Il test di Einstein: quando l’intelligenza artificiale prova a riscoprire la relatività

Il test di Einstein valuta se modelli linguistici storici possano reinventare la relatività generale da dati pre-1911.

Indice

Introduzione
Cos’è il test di Einstein e perché interessa l’AI
- Dati storici e modelli vintage
- Ragionamento abduttivo contro correlazione
Cosa dicono gli esperimenti recenti
- Elenco dei principali ostacoli emersi
- Possibili evoluzioni dei modelli vintage
Perché la relatività è un banco di prova così duro
- Collegamenti con altre discipline
Conclusioni

Questo approfondimento analizza il test di Einstein, i modelli vintage di intelligenza artificiale, i limiti del ragionamento abduttivo e le implicazioni per la scoperta scientifica. È utile a ricercatori, studenti di fisica e appassionati di AI che vogliono capire perché le macchine predicono bene ma faticano a compiere salti teorici come quelli di Albert Einstein. Il pubblico ideale comprende chi segue Microbiologia Italia e cerca collegamenti tra metodo scientifico, dati storici e nuove frontiere computazionali.

Introduzione

Il test di Einstein è diventato un banco di prova per l’intelligenza artificiale generale. Demis Hassabis ha proposto di addestrare un modello solo su conoscenze anteriori al 1911 e verificare se riesca a formulare la relatività generale. L’idea affascina perché la teoria einsteiniana non nasce da un’enorme quantità di dati, ma da un salto creativo: lo spazio-tempo si curva in presenza di massa. I modelli linguistici vintage tentano proprio questa prova. I primi esperimenti mostrano spunti interessanti e fallimenti rivelatori. Capire questi limiti aiuta a distinguere predizione statistica e vera invenzione di principi. Per chi studia scienza e tecnologia, il tema illumina il confine tra correlazione e spiegazione.

Cos’è il test di Einstein e perché interessa l’AI

Il test di Einstein non è un esame formale, ma un esperimento concettuale. Si chiede a un sistema addestrato su testi precedenti a una data fatidica se sappia ricostruire una svolta già avvenuta nella storia della fisica. Hassabis lo ha indicato come possibile criterio di intelligenza artificiale generale. Tom Zahavy ha ribadito che i modelli attuali “non saltano”: eccellono nell’induzione e nella deduzione, non nell’abduzione. L’abduzione è il salto che inventa una causa per un fenomeno singolare. Einstein partì da pochi indizi e da esperimenti mentali, non da un corpus sterminato. I modelli vintage cercano di ricreare quelle condizioni storiche. Il risultato finora è umile: qualche intuizione isolata, nessuna teoria compiuta.

Dati storici e modelli vintage

Addestrare un LLM solo su materiali anteriori al 1900 o al 1930 è tecnicamente ostico. I corpus digitalizzati contengono errori di OCR, date incerte e “fughe” di informazioni successive. Michael Hla ha costruito Machina Mirabilis su dati pre-1900. Con prompt sul effetto fotoelettrico il sistema ha accennato a “impulsi distinti” della luce, un barlume quantistico. Con l’esperimento dell’ascensore ha mostrato cenni deboli all’equivalenza. Nella maggior parte dei casi ha ripetuto formule plausibili senza rappresentazione interna coerente. Nick Levine e colleghi hanno tentato un taglio al 1930: il modello rispondeva comunque a domande sugli anni Cinquanta. Filtrare il tempo è più difficile di quanto sembri. I modelli storici restano quindi strumenti imperfetti per il test di Einstein.

Ragionamento abduttivo contro correlazione

I grandi modelli linguistici cercano la risposta più probabile dato il contesto. Einstein cercava il principio più semplice capace di unificare inerzia e gravità. Sendhil Mullainathan ha mostrato che un modello addestrato su sistemi planetari newtoniani non recupera la legge di gravitazione universale: inventa una legge diversa per ogni sistema. In matematica un chatbot ha confutato una congettura di Erdős con passaggi nuovi ma ancora interni alla letteratura esistente. Non è il lampo dal nulla. Jacob Andreas nota che un LLM può generare anche la relatività generale come una tra tante teorie spurio. Il problema è selezionare quella vera. Senza un mondo modello interno e senza criteri di falsificazione robusti, il test di Einstein resta incompiuto.

Cosa dicono gli esperimenti recenti

Nel 2026 diversi gruppi hanno pubblicato tentativi concreti. Il preprint “Can AI follow in Einstein’s footsteps?” di Shalyt, Regev, Soljačić e Kaminer sostiene che l’AI sta percorrendo la storia della fisica al contrario: dagli strumenti predittivi verso le teorie di principio, invece che dal contrario. AlphaFold e analoghi predicono con straordinaria accuratezza, ma non propongono nuovi principi. Kaminer e colleghi chiedono sistemi capaci di porre le domande giuste e di inventare principi prima dei dati. Il progetto Ranke-4B dell’Università di Zurigo addestra famiglie di modelli con tagli al 1913, 1929, 1933, 1939 e 1946. L’obiettivo non è il genio pieno, ma “scintille di genio”. Daniel Göttlich precisa che i dati storici e le risorse di calcolo non bastano ancora per eguagliare i modelli contemporanei.

Elenco dei principali ostacoli emersi

Corpus storici rumorosi e datati in modo incerto.
Assenza di un modello del mondo fisico interno al sistema.
Difficoltà a distinguere teorie corrette da ipotesi solo plausibili.
Dipendenza da prompt che già contengono indizi della scoperta.
Scarsa capacità di abduzione rispetto a induzione e deduzione.

Questi punti spiegano perché il test di Einstein oggi misura più i limiti che i successi dell’AI.

Possibili evoluzioni dei modelli vintage

Levine imagina di usare un “cervello 1930” per previsioni da mercato: chiedere al modello cosa potrebbe accadere negli anni successivi e confrontare con la storia reale. In prospettiva, un sistema addestrato fino a gennaio potrebbe essere interrogato su scoperte note di giugno. Se emergesse una scoperta non banale, sarebbe un segnale forte. Resta aperta la questione della verifica: in fisica teorica non esiste un oracolo immediato come in matematica formale. Servono esperimenti, osservazioni e coerenza con principi già consolidati. I modelli linguistici storici potrebbero diventare laboratori di ipotesi, non sostituti dello scienziato.

Perché la relatività è un banco di prova così duro

La relatività generale nasce da un principio di equivalenza e da un’esigenza di covarianza, non da una regressione su milioni di orbite. Einstein disponeva di poche anomalie, come il perielio di Mercurio, e di un’intuizione geometrica. I sistemi attuali brillano quando i dati sono densi e le regole già note. Quando i dati sono scarsi e serve un nuovo linguaggio matematico, inciampano. Lo stesso vale per altre rivoluzioni: meccanica quantistica, incomplezza di Gödel, macchine di Turing. Il test di Einstein è quindi un proxy per qualsiasi scoperta di paradigma. Chi si occupa di metodo scientifico riconosce qui il dibattito kuhniano: i salti non sono accumulo lineare.

Collegamenti con altre discipline

Anche in biologia e microbiologia l’AI genera ipotesi e a volte errori sistematici, come mostra il caso della Bixonimania. L’intelligenza artificiale può assorbire preprint fittizi e trattarli come fatti. Il parallelo è utile: senza controllo umano e senza criteri di verità esterni, il modello replica pattern, non scopre principi. Per il lettore di Microbiologia Italia il messaggio è chiaro. L’AI accelera la rassegna della letteratura e la predizione, ma la formulazione di una nuova teoria dei microrganismi o di un meccanismo molecolare inedito richiede ancora il salto abduttivo umano.

Conclusioni

Il test di Einstein non ha ancora prodotto una relatività artificiale. Ha però reso visibili i confini dei grandi modelli linguistici: eccellono nel riassumere e interpolare, stentano a inventare principi da pochi dati anomali. I modelli vintage restano strumenti preziosi per studiare la storia della scienza e i bias dei corpus. Il futuro dipenderà da architetture capaci di costruire mondi interni, di porre domande e di falsificare le proprie ipotesi. Fino ad allora l’intelligenza artificiale sarà un collaboratore formidabile, non un nuovo Einstein. Per ricercatori e appassionati il monito è metodologico: distinguere sempre predizione e spiegazione.

Domande Frequenti

Chi ha proposto il test di Einstein sull’intelligenza artificiale?
Demis Hassabis lo ha indicato come possibile prova di AGI, mentre Tom Zahavy e altri ricercatori lo hanno articolato in paper e interviste. Consiglio: seguire sempre le fonti primarie dei laboratori DeepMind e dei preprint arXiv.

Cosa misura esattamente il test di Einstein?
Verifica se un modello addestrato solo su conoscenze anteriori a una data chiave riesca a riformulare una teoria rivoluzionaria come la relatività generale. Consiglio: non confondere output plausibili con una teoria fisicamente coerente e verificabile.

Quando sono nati i primi modelli vintage per questo test?
I tentativi pubblici si concentrano tra fine 2024 e 2026, con Machina Mirabilis, i tagli al 1930 e la famiglia Ranke-4B. Consiglio: controllare le date di cutoff dichiarate perché i corpus “perdono” spesso informazioni successive.

Come si addestra un modello linguistico storico?
Si filtrano testi anteriori a un anno scelto, si puliscono artefatti di digitalizzazione e si valuta se il sistema evade il vincolo temporale. Consiglio: documentare ogni fonte e ogni data con metadati precisi per ridurre le fughe informative.

Dove si stanno sviluppando questi esperimenti?
Laboratori accademici e indipendenti a San Francisco, Zurigo, Haifa, Cambridge e New Delhi ne discutono in summit e preprint. Consiglio: leggere i lavori su arXiv e Nature prima di affidarsi a sintesi giornalistiche.

Perché l’AI fatica a ripetere il salto di Einstein?
Perché manca ancora un ragionamento abduttivo robusto e un modello del mondo capace di privilegiare principi semplici su correlazioni dense. Consiglio: usare l’AI per esplorare ipotesi, non per sostituire il giudizio teorico umano.

Fonti

Crediti fotografici

Immagine in evidenza generata con AI – Link

Segui Microbiologia Italia

Se ti è piaciuto questo contenuto e vuoi supportare Microbiologia Italia seguici su MSN e su Google News. Inserisci Microbiologia Italia tra le tue fonti preferite per ricevere aggiornamenti di qualità su argomenti scientifici simili.