Fisica teorica, l'IA risolve 49 problemi su 50 a meno di 3 dollari
Un nuovo banco di prova chiamato TheoPhysEval mette gli agenti di intelligenza artificiale davanti a 50 problemi inediti di fisica teorica. GPT-6-Astra di OpenAI ne ha risolti 49, con un costo medio sotto i 3 dollari a problema e poco meno di 116 dollari per l'intero test.
- GPT-6-Astra risolve 49 dei 50 problemi di TheoPhysEval, il 98%.
- Costo medio sotto i 3 dollari per problema, contro una giornata di lavoro di un esperto.
- Secondo uno studio del MIT i modelli sono passati dal 2% al 35% sui problemi teorici in due anni.
Un test costruito da 35 ricercatori
TheoPhysEval è stato realizzato da 35 ricercatori di istituzioni come l'International Centre for Theoretical Sciences, Harvard, KU Leuven e Google DeepMind. I 50 problemi sono inediti e hanno risposte verificabili: secondo gli autori, uno specialista del sottocampo ci metterebbe in genere circa una giornata, un esperto di un settore vicino molto di più.
Non si tratta di grandi questioni aperte, ma di lavoro di routine: applicare metodi noti a una domanda leggermente modificata, il tipo di compito spesso affidato ai dottorandi. I contributori hanno cambiato alcuni valori di calcoli tratti da loro articoli recenti, così che il risultato non fosse deducibile dai lavori già pubblicati. Gli ambiti coperti sono undici, dai flussi di fluidi alla fisica delle particelle fino alla cosmologia.
Dietro ad Astra, che girava nell'ambiente di programmazione Codex di OpenAI, si è piazzato Opus 5.5 di Anthropic con il 92%, poi Gemini 3.8 Flash al 68% e i modelli aperti DeepSeek-V4.1-Flash e GLM 5.3 al 54% e 42%. Curiosamente l'accesso a internet ha inciso poco: senza ricerca web Astra e Opus restavano al 92%, segno, dicono gli autori, che i modelli hanno di fatto memorizzato gran parte della letteratura di fisica teorica. In diversi casi gli errori attribuiti all'IA si sono rivelati sviste nelle soluzioni di riferimento degli esperti.
Dalla matematica al resto della scienza
Il risultato si inserisce in una tendenza più ampia. Uno studio di Neil Thompson del MIT, raccontato da Wired, mostra che tra metà 2024 e metà 2026 i migliori modelli sono passati dal risolvere circa il 2% dei problemi teorici in campi come probabilità, teoria economica, gravitazione e fisica quantistica a circa il 35%, senza segnali di rallentamento. A settembre OpenAI aveva annunciato che un modello non ancora rilasciato aveva risolto il problema di Navier-Stokes, suscitando polemiche nella comunità matematica.
I ricercatori avvertono però che manca ancora il "gusto" nello scegliere quali domande valga la pena porre, e che servono persone per collegare i risultati e verificarli: la stessa OpenAI ha ritirato alcune soluzioni dopo la pubblicazione.
Perché conta
Se un calcolo che impegna uno specialista per una giornata costa meno di 3 dollari in automatico, cambia l'economia della ricerca teorica, anche nelle università italiane dove tempo e fondi sono limitati.
Cambia anche la formazione: quei problemi erano il primo gradino della carriera di un dottorando. Resta il nodo della verifica, perché un modello può sbagliare con grande sicurezza.
