A OpenAI informou neste mês que um de seus modelos de IA enfrentou 4 mil problemas de matemática e resolveu 377, entre eles questões que especialistas tentavam fechar havia anos, segundo reportagem da CNN Brasil publicada nesta quinta-feira (22). Os resultados foram divulgados em um repositório no GitHub e já dividem a comunidade científica.
Os problemas vêm de áreas como teoria dos números, topologia, lógica matemática, álgebra e ciência da computação teórica. De acordo com a empresa, cada resultado consumiu em média o equivalente a três horas de processamento do ChatGPT Pro. A OpenAI reconhece que alguns resultados podem ter falhas. Diz que pretende corrigi-las e financiar workshops, conferências e programas sobre as descobertas.
Quem confere 377 resultados de uma vez
A checagem virou o gargalo. A ferramenta Lean verifica a lógica das demonstrações, mas só atesta consistência e não substitui a avaliação científica. A revisão tradicional depende de especialistas que acompanhem cada argumento e a justificação de cada etapa. A comunidade começou a examinar o material, e ainda não há avaliação definitiva.
Fábio Tal, professor do Departamento de Matemática Aplicada do IME da USP, disse à CNN Brasil que o avanço da IA não deve ser subestimado, mesmo com demonstrações que ainda precisam de revisão. Segundo ele, erros já apareceram e seguirão aparecendo na correção. Mesmo depois dos ajustes, afirmou, o conjunto pode representar mais descobertas do que pesquisadores humanos produziriam no mesmo período.
Tal fez uma ressalva sobre o método. Para ele, resolver um problema é parte de uma investigação mais ampla, e a IA trata todos os problemas como se fossem objetivos. Verificar demonstrações, traduzir resultados para outras pessoas e escolher quais perguntas merecem investigação continuam sendo tarefas humanas, na avaliação do professor.
O que sobra para quem estuda matemática
O debate chega à formação de novos pesquisadores. Tal lembrou que o erro faz parte do aprendizado, sobretudo no mestrado e no doutorado, quando o estudante constrói intuição ao testar e entender por que errou. Ele resumiu a ideia assim: "Você aprendia muito em matemática errando."
O professor afirmou que quem assina um artigo deve entender o que escreve, mesmo que a demonstração tenha contado com ajuda de uma máquina. Para ele, tentar impedir o uso da tecnologia não parece ser solução.
Álvaro Machado Dias, especialista em IA e colunista da CNN Brasil, prevê um futuro em que resolver problemas matemáticos em aberto deixa de ser trabalho humano. Segundo ele, a formação na área pode perder a justificativa tradicional se a resolução for automatizada. Dias também observou que a OpenAI pode escolher problemas com maior chance de sucesso, que nem sempre coincidem com as prioridades dos matemáticos.
Como o caso se liga ao anúncio sobre Navier-Stokes
O anúncio vem semanas depois de a OpenAI dizer que sua IA resolveu a equação de Navier-Stokes, um dos chamados Problemas do milênio. Segundo Dias, a empresa concentrou esforços nesse problema ao saber que dois matemáticos estavam próximos de um avanço. A OpenAI negou ter acessado dados produzidos por pesquisadores.
Na prática, universidades e revistas científicas terão de decidir como revisar, creditar e ensinar a partir de resultados produzidos em escala industrial. Até que a comunidade conclua a análise dos 377 casos, a lista da OpenAI funciona como uma pauta de trabalho para revisores humanos, e não como um conjunto de teoremas aceitos.
