposto una costruzione matematica che permetteva di risolvere il problema formulato, suggerendo una possibile decomposizione del grafo secondo le condizioni richieste.
Knuth ha raccontato l’episodio con una certa sorpresa, dichiarando di aver appreso che il problema su cui stava lavorando era stato risolto proprio attraverso l’analisi condotta con il modello di AI. In una comunicazione pubblica ha scritto che era rimasto colpito dal fatto che Claude Opus 4.6 fosse riuscito a individuare una soluzione valida per un problema matematico che aveva richiesto settimane di riflessione da parte sua. Questo episodio ha riacceso il dibattito sulla possibilità che i modelli linguistici possano svolgere un ruolo attivo nella scoperta matematica e non solo nella spiegazione o rielaborazione di risultati già noti.
È importante sottolineare che il risultato non rappresenta una dimostrazione matematica completamente autonoma prodotta da un sistema di AI in totale isolamento. Il processo è stato piuttosto il risultato di un’interazione tra il ricercatore e il modello linguistico, in cui l’intelligenza artificiale ha proposto idee, tentativi e formulazioni che sono stati poi verificati e interpretati dall’essere umano. Questo tipo di collaborazione tra matematici e sistemi di AI è sempre più comune nella ricerca contemporanea, dove i modelli generativi vengono utilizzati come strumenti di esplorazione di ipotesi e generazione di nuove intuizioni.
Dal punto di vista tecnologico, Claude Opus 4.6 rappresenta uno dei modelli più avanzati della famiglia Claude sviluppata da Anthropic. Rilasciato nel febbraio 2026, il sistema è stato progettato per affrontare compiti complessi che richiedono ragionamento multi-passo, analisi di grandi quantità di dati e gestione di contesti molto estesi. Una delle caratteristiche più rilevanti del modello è la capacità di gestire finestre di contesto molto ampie, fino a circa un milione di token, permettendo di analizzare interi documenti o lunghe sequenze di argomentazioni matematiche senza perdere coerenza nel ragionamento.
Il modello introduce inoltre nuove tecniche di “adaptive thinking”, ovvero meccanismi che permettono al sistema di modulare la profondità del ragionamento in base alla complessità del problema. In presenza di compiti semplici il modello può generare risposte rapide, mentre nei problemi più complessi può dedicare più risorse computazionali alla pianificazione e alla verifica delle proprie ipotesi. Questa capacità di gestire processi di ragionamento più lunghi è considerata uno dei fattori chiave che consentono ai modelli di nuova generazione di affrontare problemi matematici o algoritmici con maggiore efficacia rispetto alle versioni precedenti.
L’episodio che coinvolge Knuth si inserisce in una tendenza più ampia che vede l’intelligenza artificiale diventare progressivamente uno strumento di supporto alla ricerca scientifica. Negli ultimi anni diversi studi hanno mostrato come i modelli di AI possano contribuire alla scoperta di nuove strutture matematiche, alla formulazione di congetture e alla verifica di dimostrazioni complesse. In alcuni casi, sistemi di intelligenza artificiale sono stati utilizzati per generare ipotesi matematiche che successivamente sono state formalizzate e dimostrate da ricercatori umani.
Questo tipo di collaborazione uomo-macchina non sostituisce il lavoro dei matematici, ma modifica il modo in cui viene condotta la ricerca. I modelli linguistici possono esplorare rapidamente grandi spazi di possibili soluzioni, generare varianti di una dimostrazione o suggerire nuove prospettive su un problema. Il ricercatore umano rimane però responsabile della verifica formale delle soluzioni, dell’interpretazione teorica dei risultati e della loro integrazione nel corpo della conoscenza scientifica.
Il caso di Claude Opus 4.6 dimostra quindi come l’intelligenza artificiale stia gradualmente passando dal ruolo di semplice strumento di assistenza alla scrittura o alla programmazione a quello di vero e proprio partner nella ricerca scientifica. Sebbene la piena autonomia nella scoperta matematica sia ancora lontana, episodi come quello raccontato da Knuth suggeriscono che i modelli di nuova generazione possano diventare strumenti sempre più utili per l’esplorazione di problemi complessi in matematica, informatica teorica e altre discipline scientifiche.