Os matemáticos ficaram impressionados com a rápida evolução das capacidades da inteligência artificial, que nos últimos meses conseguiu resolver alguns dos problemas matemáticos em aberto mais difíceis, que há anos escapavam aos especialistas humanos.

Na terça-feira, a OpenAI apresentou aos matemáticos centenas de novos resultados que abrangem uma ampla variedade de áreas, incluindo álgebra, teoria dos números, ciência da computação teórica, lógica matemática e topologia.

Os 377 resultados foram divulgados após a OpenAI anunciar, no mês passado, que havia conseguido resolver as equações de Navier-Stokes, um dos chamados Problemas do Milênio, considerados tão desafiadores que cada solução oferece uma recompensa de US$ 1 milhão.

A conquista mostrou o que os modelos mais avançados de inteligência artificial são capazes de fazer, mas também levantou dúvidas sobre se os sistemas da OpenAI estão realmente realizando raciocínio criativo ou apenas completando as etapas finais de demonstrações matemáticas a partir de ideias desenvolvidas anteriormente por matemáticos humanos.

Assim como ocorreu com o resultado relacionado às equações de Navier-Stokes, as novas soluções matemáticas foram produzidas por um modelo mais avançado de IA que ainda não foi disponibilizado ao público.

Há algumas semanas, a OpenAI informou que está trabalhando com um conselho consultivo formado por matemáticos para orientar as empresas de inteligência artificial sobre a melhor forma de comunicar resultados produzidos por IA à comunidade acadêmica. O grupo é sediado no Institute for Advanced Study, em Princeton, Nova Jersey, e atua de forma independente das empresas de IA.

Entre as recomendações do conselho está a divulgação de todos os comandos enviados aos agentes de IA e de suas cadeias de raciocínio. Na noite de terça-feira, o grupo divulgou um comunicado afirmando que a publicação dos resultados representa “o início, e não a conclusão, do processo de compreensão humana e incorporação desse trabalho ao conhecimento matemático”.

“Queremos criar padrões e práticas para que os resultados divulgados pelos laboratórios de IA possam ser compreendidos pelos matemáticos e contribuir para o avanço da área”, afirmou Melanie Wood, matemática da Universidade Harvard e integrante do conselho consultivo.

Muitas das demonstrações matemáticas foram verificadas com o uso do Lean, uma linguagem computacional capaz de confirmar a consistência lógica dos argumentos.

Para dez das soluções, a empresa também forneceu resumos explicando como o modelo de IA chegou aos resultados. Segundo a OpenAI, cada solução exigiu, em média, cerca de três horas de processamento computacional.

“Nos baseamos nos conselhos e nas recomendações públicas desse grupo para orientar a forma como divulgamos esses resultados”, escreveu a OpenAI em publicação em seu site.

A empresa, porém, parece menos disposta a seguir uma recomendação central do conselho consultivo: interromper os testes de modelos proprietários em problemas matemáticos avançados ainda sem solução. “Queremos deixar claro desde o início: não apoiamos essa prática”, escreveu o grupo em comunicado divulgado em 29 de setembro.

As empresas de IA vinham utilizando problemas matemáticos, como os aplicados a estudantes do ensino médio na Olimpíada Internacional de Matemática, como referência para medir o desempenho dos modelos.

Quando os sistemas passaram a resolver esses desafios, a equipe da OpenAI criou novos parâmetros baseados em problemas matemáticos ainda não solucionados na fronteira da pesquisa científica. Muitos deles estão entre os resultados divulgados na terça-feira.

Dan Roberts, líder de pesquisa da OpenAI, afirmou que testar os modelos internos em desafios complexos é importante para desenvolver ferramentas melhores, e que as demonstrações matemáticas surgiram como um subproduto desse processo.

Tristan Buckmaster, matemático da Universidade de Nova York que trabalhava justamente no problema de Navier-Stokes resolvido pela OpenAI, disse que ainda não está claro se pesquisadores que utilizam ferramentas de IA acabam fornecendo inadvertidamente as informações necessárias para que os sistemas cheguem à resposta final antes deles.

“Provavelmente haverá vários casos em que eles pegarão o trabalho de alguém e o levarão até a conclusão”, disse Buckmaster em entrevista na segunda-feira.

Com tantos resultados divulgados simultaneamente, ele afirma não acreditar que tenha havido tempo suficiente para uma análise aprofundada dos trabalhos.

Os matemáticos também discutem se o ritmo acelerado de resolução de problemas beneficia ou prejudica a disciplina, caso a compreensão humana das soluções não acompanhe a velocidade dos avanços.

“Acho que no centro dessa questão existem duas características humanas concorrentes: a tendência à competição e a capacidade de apreciar a beleza”, disse Kai Shaikh, estudante de pós-graduação em matemática da Universidade de Toronto. “Para mim, este parece ser um caso em que a primeira está tentando sufocar a segunda.”

c.2026 The New York Times Company