Perché studiare matematica se c'è l'AI: la risposta vera

La domanda gira in ogni classe e in ogni cena di famiglia: perché far studiare matematica ai ragazzi, se basta chiedere a un'AI e la soluzione arriva in tre secondi? È una domanda seria, e merita una risposta seria, non la difesa d'ufficio della scuola. La risposta parte da un paradosso che quasi nessuno racconta: la stessa intelligenza artificiale che ha vinto una medaglia d'oro alle Olimpiadi internazionali di matematica sbaglia ancora, a volte, quanto fa 7 per 8.

Oro alle Olimpiadi, ma sbaglia i conti

Nel 2025 un sistema di Google DeepMind ha ottenuto un punteggio da medaglia d'oro alle Olimpiadi internazionali di matematica, risolvendo cinque problemi su sei e totalizzando 35 punti su 42. Un anno prima si era fermato all'argento. Sono risultati veri e impressionanti. Ma sono ottenuti da sistemi specializzati, costruiti apposta per quel tipo di dimostrazioni.

I chatbot generalisti che usiamo tutti i giorni sono un'altra cosa. Continuano a sbagliare l'aritmetica elementare, con errori del tipo '7 per 8 fa 54', e non per distrazione: per costruzione. Un modello linguistico non calcola, prevede la parola più probabile che segue le precedenti. Quando gli chiedi un conto non esegue l'algoritmo che impari in seconda elementare: cerca lo schema più somigliante a quelli che ha già visto. Se lo schema c'è, indovina; se non c'è, inventa una risposta plausibile con lo stesso tono sicuro. Gli studiosi lo chiamano allucinazione, ed è una proprietà strutturale, non un difetto che sparirà col prossimo aggiornamento.

Cosa sa fare l'AI e cosa no

Conviene separare i piani. L'AI è brava con i calcoli quando è collegata a strumenti esterni, con i problemi già visti mille volte e con la manipolazione simbolica di routine. È debole, e inaffidabile, sul ragionamento davvero nuovo, sull'aritmetica esatta lasciata a se stessa e, soprattutto, nel sapere se la propria risposta è giusta. Un conto è produrre una soluzione, un altro è garantire che sia corretta. Questa seconda parte, oggi, la macchina non la sa fare da sola.

Ed è esattamente il punto in cui entra l'essere umano: capire cosa chiede davvero il problema, tradurre la realtà in numeri e verificare il risultato. La verifica non è un dettaglio noioso a fine esercizio: è il cuore del mestiere.

Perché la matematica serve di più, non di meno

↗ NotebookLM a scuola: il free basta, ma conta l'account che usi

Qui sta la tesi che ribalta la domanda di partenza. Studiare matematica non è mai servito a diventare calcolatrici: quella gara l'abbiamo persa negli anni Settanta, quando una macchina da pochi euro faceva le radici quadrate meglio di chiunque. La matematica insegna a ragionare, a modellare un problema, a distinguere un'argomentazione valida da una che sembra valida. E in un mondo pieno di macchine che rispondono con assoluta sicurezza anche quando sbagliano, questa capacità non diventa inutile: diventa la più preziosa che ci sia.

Chi sa di matematica è l'unico che può accorgersi quando l'AI sbaglia. È il rilevatore d'errore umano, l'unico controllo di qualità su una risposta che nessuno ha davvero calcolato. Rinunciare a studiarla perché 'tanto ci pensa l'AI' significa consegnarsi a una macchina senza avere gli strumenti per giudicarla. È il contrario di quello che serve. Più l'AI entra nella nostra vita, più servono persone capaci di dirle: no, questo conto non torna.