IA da OpenAI e Anthropic desafia base da criptografia em 2026

Tecnologia

Novos algoritmos das líderes em IA questionam fundamentos teóricos que sustentam a segurança digital atual.

Leia também: Google libera mais de 40 agentes de IA no Android Studio

OpenAI e Anthropic divulgaram nesta semana algoritmos que afirmam resolver em tempo sub-exponencial problemas clássicos tidos como extremamente difíceis, o que, se confirmado, refutaria a Hipótese do Tempo Exponencial (ETH) e forçaria uma revisão profunda na ciência da computação teórica e em partes da criptografia moderna.

O que é a hipótese do tempo exponencial que foi refutada pelos laboratórios Frontier AI?

A Hipótese do Tempo Exponencial, proposta por Russell Impagliazzo e Ramamohan Paturi, sustenta que, mesmo com os melhores algoritmos possíveis, certos problemas lógicos exigem tempo exponencial em função do tamanho da entrada para serem resolvidos. Em termos simples, à medida que o número de variáveis cresce, o tempo de processamento explode tão rápido que torna esses problemas intratáveis na prática.

ETH virou peça central na teoria da complexidade computacional: ela é usada como base para demonstrar que muitos outros problemas também são difíceis e para justificar por que se acredita que P≠NP — a ideia de que nem todo problema cuja solução pode ser verificada rapidamente pode, ele próprio, ser resolvido rapidamente.

Na prática, a hipótese ajuda a formalizar o que os cientistas entendem como “difícil de computar” e aparece como suposição técnica em centenas de artigos, inclusive em trabalhos que dão suporte teórico a sistemas de criptografia e a limites de desempenho de algoritmos de otimização.

Como os modelos da Frontier AI refutam a hipótese do tempo exponencial?

A alegação de OpenAI e Anthropic é que seus modelos encontraram algoritmos que resolvem problemas centrais ligados à ETH em tempo sub-exponencial, isto é, significativamente mais rápido do que o limite imposto pela hipótese. Se um único problema-chave do tipo previsto pela ETH tiver um algoritmo sub-exponencial correto, a hipótese cai.

No pacote divulgado ontem pela OpenAI, três problemas matemáticos complexos aparecem com soluções completas. Um deles contém justamente a suposta refutação da ETH: o modelo teria produzido um algoritmo novo que encurta drasticamente o crescimento do tempo de execução nesses quebra-cabeças lógicos clássicos.

Anthropic, após críticas internas à divulgação da rival e à possibilidade de que os resultados estivessem baseados em trabalhos prévios, publicou horas depois sua própria refutação, também com um algoritmo sub-exponencial para a mesma classe de problemas. Os detalhes técnicos ainda estão sendo destrinchados por especialistas.

A divulgação foi segmentada: matemáticos receberam os manuscritos em repositórios de código; cientistas da computação organizaram um grupo de trabalho aberto; e físicos montaram um fórum próprio para discutir implicações em áreas limítrofes, como sistemas quânticos e fundamentos da informação.

Entenda o contexto

A ETH faz parte do guarda-chuva de questões em torno de P versus NP, um dos problemas mais famosos da matemática e da computação. A dúvida central é se todo problema cuja solução pode ser verificada rapidamente (classe NP) também pode ser resolvido rapidamente (classe P).

Ryan Williams, professor do MIT e especialista em complexidade computacional, resume a intuição por trás de P=NP usando um paralelo com quebra-cabeças: “P = NP está afirmando que isso é verdade para todo problema que você pode verificar rapidamente — se você pode verificar rapidamente, pode resolver rapidamente. Isso parece bom demais para ser verdade”, disse.

Por décadas, a maioria dos pesquisadores assumiu que P≠NP, e a ETH funcionou como um reforço dessa crença, ao formalizar que certos problemas parecem continuar exigindo tempo exponencial, mesmo com algoritmos engenhosos.

Reação imediata da comunidade científica

A divulgação acendeu uma resposta coordenada. Ryan Williams foi convidado pela OpenAI para ajudar a interpretar o resultado, ao lado de Russell Impagliazzo e Ramamohan Paturi, autores originais da ETH. Eles lideram agora um grupo de trabalho de cientistas da computação que está lendo, testando e tentando reconstruir as provas.

Williams descreve a prova da OpenAI como uma mistura de conhecido e inusitado. “Algumas partes [da prova da OpenAI] são, talvez, rotineiras, mas há duas ou três partes alienígenas, e foram exatamente essas que me fizeram pensar, uau, isso é algo que toda a comunidade precisa trabalhar junto”, afirmou.

O grupo publicou uma carta aberta convidando pesquisadores interessados a contribuir com verificações independentes e propondo discutir normas para a participação de sistemas de IA em descobertas matemáticas e de teoria da computação.

Apesar do entusiasmo, o tom é de cautela. Resultados desse porte passam tradicionalmente por meses ou anos de escrutínio em seminários, conferências e revisões por pares antes de ganharem status de consenso. Há dúvidas tanto sobre a correção linha a linha das provas quanto sobre a originalidade de partes dos argumentos gerados pelos modelos.

O que a refutação da hipótese do tempo exponencial significa para o futuro da computação?

Se a refutação da ETH for confirmada, o impacto na computação teórica será comparável à derrubada de um pilar de sustentação: boa parte de um “andaime” de resultados derivados precisará ser revista. Muitos artigos que assumem a ETH como hipótese central teriam de ser reavaliados, atualizados ou, em casos extremos, abandonados.

Uma das consequências diretas é sobre a intuição consolidada de dificuldade de problemas NP-difíceis. “Todo cientista da computação deveria considerar com mais peso a plausibilidade de P=NP, embora o peso varie”, afirmou Williams. A nova realidade pode indicar que problemas antes tidos como inatingíveis em larga escala sejam, na verdade, um pouco mais tratáveis do que se imaginava.

Isso não significa que P=NP esteja provado, mas abala argumentos indiretos usados há anos para defender que essa igualdade seria improvável. A própria fronteira entre o que é “praticamente impossível” e o que é “apenas muito difícil” pode deslocar-se, mudando a forma como pesquisadores escolhem problemas e avaliam algoritmos.

Williams ressalta que o trabalho agora é duplo: entender os novos algoritmos e reexaminar as fundações. “Isso vai afetar o trabalho de muitos pesquisadores, e precisamos descobrir o que acontece depois, além de entender os algoritmos. Precisamos entender como as bases devem mudar”, disse.

Impacto potencial na criptografia e na segurança digital

Como muitos esquemas de criptografia se ancoram em problemas considerados difíceis — justamente por causa de hipóteses como a ETH —, a notícia acendeu alertas também na segurança da informação. Se certos problemas centrais forem resolvidos mais rápido do que se julgava possível, chaves que hoje parecem seguras poderiam, em princípio, tornar-se vulneráveis.

Segundo Williams, uma das primeiras preocupações comunicadas aos laboratórios foi exatamente essa. Ele relata ter perguntado diretamente à liderança científica da OpenAI se os novos algoritmos afetavam protocolos criptográficos em uso. A resposta, de acordo com o professor, é que os times fizeram verificações e estão “razoavelmente confiantes” de que não há, por ora, uma quebra imediata de sistemas amplamente adotados.

Ainda assim, o simples fato de algoritmos sub-exponenciais terem surgido para problemas tão estruturais já é motivo para que a comunidade de criptografia reavalie margens de segurança e considere aumentar tamanhos de chaves ou migrar para problemas matemáticos alternativos, caso novas vulnerabilidades apareçam nas análises em andamento.

Reorientação de pesquisas e papel da IA na ciência

A suposta refutação da ETH também reabre o debate sobre o papel de sistemas de IA avançada na pesquisa de fronteira. Se modelos são capazes de produzir provas com trechos “alienígenas” até para especialistas, como descreve Williams, a comunidade precisará de novos protocolos para auditar, atribuir crédito e ensinar essas ideias.

Há preocupação particular com a formação da próxima geração de cientistas, que poderá se ver diante de uma literatura reescrita sob forte influência de algoritmos. Ao mesmo tempo, há otimismo com a possibilidade de saltos teóricos em áreas consideradas estagnadas justamente por causa de barreiras como a ETH.

Para Williams, a chegada da IA à pesquisa exige que os cientistas revisem a própria ambição intelectual: modelos tendem a resolver mais rapidamente os “problemas de entrada”, que eram o ganha-pão de muitas carreiras, obrigando pesquisadores humanos a buscar questões mais profundas e estruturais. “Todo mundo está tendo que pensar mais a sério em como elevar a barra para o tipo de questão científica que quer atacar”, resume.

Os próximos meses devem ser dominados por leituras coletivas, workshops e, provavelmente, uma grande conferência financiada pela OpenAI, já sugerida pelo grupo de trabalho. Até lá, ETH segue oficialmente em suspenso — em um raro momento em que a fronteira entre o que é possível e o que é impossível computar está sendo testada em tempo real por máquinas.