Rimani aggiornato con WebMasterPoint
OpenAI riapre il dibattito sul problema di Navier-Stokes: tra prove in Lean, simulazioni e turbolenza, una possibile svolta matematica resta da verificare secondo i rigorosi tempi della comunità scientifica.
OpenAI ha pubblicato l8 settembre 2026 una dimostrazione generata da un sistema interno che, secondo lazienda, mostra la formazione in tempo finito di una singolarit nelle equazioni di Navier-Stokes. Il lavoro contiene una spiegazione matematica e una formalizzazione verificata con Lean. Non equivale, per, al riconoscimento ufficiale di uno dei Problemi del Millennio.
La questione da chiarire dunque questa: OpenAI ha risolto davvero il problema? Al momento non esiste una risposta che possa prescindere da una distinzione. Una cosa il risultato tecnico presentato dallazienda; unaltra la sua codifica in un assistente informatico; unaltra ancora una dimostrazione esaminata e accettata dalla comunit matematica internazionale.
Che cosa ha annunciato OpenAI
OpenAI afferma che il proprio sistema abbia prodotto una prova analitica dellesistenza di un flusso, inizialmente regolare, capace di sviluppare una singolarit in un tempo finito. In termini fisici, la velocit del fluido crescerebbe senza limite allinterno di una regione sempre pi piccola, mentre lenergia complessiva resterebbe finita.
Il modello utilizzato non ha ricevuto un nome commerciale. Lazienda lo descrive come un sistema interno significativamente pi potente di GPT-6 Astra, il modello che OpenAI aveva indicato in precedenza come riferimento per le proprie prestazioni matematiche.
La ricerca stata organizzata con un sistema multi-agente. Gruppi di agenti artificiali hanno affrontato formulazioni differenti del problema, elaborato ipotesi, controllato singoli passaggi e conservato gli approcci giudicati pi promettenti. Al lavoro dedicato a Navier-Stokes avrebbero partecipato circa diecimila agenti concorrenti nel 2026.
Secondo la ricostruzione diffusa da OpenAI, il risultato arrivato dopo circa ottantotto ore di lavoro nel 2026. La formalizzazione in Lean e la relativa verifica hanno richiesto altre diciassette ore, sempre nel 2026, con laiuto di GPT-6 Astra.
Nel progetto complessivo gli agenti hanno scambiato circa 4,9 milioni di messaggi e prodotto approssimativamente 300 miliardi di token di output nel 2026. Limitandosi al problema di Navier-Stokes, OpenAI parla di 2,7 milioni di messaggi e di circa 130 miliardi di token di output.
Il problema di Navier-Stokes spiegato
Le equazioni di Navier-Stokes servono a descrivere il movimento di fluidi come acqua, aria e sangue. Sono ottenute applicando la seconda legge di Newton a un mezzo continuo: il fluido viene trattato matematicamente come una sostanza distribuita nello spazio, non come un insieme di molecole considerate una per una.
Tra le variabili coinvolte ci sono la velocit, la pressione, la densit e la viscosit. Questultima tende a ridurre le differenze di velocit; i termini non lineari possono invece concentrare il movimento e produrre strutture vorticali sempre pi difficili da controllare.
In una forma semplificata, lequazione tiene insieme quattro effetti:
- laccelerazione delle particelle fluide;
- le variazioni di pressione;
- il trasporto della quantit di moto;
- la diffusione dovuta alla viscosit.
Il problema matematico non il calcolo di una singola simulazione. Si tratta di stabilire se, partendo da condizioni iniziali lisce e fisicamente ragionevoli, le equazioni producano sempre una soluzione liscia e definita per ogni istante oppure possano arrivare a una singolarit.
La difficolt sta nella combinazione di tridimensionalit e non linearit. In tre dimensioni un vortice pu allungarsi, comprimersi e trasferire energia verso scale spaziali pi piccole. La viscosit dovrebbe attenuare questo comportamento. Non stato per dimostrato in modo completo che riesca sempre a impedire una crescita incontrollata della velocit.
Esistenza, regolarit e singolarit
Esistenza e regolarit indicano due propriet diverse. La prima riguarda la disponibilit di una soluzione per tutti i tempi; la seconda chiede che quella soluzione mantenga una sufficiente liscezza, senza valori infiniti n rotture improvvise.
Una dimostrazione positiva dovrebbe mostrare che ogni condizione iniziale ammessa dalla formulazione ufficiale porta a una soluzione globale, unica e regolare. Una dimostrazione negativa dovrebbe invece costruire un caso valido nel quale la soluzione sviluppa una singolarit in tempo finito.
OpenAI sostiene di aver seguito questa seconda via. La costruzione descritta dallazienda riguarda un vortice che ruota, si avvolge verso linterno e si allunga lungo il proprio asse. La parte centrale si restringe mentre la velocit aumenta. Il modello dovrebbe rispettare il vincolo dellenergia finita e impiegare una forza esterna liscia, senza introdurre direttamente una forza infinita per provocare il collasso.
La precisazione conta. Non sufficiente disegnare una configurazione nella quale la velocit diverge. Occorre provare che quella configurazione evolva davvero secondo le equazioni di Navier-Stokes, che le condizioni iniziali siano ammissibili, che la forza abbia le propriet richieste e che i passaggi utilizzati rispettino la definizione matematica del problema.
I sette Problemi del Millennio
Nel 2000 il Clay Mathematics Institute, organizzazione dedicata alla ricerca matematica, ha istituito sette Problemi del Millennio. Il fondo complessivo previsto ammontava a 7 milioni di dollari nel 2000, con un premio di 1 milione di dollari per ciascun problema risolto secondo le regole dellistituto.
I sette problemi sono:
- la congettura di Birch e Swinnerton-Dyer;
- la congettura di Hodge;
- il problema di Navier-Stokes;
- il problema P contro NP;
- la congettura di Riemann;
- lesistenza di Yang-Mills e del mass gap;
- la congettura di Poincar.
Soltanto la congettura di Poincar stata classificata come risolta. Grigorij Perelman ha pubblicato tra il 2002 e il 2003 il lavoro che ha portato alla soluzione, poi verificata dalla comunit matematica. Navier-Stokes continua invece a figurare tra i problemi non risolti nella sezione del Clay Mathematics Institute, anche dopo lannuncio di OpenAI.
| Elemento | Dato verificato |
| Problemi del Millennio | Sette, istituiti nel 2000 |
| Premio per ciascun problema | 1 milione di dollari, fondo istituito nel 2000 |
| Risultato OpenAI | Dimostrazione proposta nel 2026 |
| Formalizzazione | Lean, completata nel 2026 secondo OpenAI |
| Riconoscimento Clay | Non ancora assegnato nel 2026 |
Perch una prova Lean non chiude automaticamente il caso
Lean un assistente utilizzato per formalizzare la matematica. Verifica che definizioni, ipotesi e deduzioni inserite nel linguaggio formale siano coerenti con le regole logiche e con le librerie adottate.
Una formalizzazione offre un controllo pi rigoroso della semplice lettura di un testo prodotto da un modello linguistico. Quando una dimostrazione viene tradotta correttamente in Lean, il sistema pu individuare molti errori algebrici, passaggi privi di giustificazione e dipendenze non dichiarate.
Restano per due livelli da separare:
- la verifica che il formalizzatore abbia dimostrato una determinata proposizione allinterno del sistema;
- la verifica che quella proposizione coincida esattamente con il problema ufficiale di Navier-Stokes.
Il secondo controllo non pu essere affidato soltanto al software. Servono matematici esperti, chiamati a esaminare le definizioni di soluzione, i domini considerati, le condizioni al contorno, la natura della forza esterna, il significato attribuito alla regolarit e il modo in cui viene costruita la singolarit.
Una formalizzazione pu accrescere la fiducia nella correttezza logica dei passaggi codificati. Non sostituisce, per, lesame del modello matematico. Se una definizione risulta pi debole o semplicemente diversa da quella richiesta, anche una prova Lean perfetta potrebbe dimostrare un risultato che non coincide con il Problema del Millennio.
La procedura Clay richiede tempo
Le regole del Clay Mathematics Institute non prevedono che il premio venga assegnato subito dopo un annuncio pubblico. La proposta deve essere pubblicata in una sede qualificata; dalla pubblicazione devono trascorrere almeno due anni e la soluzione deve raggiungere unaccettazione generale nella comunit matematica internazionale.
Una consegna privata della prova non considerata sufficiente. Il percorso previsto dallistituto pubblico e indipendente, proprio per evitare che unaffermazione di questo peso venga riconosciuta prima dei controlli necessari.
La formula pi corretta, quindi, dire che OpenAI ha proposto una soluzione o ha annunciato una possibile soluzione. Definire gi risolto il Problema del Millennio descrive la posizione dellazienda, non lo stato ufficiale del riconoscimento matematico.
OpenAI ha dichiarato di non voler chiedere il premio da 1 milione di dollari. La rinuncia al denaro non cambia i criteri scientifici: anche una ricerca che non rivendica alcun compenso deve essere controllata, riprodotta e accettata dagli specialisti.
Il metodo: agenti, codice e selezione delle ipotesi
Il punto di interesse non soltanto il testo finale della prova. Conta anche il modo in cui la ricerca stata organizzata. OpenAI ha distribuito il lavoro tra gruppi di agenti impegnati su versioni diverse del problema: alcuni cercavano una soluzione regolare, altri un controesempio capace di produrre una singolarit.
Il sistema aveva accesso a una versione memorizzata del web e a strumenti per eseguire codice. Gli agenti potevano comunicare allinterno delle proprie unit. In una fase successiva, Codex ha raccolto e consolidato gli elementi giudicati pi promettenti.
Il lavoro iniziato dopo che OpenAI aveva ricevuto informazioni su progressi compiuti da Levent Alpge e Tristan Buckmaster in un problema vicino, relativo alle equazioni di Eulero forzate. In seguito OpenAI ha precisato che il lavoro dei due ricercatori riguardava una formulazione diversa e che la propria dimostrazione non coincideva con quella resa pubblica dai matematici.
Da qui nata anche una discussione sullorigine delle idee impiegate. OpenAI ha affermato di non aver consultato dati specifici degli utenti per risolvere il problema. Ha aggiunto, per, di non poter escludere che dati anonimizzati derivati dalluso dei propri prodotti abbiano contribuito a migliorare i modelli.
La questione non riguarda soltanto la reputazione dellazienda. In matematica, la priorit, lindipendenza del percorso e la trasparenza delle ipotesi possono incidere sulla valutazione di un risultato. La pubblicazione integrale dei prompt, dei passaggi intermedi e delle condizioni di calcolo permetterebbe di ricostruire con maggiore precisione il processo.
La differenza tra simulazione e dimostrazione
Le equazioni di Navier-Stokes vengono impiegate da decenni per simulare fenomeni fisici. Un computer divide spazio e tempo in una griglia, approssima le derivate e calcola levoluzione del fluido per un intervallo limitato.
Una simulazione pu indicare che, in determinate condizioni, un vortice sembra concentrarsi oppure che una soluzione numerica raggiunge valori molto elevati. Non dimostra da sola che, nel problema continuo, la velocit diventer infinita in un tempo finito.
La differenza pu essere riassunta cos:
| Simulazione numerica | Prova matematica |
| Usa approssimazioni finite | Lavora con definizioni esatte |
| Studia condizioni e intervalli specifici | Dimostra una propriet generale |
| Pu essere rapida e ripetibile | Deve giustificare ogni passaggio |
| Misura comportamenti osservati | Stabilisce ci che deve accadere |
Un algoritmo pu provare molte varianti, cercare stime e riconoscere schemi pi rapidamente di un gruppo umano. La rapidit di calcolo non stabilisce, per, se lo schema osservato abbia validit generale.
Turbolenza e previsione del movimento
Il problema di Navier-Stokes viene spesso associato alla turbolenza, ma i due concetti non sono equivalenti. La turbolenza un comportamento fisico con vortici, fluttuazioni e trasferimenti di energia tra scale diverse. Il Problema del Millennio chiede invece se le equazioni tridimensionali garantiscano sempre soluzioni lisce e globali.
La soluzione del problema potrebbe chiarire un limite teorico delle equazioni. Non produrrebbe automaticamente previsioni perfette del tempo atmosferico o del traffico aereo. Le applicazioni operative dipendono anche dalla qualit dei dati, dalla risoluzione della griglia, dalle condizioni iniziali e dalla rappresentazione dei fenomeni che il modello non riesce a risolvere.
Una singolarit matematica non significa che un aereo reale possa raggiungere una velocit infinita o che lacqua di un fiume diventi fisicamente infinita. Indicherebbe un punto nel quale il modello continuo non riesce pi a conservare le propriet richieste.
Applicazioni: aerodinamica e ingegneria
Le equazioni vengono utilizzate per progettare ali, turbine, automobili e motori. Le simulazioni consentono di stimare la portanza, la resistenza, la separazione del flusso e la distribuzione della pressione prima di costruire un prototipo fisico.
Gli strumenti basati sullintelligenza artificiale possono accelerare queste attivit in vari modi:
- approssimando soluzioni gi calcolate con metodi numerici;
- riducendo il numero di simulazioni necessarie per confrontare molte geometrie;
- segnalando configurazioni che meritano un controllo pi approfondito;
- correggendo modelli semplificati con dati sperimentali;
- automatizzando la scrittura e il controllo del codice scientifico.
Si tratta soprattutto di vantaggi nel calcolo applicato. Una rete neurale capace di prevedere con grande precisione la resistenza di unala non ha per questo dimostrato una propriet generale delle equazioni differenziali.
Modellazione climatica e flussi complessi
La stessa famiglia di equazioni legata alla modellazione dellatmosfera e degli oceani. I modelli climatici devono rappresentare correnti, convezione, nubi, scambi di calore e interazioni tra sistemi che funzionano su scale molto differenti.
In questo campo lintelligenza artificiale pu essere usata come modello surrogato. Anzich risolvere ogni passaggio con un metodo numerico costoso, un sistema addestrato su simulazioni precedenti pu stimare rapidamente levoluzione di un campo atmosferico o oceanico.
La maggiore velocit permette di eseguire pi scenari e di analizzare meglio lincertezza. La precisione va per verificata su dati esterni a quelli utilizzati per laddestramento. Un modello pu restituire risultati convincenti nelle situazioni gi incontrate e fallire quando cambiano le condizioni.
Una prova matematica avrebbe un significato diverso. Non renderebbe direttamente pi rapido il calcolo meteorologico; chiarirebbe se il modello continuo possiede sempre una soluzione regolare nelle condizioni previste dalla formulazione.
Che cosa deve controllare la comunit matematica
La verifica indipendente dovr esaminare almeno questi passaggi:
- la corrispondenza tra il risultato dichiarato e la formulazione ufficiale del problema;
- la regolarit della condizione iniziale e della forza applicata;
- lesistenza della soluzione fino al momento della singolarit;
- la dimostrazione che la singolarit derivi dalla dinamica interna del fluido;
- la conservazione dellenergia richiesta dal modello;
- la validit delle stime analitiche impiegate per controllare i termini divergenti;
- lassenza di passaggi basati soltanto su risultati numerici o verifiche sperimentali.
Il passaggio pi delicato riguarda lequilibrio tra i termini dellequazione. La proposta di OpenAI sostiene che accelerazione, pressione, trasporto e viscosit possano diventare molto grandi e compensarsi con precisione, lasciando una forza esterna liscia e unenergia finita. Ogni parte di questo meccanismo dovr essere controllata.
Lean pu rendere il controllo pi sistematico, purch lintera dimostrazione sia stata tradotta senza semplificazioni sostanziali. Qualunque parte rimasta fuori dal codice o trattata in modo informale continuer a dipendere dalla revisione degli esperti.
Una svolta per la matematica o un risultato da verificare
Lannuncio mostra che i sistemi artificiali sono in grado di lavorare su problemi matematici avanzati. Il dato pi interessante non soltanto il numero di agenti coinvolti, ma il coordinamento tra ricerca di ipotesi, produzione di codice, analisi simbolica e formalizzazione.
La portata storica dipender dalla validit del teorema proposto. Se la costruzione verr confermata, lintelligenza artificiale avr contribuito a risolvere uno dei problemi aperti pi noti della matematica moderna. Se emergeranno errori o differenze rispetto alla formulazione del Clay Mathematics Institute, rester comunque un caso di studio sullimpiego di sistemi multi-agente nella ricerca.
La distinzione serve anche al lettore non specialista. Dire che il modello ha prodotto una prova descrive un fatto relativo al lavoro di OpenAI. Dire che il problema risolto richiede invece una pubblicazione qualificata, un esame indipendente e unaccettazione generale.
Il risultato pi immediato riguarda la simulazione
Leffetto pi immediato dellannuncio potrebbe riguardare gli strumenti per simulare e analizzare i fluidi. Sistemi capaci di generare, confrontare e formalizzare rapidamente nuove costruzioni matematiche possono aiutare a sviluppare algoritmi numerici, modelli surrogati e software per la dinamica dei fluidi.
Nel breve periodo, questi strumenti potrebbero trovare applicazione nella progettazione aerodinamica, nella previsione dei flussi, nella modellazione climatica e nello studio di sistemi biologici come la circolazione sanguigna. Si tratta per di vantaggi nel calcolo applicato, distinti dalla soluzione del Problema del Millennio.
La proposta di OpenAI resta infatti da verificare. La dimostrazione dovr essere pubblicata, esaminata da specialisti indipendenti e confrontata con la formulazione ufficiale del Clay Mathematics Institute. Solo dopo questo percorso sar possibile stabilire se si tratti di una soluzione completa di Navier-Stokes o di un risultato matematico importante, ma diverso dal problema richiesto.