Matemáticos reagem com choque e entusiasmo à divulgação maciça de resultados gerados por IA pela OpenAI
A OpenAI divulgou em um único dia centenas de resultados matemáticos produzidos com inteligência artificial, provocando uma onda de reações na comunidade científica e levantando questionamentos profundos sobre o futuro da matemática. O material, reunido em dezenas de milhares de páginas, abrange avanços em questões que desafiam especialistas há décadas e pode transformar a forma como a disciplina é pesquisada e desenvolvida.
A repercussão foi imediata. Alex Kontorovich, chefe do departamento de matemática da Universidade Rutgers, nos Estados Unidos, afirmou que uma das demonstrações apresentadas pela empresa mereceria uma Medalha Fields — uma das maiores honrarias da área — caso tivesse sido elaborada por uma pessoa. Nas redes sociais, o matemático escreveu que o feito seria reconhecido de imediato e sem questionamentos. Martin Bridson, da Universidade de Oxford e presidente do Clay Mathematics Institute, instituição responsável pelos Problemas do Milênio, classificou a divulgação como impressionante e admitiu que, até pouco tempo atrás, seria impossível imaginar que as fronteiras da matemática avançassem tanto em apenas um dia.
Os resultados cobrem diferentes áreas do conhecimento, incluindo álgebra, teoria dos números, ciência da computação teórica, lógica matemática e topologia. Embora nem todos os trabalhos tenham a mesma relevância, o conjunto sugere que sistemas de inteligência artificial podem contribuir para a resolução de problemas complexos em uma escala até então difícil de alcançar pelos métodos tradicionais.
Entre os resultados mais comentados está a demonstração da chamada hipótese quase-Riemann, conjectura relacionada à célebre hipótese de Riemann, um dos problemas em aberto mais conhecidos da matemática. A hipótese original integra os Problemas do Milênio, conjunto de sete desafios matemáticos anunciados no início dos anos 2000, cada um com um prêmio de 1 milhão de dólares, cerca de 5,4 milhões de reais, para uma solução aceita. Cinco desses problemas permanecem sem resolução, e o material da OpenAI não encerra integralmente nenhum deles, embora apresente avanços relacionados a todos, incluindo questões que podem contribuir indiretamente para futuras tentativas de solução.
Ken Ono, professor da Universidade da Virgínia e matemático fundador da empresa de inteligência artificial Axiom Math, disse não saber se a demonstração da hipótese quase-Riemann servirá como caminho para resolver a hipótese original. Ele destacou, porém, que um resultado desse porte pode gerar inúmeras consequências matemáticas e abrir espaço para novas descobertas. Segundo o pesquisador, muitos colegas sentiram como se tivessem levado um soco no estômago, mas essa sensação estaria rapidamente dando lugar à empolgação e à determinação, com os avanços funcionando como um convite para objetivos ainda mais ambiciosos.
A OpenAI, entretanto, já precisou rever parte do material publicado. Até a última quinta-feira, 8, a empresa havia retirado três artigos do repositório público em que os trabalhos foram disponibilizados e corrigido outros documentos. Uma porta-voz afirmou que a companhia pretende corrigir prontamente os erros identificados e remover trabalhos quando não houver solução para os problemas encontrados.
As reações da comunidade matemática combinam entusiasmo e preocupação. Bridson observou que a lista divulgada inclui problemas que orientaram parte de sua própria trajetória de pesquisa, especialmente em teoria dos grupos, topologia e álgebra. Para ele, o anúncio das soluções será empolgante para muitos, assustador para outros e devastador para alguns. O matemático defendeu que pesquisadores aproveitem a capacidade das máquinas, mas sem se tornarem dependentes delas, e apontou como um dos principais desafios transformar as demonstrações formais produzidas pela inteligência artificial em conhecimento que seres humanos consigam de fato compreender.
Essa dificuldade foi ressaltada por Bryna Kra, matemática da Universidade Northwestern e ex-presidente da Sociedade Americana de Matemática. Um dos resultados que chamou sua atenção foi o número 145 da lista, relacionado ao problema de Rokhlin, que investiga se uma propriedade de mistura em sistemas dinâmicos implica uma forma mais forte dessa mesma propriedade, questão que remonta à década de 1940. Apesar de considerar os resultados impressionantes, Kra afirmou que a redação apresentada torna difícil compreender a demonstração. Além disso, o volume de material representa um obstáculo considerável, já que dezenas de milhares de páginas precisam ser verificadas cuidadosamente, um trabalho que normalmente passa pela revisão por pares, processo em que outros especialistas avaliam a validade das pesquisas antes de sua publicação. Para ela, a revisão por pares acabou nesse processo.
Kra também alertou para possíveis danos ao ecossistema de colaboração e compartilhamento de ideias que permitiu o desenvolvimento dessas pesquisas. Ela observou que os artigos divulgados apresentam referências à literatura científica anterior, mas há indícios de que alguns resultados podem ter se beneficiado de argumentos ainda não publicados. Nesse cenário, matemáticos interessados em usar ferramentas de inteligência artificial correriam o risco de expor ideias próprias antes de terem a oportunidade de desenvolvê-las e publicá-las.
O matemático francês Jean-Pierre Serre, professor emérito do Collège de France e vencedor da Medalha Fields e do Prêmio Abel, também encontrou motivos para refletir. Aos 100 anos, ele se interessou pelo resultado número 46 da lista, que confirma uma conjectura formulada por ele quase sete décadas atrás. Serre afirmou que utiliza a tecnologia para tarefas como encontrar referências e investigar possíveis erros, mas vê uma contradição no uso da máquina para produzir matemática. Na sua avaliação, a inteligência artificial aumenta o prazer de aprender coisas novas e diminui o de descobri-las, algo especialmente sério para os matemáticos jovens.
Os efeitos também preocupam estudantes de pós-graduação. Thomas Carlson, doutorando pela Universidade Estadual de Montana, questionou como as universidades devem avaliar a formação matemática em um cenário de produção de demonstrações complexas em larga escala, perguntando como garantir que um diploma de 2028 tenha o mesmo valor de um de 2023. Kai Shaikh, da Universidade de Toronto, argumentou que teoremas são referências úteis para avaliar sistemas de inteligência artificial, mas não capturam toda a experiência intelectual da matemática, e demonstrações sem histórias, contexto ou esforço de investigação podem perder parte do significado. Já Yuanning Zhang, da Northwestern, descreveu uma sensação de vertigem e afirmou que, se confirmados, os resultados podem inaugurar uma fase de produção matemática assistida por máquinas em escala industrial.
Entre rumores iniciais de que a OpenAI teria resolvido 400 problemas e expectativas por novas publicações, a comunidade matemática segue digerindo um conjunto de trabalhos que mistura fascínio e incerteza, com a tarefa de verificar, compreender e incorporar ao conhecimento um volume de demonstrações sem precedentes na história da disciplina.
