Il 13 febbraio 2026 è un giorno destinato, molto probabilmente, a entrare nella storia della scienza. È stato reso pubblico il preprint di un articolo dal titolo Single-minus gluon tree amplitudes are non zero, firmato da Alfredo Guevara (Institute for Advanced Study), Alex Lupsasca (Vanderbilt University), David Skinner (University of Cambridge), Andrew Strominger (Harvard University) e Kevin Weil (OpenAI), a nome di OpenAI.

Si tratta di un articolo di fisica delle particelle elementari, ambito altamente teorico e formalizzato, nel quale compare esplicitamente la firma di un sistema di intelligenza artificiale accanto a quella di fisici appartenenti ad alcune delle più prestigiose istituzioni accademiche internazionali.

Il lavoro affronta un problema relativo alle ampiezze di scattering dei gluoni che la letteratura considerava risolto da decenni e propone una soluzione che modifica quel quadro teorico.

Come è stato osservato, i fisici hanno verificato “umanamente” la correttezza della soluzione generata dalla macchina, accertandosi che l’equazione rispettasse condizioni di coerenza estremamente complesse. Andrew Strominger ha ammesso che l’intelligenza artificiale “ha scelto un percorso che nessun essere umano avrebbe provato”.

Non è la prima volta che l’AI contribuisce alla fisica o alla matematica. E non è questo l’aspetto decisivo. Il punto non è la velocità di calcolo, ma il fatto che il sistema abbia individuato una forma di soluzione che i fisici non avevano esplorato, riaprendo un problema che sembrava definitivamente chiuso.

Ciò che rende questo episodio significativo non è soltanto il risultato, ma la modalità con cui è stato ottenuto. La configurazione matematica decisiva è stata individuata da un primo modello; la dimostrazione formale è stata prodotta da un secondo modello distinto; entrambe sono state poi sottoposte al controllo dei fisici, che ne hanno verificato la correttezza e condiviso la pubblicazione.

Non si tratta semplicemente dell’uso di strumenti computazionali avanzati all’interno di una ricerca condotta da esseri umani. Il sistema artificiale entra nel processo stesso della scoperta e della sua dimostrazione con un ruolo costitutivo. Questo introduce una possibile discontinuità nella storia delle pratiche scientifiche.

Gli apparati tecnici hanno sempre fatto parte della storia della conoscenza. Il telescopio ha reso visibile ciò che l’occhio non poteva vedere; il microscopio ha rivelato forme di vita invisibili; il computer ha consentito calcoli che nessuna mente avrebbe potuto sostenere. In tutti questi casi, tuttavia, la macchina estendeva capacità già riconosciute come umane. Non interveniva nel definire il percorso stesso della scoperta.

Qui sembra emergere qualcosa di diverso.

Se l’intelligenza artificiale ha seguito un percorso che nessun essere umano avrebbe tentato, non siamo più nel dominio dell’automazione, ma in quello dell’esplorazione dello spazio teorico. Non una semplice estensione della scienza, ma un ingresso nella dinamica generativa della teoria.

Sotto il profilo epistemologico, il mutamento è radicale. L’accesso a determinate configurazioni teoriche può non coincidere più con l’orizzonte effettivo delle possibilità esplorate dall’intelligenza umana.

Un elemento decisivo resta però la validazione. I fisici hanno controllato e verificato il risultato. Non è un dettaglio secondario. Se non si tratta di un episodio isolato, potremmo trovarci davanti a una nuova struttura della conoscenza: una generazione non interamente umana e una validazione ancora sottoposta a criteri di razionalità condivisi.

In questo modello ibrido, la scoperta non nasce più esclusivamente da una mente individuale, ma da un sistema umano-macchina. Il soggetto della conoscenza tende a diventare sistemico.

La questione non riguarda il grado di creatività delle macchine. Riguarda la trasformazione delle condizioni di accesso al conoscibile. Se sistemi artificiali possono aprire regioni dello spazio teorico che non facevano parte della pratica effettiva della ricerca, allora la produzione di conoscenza diventa infrastrutturale. Non più soltanto attività di soggetti, ma funzione di un dispositivo tecnico complesso.

Le conseguenze sono difficili da valutare. Da un lato, si apre la possibilità di accedere a domini rimasti inesplorati non per mancanza di dati, ma per mancanza di percorsi. Dall’altro, emerge una domanda più esigente: che cosa accade quando i percorsi che conducono ai risultati non coincidono più interamente con le modalità storiche attraverso cui la scienza ha organizzato la razionalità?

Il passaggio dalla scienza alla tecnoscienza riguarda anche questo: il fatto che le condizioni di accesso al sapere possano non coincidere più completamente con le forme tradizionali della ricerca. Non è soltanto un aumento di potenza computazionale. È una trasformazione del modo in cui il sapere si organizza.

Ci troviamo, oggi, su questa soglia. Non per trarne conclusioni affrettate, ma per comprenderne la portata.