OpenAI usa 10 mil IAs e resolve mistério matemático centenário

Inteligência Artificial

OpenAI emprega milhares de IAs para solucionar desafio matemático histórico, impulsionando debates sobre ética e autoria.

Leia também: Confiança do consumidor avança nos EUA, mas cresce medo de bolha de IA

A OpenAI afirma ter resolvido, com ajuda de cerca de 10 mil agentes de inteligência artificial e um investimento estimado em US$ 15 milhões em computação, um problema matemático centenário ligado às equações que descrevem o movimento de líquidos e gases, abrindo caminho para impactos em engenharia, medicina, previsão do tempo, oceanografia e desenvolvimento de aeronaves.

Como a IA está sendo usada para resolver problemas matemáticos complexos?

Neste caso, a OpenAI organizou um exército de aproximadamente 10 mil agentes de IA autônomos, supervisionados por humanos, para explorar em paralelo milhões de caminhos possíveis até chegar à solução do problema, cuja verificação ainda passa por escrutínio da comunidade matemática internacional.

Esses agentes funcionam como especialistas cooperando em larga escala: cada um testa hipóteses, combina técnicas conhecidas, descarta rotas improdutivas e compartilha resultados com os demais, num processo impossível de reproduzir manualmente em tão pouco tempo. A demonstração final foi formalizada em Lean, sistema de verificação de provas criado pelo cientista brasileiro Leonardo de Moura, o que permite checagem computadorizada passo a passo da lógica envolvida.

O Instituto Clay de Matemática, que ofereceu US$ 1 milhão pela solução do problema, informou que a questão aparentemente foi resolvida, mas reforça que a avaliação rigorosa da prova está em andamento. A OpenAI diz que não pretende reivindicar o prêmio.

Para Anderson Soares, diretor de IA da IA Brasil, a chave está na capacidade dos modelos de conectar áreas distintas do conhecimento matemático. “Um matemático domina a fundo uma ou duas áreas, como qualquer outro especialista. O modelo de IA é um especialista em temas mais abrangentes. Ele tem a mesma profundidade de vários especialistas”, afirma. Segundo ele, muitos problemas seguem em aberto porque ninguém consegue juntar peças que já existem em campos diferentes; a IA, ao testar “milhões de caminhos em paralelo, ‘sem cansaço e sem custo’”, consegue cruzar essas fronteiras.

Entenda o contexto

O problema resolvido envolve equações fundamentais para modelar o comportamento de fluidos, usadas para descrever como líquidos e gases se movimentam. Essas equações sustentam, por exemplo, modelos de previsão do tempo, simulações aerodinâmicas de aviões, estudos de circulação oceânica e aplicações em medicina, como o fluxo de sangue em artérias.

A solução automatizada promete ganhos indiretos em campos que dependem de simulações cada vez mais precisas, incluindo o resfriamento de data centers dedicados à própria IA, que usam ar e líquidos para dissipar calor. Ao encurtar décadas de trabalho matemático em uma campanha massiva de computação, a iniciativa é vista como um divisor de águas na forma como se produz ciência exata.

O uso do Lean como linguagem da prova também marca um avanço na verificação formal. Em vez de depender apenas da leitura humana de centenas de páginas de demonstração, a comunidade pode recorrer à checagem automática, reduzindo o risco de erros sutis — e elevando a importância de ferramentas de verificação criadas em grande parte fora dos grandes centros tradicionais de pesquisa em IA, como é o caso da contribuição brasileira.

Debate sobre autoria e disputa de caminhos

Pouco após a divulgação do feito, o matemático Tristan Buckmaster, professor da New York University, publicou um relato em que acusa a OpenAI de ter seguido um caminho muito similar ao de sua própria linha de pesquisa para atacar o problema e de ter utilizado, ao longo do processo, sua ferramenta Codex. Segundo ele, as abordagens se aproximam demais para ser coincidência. A empresa nega ter se baseado no trabalho do pesquisador.

O episódio expõe uma nova frente de conflito: quando uma IA corporativa usa, direta ou indiretamente, ideias em circulação na academia, onde termina a inspiração e começa a apropriação indevida? A resposta interessa não só a matemáticos, mas a qualquer pesquisador que produza conhecimento reutilizado em larga escala por sistemas de IA fechados e de altíssimo custo computacional.

Além da controvérsia em torno de Buckmaster, chama atenção o descompasso entre os recursos mobilizados por empresas e os orçamentos de boa parte das universidades. O custo estimado de US$ 15 milhões em processamento para resolver um único problema contrasta com a realidade de muitos centros que, em um ano inteiro, não chegam perto desses valores em orçamento total de pesquisa.

IA muda a “regra do jogo”, mas com lógica comercial

Na avaliação de Marcelo Viana, diretor-geral do Instituto de Matemática Pura e Aplicada (IMPA), a força da IA está justamente em combinar, com velocidade e acesso a dados, ferramentas que os matemáticos já conhecem. Mas ele vê com preocupação o fato de que os movimentos mais recentes estejam ocorrendo principalmente em grandes empresas de tecnologia.

“Os últimos desenvolvimentos são coisas que estão acontecendo, não só ocorrem de maneira independente da comunidade matemática, mas de certa forma à revelia dela. Temos de ter consciência disso até para não sermos manipulados, porque, no final das contas, as motivações principais são de ordem comercial. Dito isso, a essa altura é inegável que a IA mudou completamente a regra do jogo na área da matemática”, afirma Viana.

Para o diretor do IMPA, a IA deve ser vista como qualquer tecnologia de grande impacto: com potencial de benefício, mas também de dano. “Com o mesmo bom senso com que tentamos regular outras tecnologias, essa é uma tecnologia (a IA) que precisa ser regulada, domesticada, porque machuca. Ela pode não machucar do mesmo jeito que uma bomba nuclear, mas os impactos potenciais não são muito menores do que isso”, diz.

Ele defende que a comunidade científica participe ativamente da definição de regras para uso de sistemas de IA em pesquisa, sob pena de ver os rumos do conhecimento matemático serem ditados por lógicas de produto, lucro e proteção de propriedade intelectual típicas do setor privado.

Quais impactos a superação dos matemáticos pela IA pode ter na pesquisa científica?

A possibilidade de sistemas de IA resolverem, em semanas ou meses, problemas que desafiaram gerações de matemáticos coloca em xeque o próprio papel do pesquisador humano na fronteira do conhecimento, tanto em matemática quanto em outras áreas que dependem dela.

De um lado, especialistas enxergam um aliado poderoso. Ao acelerar a etapa de prova formal e sugerir conexões improváveis entre ramos distantes da ciência, a IA pode liberar matemáticos para tarefas mais conceituais, como formular novas questões, revisar modelos teóricos e interpretar o significado das soluções obtidas. Mais adiante, áreas como engenharia, medicina, meteorologia e oceanografia podem ganhar modelos mais precisos e eficientes, com impactos práticos em segurança de estruturas, diagnóstico, previsão de desastres naturais e desenho de aeronaves.

De outro, cresce o temor de uma dependência excessiva. Se problemas de grande porte forem sistematicamente terceirizados para plataformas proprietárias, equipes acadêmicas podem perder autonomia, capacidade crítica e, em alguns casos, relevância nas decisões sobre o que pesquisar. O controle dos dados, da infraestrutura e dos algoritmos ficaria concentrado em poucos laboratórios privados, que passam a ter peso desproporcional na agenda científica global.

Quais são os principais riscos da inteligência artificial avançada na matemática?

Entre os riscos apontados por pesquisadores, destacam-se a estagnação do raciocínio humano, a concentração de poder científico e econômico e a ampliação de desigualdades entre países e instituições.

Para Diogo Cortiz, professor da PUC-SP, o uso indiscriminado da IA em problemas complexos pode levar a uma espécie de “terceirização” do pensamento, afetando a própria capacidade da humanidade de criar novos caminhos conceituais. Em cenário extremo, isso significaria um colapso da produção original de conhecimento, com humanos se limitando a operacionalizar resultados gerados por máquinas.

Cortiz lembra que o Programa das Nações Unidas para o Desenvolvimento alerta para o risco de uma “grande divergência” provocada pela inteligência artificial. “O Programa das Nações Unidas para o Desenvolvimento (PNDU) coloca o risco da inteligência artificial causar o que a gente chama de uma grande divergência”, diz o professor, ao comparar o momento atual com o início da Revolução Industrial, quando países que dominaram as novas tecnologias abriram larga vantagem econômica e social sobre o restante do mundo.

Hoje, Estados Unidos e China concentram tanto as principais plataformas de IA quanto o capital necessário para mantê-las e expandi-las. Essa assimetria já se reflete na pesquisa: boa parte da ciência de ponta em inteligência artificial migra para laboratórios corporativos, que têm dinheiro para atrair talentos e manter a infraestrutura de computação em escala.

Outro ponto sensível é a autoria. Se uma solução matemática vem de um sistema que foi treinado com décadas de artigos, livros e códigos produzidos por milhares de pesquisadores, quem deve ser creditado pelo avanço? A forma como empresas tratam essas contribuições — muitas vezes sem transparência sobre os dados usados — tende a alimentar disputas como a de Buckmaster com a OpenAI.

Diante desse quadro, vozes como a de Marcelo Viana pedem urgência na criação de mecanismos de regulação que garantam transparência, responsabilização e respeito a direitos autorais, sem sufocar o potencial da IA para ampliar o alcance e a velocidade da ciência. Enquanto a prova da OpenAI segue sob exame, o consenso entre matemáticos e especialistas em tecnologia é que o marco desta semana inaugura uma fase em que nenhuma grande questão científica poderá ser discutida sem levar a inteligência artificial em conta.