I confini infiniti della matematica

Nel primo editoriale di questo magazine ho parlato di un sistema che privilegia sistematicamente la procedura sul ragionamento. Si insegna come calcolare. Raramente si insegna perché. Il risultato è una generazione di ricercatori tecnicamente attrezzati ma concettualmente fragili: capaci di eseguire test di cui spesso non conoscono il funzionamento profondo, di leggere output che non sanno interpretare criticamente, di usare modelli anche complessi senza sapere quando smettono di funzionare e perché.

In questo editoriale di aprile voglio guardare più lontano. Perché il problema non riguarda solo il modo in cui si insegnano le scienze quantitative. Riguarda il modo in cui si concepisce la matematica stessa. E cambiare quella concezione non è un lusso filosofico: è la precondizione per formare ricercatori che ragionino invece di eseguire.

Il lamento di un matematico

Nel 2002, Paul Lockhart — matematico con un dottorato alla Columbia, ex ricercatore a Brown e UC Santa Cruz, poi insegnante di scuola media a Brooklyn — scrisse un pamphlet di venticinque pagine che circolò per anni in forma dattiloscritta prima di essere pubblicato nel 2009 con il titolo A Mathematician’s Lament. Era una critica radicale del modo in cui si insegna la matematica.

La tesi di Lockhart era semplice e devastante: la scuola ha trasformato la matematica in un sistema di regole da memorizzare, svuotandola di tutto ciò che la rende viva. Le procedure hanno preso il posto delle idee. La notazione ha preso il posto del ragionamento. Il risultato è una materia che somiglia alla matematica solo nell’aspetto — formule, simboli, calcoli — ma che ne ha perso l’essenza: il piacere della scoperta, la bellezza di un argomento ben costruito, la soddisfazione di capire perché qualcosa funziona.

“Fare matematica significa impegnarsi in un atto di scoperta e ipotesi, di intuizione e ispirazione. Significa essere in uno stato di confusione — non perché non ci trovi alcun senso, ma perché le hai dato un senso e non capisci ancora cosa sta facendo la tua creazione. Significa avere un’idea. Significa sentirsi vivi.” — Paul Lockhart, A Mathematician’s Lament, 2009

Lockhart parlava della scuola primaria e secondaria. Ma il problema che descriveva non si ferma alle medie. Lo stesso meccanismo — la procedura che sostituisce il ragionamento — si ripete in forma più sofisticata nei corsi scolastici superiori fino a quelli universitari. La complessità degli strumenti cresce. La comprensione concettuale non la segue.

Un dottorando che sa eseguire una regressione OLS ma non sa dire cosa significa causalmente il coefficiente che ha stimato sta facendo esattamente quello che Lockhart descriveva: ripetendo una procedura senza capirne il senso. Il problema non è la tecnica. È che la tecnica è stata insegnata senza il ragionamento che le dà significato.

La matematica è l’arte della spiegazione

“La matematica è l’arte della spiegazione” — questa è forse la frase più citata di Lockhart, e vale la pena fermarci su di essa. Non la scienza del calcolo. Non la disciplina dei numeri. L’arte della spiegazione. Il punto è che la matematica, nella sua forma autentica, non produce risultati, ma produce argomenti. Produce ragionamenti che mostrano perché qualcosa è necessariamente vero in modo che chiunque lo segua non possa che concludere la stessa cosa. Questa è un concetto profondamente diverso dal calcolare un numero.

Eugenia Cheng — matematica, pianista, autrice diIs Maths Real?, vincitore del Los Angeles Times Book Prize 2023 — porta la stessa idea su un terreno ancora più vicino alla ricerca. Per Cheng, la matematica non è fatta di risposte giuste: è fatta di domande ben poste. Chi si chiede “perché 1 + 1 = 2?” non sta sbagliando qualcosa — sta toccando una delle questioni più profonde della filosofia della matematica. E chi sa fare buone domande sui propri dati — non solo come analizzarli, ma cosa significano, cosa assumono, cosa non possono dire — sta facendo matematica nel senso pieno del termine.

“Questo è il livello a cui la matematica è reale. Non possiamo toccarla, ma ci sono molte altre cose reali che non possiamo toccare neanche noi. A volte è per ragioni logistiche, come il centro della terra o l’interno del nostro stesso cervello. Ma ci sono alcune cose reali che non possiamo toccare perché sono astratte, come l’amore, la fame, la densità di popolazione, l’avidità, il dolore, la gentilezza, la gioia.” — Eugenia Cheng, Is Maths Real?, 2023

Per chi fa ricerca, questa ridefinizione ha conseguenze pratiche immediate. La statistica non è solo un modo per analizzare i dati: è un linguaggio per ragionare sull’incertezza. La probabilità non è solo una formula: è un modo di stare di fronte all’ignoto senza cedere all’arbitrio. L’econometria non è solo regressione lineare: è un tentativo di isolare cause in un mondo dove tutto è correlato con tutto. Questi strumenti, senza il ragionamento che li sostiene, diventano macchine per produrre numeri plausibili anziché risposte affidabili.

Il paradosso dell’inutilità

C’è un’obiezione ricorrente alla visione di Lockhart e Cheng: se la matematica non è essenzialmente uno strumento, se il suo valore non si misura in applicazioni, come si giustifica il tempo e le risorse che le dedichiamo? G. H. Hardy, il grande matematico inglese, aveva risposto a questa domanda nel 1940 nel suo celebre saggio A Mathematician’s Apology con una provocazione: “Non ho mai fatto nulla di utile”, e si badi bene, lo intendeva come un vanto.

Hardy era un matematico puro, specializzato in teoria dei numeri, e rivendicava l’inutilità del suo lavoro come prova della sua grandezza. La matematica più bella, quella più libera dai vincoli del mondo fisico, più lontana dalle applicazioni immediate, era per lui la più vera. E la storia gli ha dato ragione in un modo che non si aspettava: la teoria dei numeri primi che Hardy rivendicava come paradigma di inutilità è oggi il fondamento della crittografia su cui si basa ogni transazione digitale. La geometria non euclidea, sviluppata nell’Ottocento come esercizio intellettuale, è diventata il linguaggio della relatività generale.

C’è però una voce che Hardy non cita, e che radicalizza questo punto. Georg Cantor — il matematico che nell’Ottocento costruì la teoria degli insiemi e aprì la strada alla matematica moderna — aveva capito qualcosa di fondamentale sulla natura della disciplina: “L’essenza della matematica è la sua libertà.”  Non libertà come assenza di rigore — Cantor era il più rigoroso dei matematici del suo tempo. Libertà come capacità di costruire strutture nuove, di esplorare mondi che non esistono ancora, senza dover chiedere il permesso alla realtà fisica. È paradossalmente questa libertà, questo rifiuto di essere vincolata all’utile immediato, che ha reso la matematica lo strumento più potente che l’umanità abbia mai sviluppato per capire il mondo reale.

Una matematica ridotta a semplice procedura non è solo una matematica impoverita: è una matematica a cui è stata tolta l’anima, proprio la cosa che la rende matematica. Frank Slade, il personaggio che Al Pacino porta sullo schermo in Scent of a Woman (1992), lo direbbe meglio di qualsiasi trattato: “There isn’t nothin’ like the sight of an amputated spirit; there is no prosthetic for that”, non c’è una protesi per l’amputazione di un anima. E una matematica insegnata come sequenza di passaggi da memorizzare è esattamente questo: un’anima amputata. Funziona ancora, in un certo senso. Ma non cammina più da sola.

Edward Frenkel, matematico russo-americano e autore di Amore e matematica (2013), chiude il cerchio: la matematica è “un universo parallelo fatto di eleganza e bellezza, intrecciato in modi complessi con il nostro”. Non è separata dalla realtà — vi è intrecciata, spesso in modi che si rivelano solo molto dopo che le idee sono state sviluppate.

Per chi fa ricerca, però, il punto più importante non è il paradosso storico dell’inutilità. È la lezione pratica che ne deriva: seguire una struttura fino in fondo, capire davvero perché qualcosa funziona invece di imparare a usarla, porta quasi sempre a un terreno più solido. Un ricercatore che capisce perché un test statistico funziona sa anche quando smette di funzionare. Un ricercatore che ha solo imparato la procedura non ha questa risorsa.

“Archimede sarà ricordato quando Eschilo sarà dimenticato, perché le lingue muoiono ma le idee matematiche no.” — G. H. Hardy, A Mathematician’s Apology, 1940

Guardando più lontano

Nel primo editoriale di questo magazine ho voluto concentrarmi su un problema concreto: il modo in cui gli strumenti quantitativi vengono insegnati nella ricerca. In questo nuovo editoriale ho voluto fare un passo indietro per raccontare da dove, secondo me, viene quel problema e perché cambiare il modo in cui si concepisce la matematica non è un esercizio filosofico ma una condizione pratica.

Il problema viene da lontano. Viene da un’idea sbagliata di cosa sia la matematica — l’idea che sia essenzialmente un sistema di procedure, che impararla significhi imparare a calcolare. Questa idea si trasmette dalla scuola primaria all’università, dai corsi di base ai dottorati, dagli studenti ai loro tutor in catene di imitazione che durano decenni. Lockhart l’aveva capito guardando i bambini alle medie. Lo vediamo nei ricercatori ogni giorno.

La soluzione non è semplificare gli strumenti, ma è alzare il livello del ragionamento. Non è insegnare meno tecnica, ma è insegnare la tecnica con il contesto concettuale che le dà senso. Non è rendere la matematica più facile, ma è restituirle quello che la rende affascinante: la capacità di spiegare perché, non solo come.

I confini della matematica sono infinitinel senso più letterale. Ogni risposta apre nuove domande. Ogni strumento compreso rivela i limiti degli strumenti successivi da imparare. Ogni procedura capita fino in fondo diventa un ragionamento trasferibile. È questa la natura della disciplina e, in fondo, della ricerca stessa. Non un sistema di regole da eseguire, ma un modo di stare di fronte a problemi che non hanno ancora una soluzione.