Soco no estômago: matemáticos reagem a descobertas da OpenAI
A OpenAI divulgou um catálogo com centenas de resultados matemáticos inéditos, incluindo avanços em problemas de décadas. A comunidade científica se divide entre o fascínio e o temor pelo futuro da profissão.
Por Elias Brandão · Analista de IA e ética
Uma avalanche de resultados em um único dia
Imagine um aluno que, da noite para o dia, entrega centenas de provas de exercícios que a turma tentava resolver há décadas — e acerta boa parte. Foi esse o choque que a comunidade matemática levou quando a OpenAI divulgou um catálogo com 722 manuscritos, organizados em 372 famílias de resultados, somando milhares de páginas produzidas por um modelo interno de inteligência artificial. O material cobre teoria dos números, álgebra, geometria, lógica matemática e ciência da computação teórica.
Entre os destaques está uma demonstração ligada à "quase-Hipótese de Riemann", parente próxima de um dos "Problemas do Milênio" — lista de sete enigmas premiados em US$ 1 milhão cada pelo Clay Mathematics Institute. O pacote também traz avanços sobre o Problema de Rokhlin, dos anos 1940, ligado a propriedades de mistura em sistemas dinâmicos, e sobre uma conjectura de Jean-Pierre Serre, matemático francês vencedor da Medalha Fields em 1954, que resistia a soluções há quase 70 anos.
Foto: reprodução/olhardigital.com.br
Entusiasmo de um lado, alarme do outro
A reação se dividiu como água e óleo. Alex Kontorovich, professor da Universidade Rutgers, nos Estados Unidos, resumiu o espanto: "se um humano tivesse feito isso, seria uma Medalha Fields instantânea, sem sombra de dúvida" — como dizer que um estagiário entregou, numa tarde, o trabalho de uma carreira acadêmica premiada. Ken Ono, da Universidade da Virgínia, descreveu a sensação inicial da comunidade como "um soco no estômago", embora reconheça que o espanto já esteja dando lugar ao fascínio.
Do outro lado do ringue, pesos-pesados pediram cautela. Bryna Kra, da Northwestern University, criticou o fato de os resultados terem pulado a revisão por pares — processo em que outros especialistas conferem uma descoberta antes de aceitá-la como verdadeira, controle de qualidade que, segundo ela, foi atropelado. O próprio Serre lamentou que a automação possa esvaziar o prazer da descoberta, sobretudo para matemáticos em início de carreira. Ganhadores da Medalha Fields, como Terence Tao, assinaram declarações alertando que a publicação em massa, sem verificação completa, prejudica a ciência — já que nem todos os resultados têm demonstração formalizada e alguns, a própria OpenAI admite, "podem ter problemas".
O que está realmente em jogo
Por trás do deslumbramento e do desconforto, a pergunta é a mesma que ecoa em outras profissões tocadas por IA: a ferramenta vai ampliar o trabalho humano ou substituí-lo? Para estudantes de pós-graduação, o temor é concreto — se uma máquina resolve em horas o que seria tema de uma tese, qual o valor de passar anos nessa trilha? Por ora, nenhum problema do milênio foi oficialmente resolvido, e a palavra final sobre cada prova ainda depende do escrutínio humano que a matemática sempre exigiu.
Atualização (09/10, 04:07): ## Atualização: diretrizes descumpridas e novo grupo consultivo
O desconforto da comunidade matemática ganhou um capítulo mais concreto. Em 29 de setembro, o AGMAI (Advisory Group on Mathematics and Artificial Intelligence) — painel de nove pesquisadores independentes sediado no Institute for Advanced Study, sem vínculo remunerado com laboratórios de IA — publicou um conjunto de diretrizes pedindo que empresas como a OpenAI parem de testar problemas matemáticos avançados em modelos proprietários, divulguem a cadeia de raciocínio (chain of thought) dos modelos, incluam metadados que conectem explicitamente a prova em linguagem natural ao código formal em Lean, e não tratem a divulgação de resultados matemáticos como "veículo de marketing" para seus produtos.
Segundo a reportagem do TechCrunch, a leva de 722 manuscritos divulgada pela OpenAI em 6 de outubro descumpriu boa parte dessas exigências: apenas 10 dos 719 manuscritos trouxeram a cadeia de raciocínio do modelo; cerca de 42% dos resultados (300 de 719) passaram por verificação formal no Lean; e não houve divulgação dos prompts usados, nem dos metadados de correlação pedidos pelo grupo — a empresa revelou apenas o tempo médio de computação e algumas estatísticas agregadas. Um artigo de pesquisadores de Cambridge e do King's College London também apontou discrepâncias entre a prova em linguagem natural e a formalização em Lean no caso da prova de Navier-Stokes, questionando a confiabilidade da autoformalização sem revisão humana. Até a publicação da reportagem, a OpenAI não havia respondido publicamente a essas críticas específicas sobre o descumprimento das diretrizes do AGMAI.