IA resolve problema matemático centenário e acende alerta ético

Inteligência Artificial

OpenAI utiliza vasta rede de IA e alto investimento para solucionar desafio matemático histórico, provocando discussões éticas na ciência.

Leia também: IA da Pax esclarece 7 mil casos e gera 4,7 mil prisões em 2026

A OpenAI afirma ter usado cerca de 10 mil agentes de inteligência artificial e o equivalente a US$ 15 milhões em capacidade de processamento para resolver um problema matemático centenário sobre o movimento de líquidos e gases, solução que já é tratada como marco histórico, mas também expõe disputas por autoria, interesses comerciais e o futuro da própria pesquisa em matemática.

A prova foi formalizada e publicada em Lean, ferramenta de verificação matemática criada pelo cientista brasileiro Leonardo de Moura, e está em análise pelo Instituto Clay de Matemática, que há anos oferece um prêmio de US$ 1 milhão pela solução do problema. A instituição reconhece que a questão foi aparentemente resolvida, mas ainda avalia a demonstração apresentada.

Como a inteligência artificial superou os melhores matemáticos do mundo?

A OpenAI declara ter coordenado cerca de 10 mil agentes de IA autônomos, sob supervisão humana, para explorar milhões de hipóteses em paralelo até chegar à solução válida para as equações que descrevem o comportamento de fluidos. Esses sistemas trabalharam sobre um gigantesco volume de dados e ferramentas matemáticas já existentes, que a máquina combinou em alta velocidade.

O problema envolve equações fundamentais para modelar o movimento de líquidos e gases, base de aplicações em engenharia, medicina, previsão do tempo, oceanografia e desenvolvimento de aeronaves. Indiretamente, o avanço pode levar, por exemplo, a sistemas de resfriamento mais eficientes em data centers, que hoje sustentam a própria infraestrutura da IA.

Do ponto de vista técnico, a inovação não está apenas na resposta, mas no processo: em vez do trabalho concentrado de poucos pesquisadores por anos, milhares de agentes automatizados testam caminhos matemáticos simultaneamente, descartando rapidamente rotas inviáveis e aprofundando aquelas que parecem promissoras, tudo dentro de um ambiente formalmente checado por Lean.

Para Marcelo Viana, diretor-geral do Instituto Nacional de Matemática Pura e Aplicada (IMPA), a força da tecnologia está nessa capacidade de combinar o que a matemática já produziu. “A grande força da IA está em reunir e combinar ferramentas já existentes com enorme habilidade e velocidade, impulsionada por seu acesso a imensos volumes de dados e capacidade incansável de processamento”, afirma.

Entenda o contexto

Nos bastidores, a solução mexe com um dos símbolos de prestígio da matemática moderna: a lista de problemas premiados pelo Instituto Clay. Ao atacar uma dessas questões com poder computacional massivo, a OpenAI mostra como grandes laboratórios de tecnologia passam a disputar protagonismo com universidades e institutos tradicionais.

O caso também destaca o papel de ferramentas como o Lean, de Leonardo de Moura, que permitem que demonstrações inteiras sejam verificadas formalmente pelo computador. Essa checagem automática é vista por muitos matemáticos como um novo padrão de rigor, mas, ao mesmo tempo, desloca o centro do trabalho científico para ambientes e linguagens controlados por grandes empresas de tecnologia.

Disputa por autoria e uso de trabalhos anteriores

Logo após a divulgação do feito, o matemático Tristan Buckmaster, professor da New York University, publicou um relato detalhado acusando a OpenAI de ter seguido um caminho muito semelhante ao que desenvolvia para o mesmo problema. Segundo ele, a empresa teria se baseado em ideias de sua pesquisa e usado o Codex, ferramenta da própria OpenAI, em etapas anteriores associadas ao tema.

A empresa nega ter utilizado o trabalho de Buckmaster como base para a solução apresentada. A controvérsia, porém, já extrapola o caso individual e alimenta um debate mais amplo sobre propriedade intelectual em tempos de IA generativa: até que ponto modelos treinados em literatura científica podem ser considerados autores de descobertas que emergem de combinações automatizadas desses dados?

Enquanto o Instituto Clay avalia a prova formal, também cresce a discussão sobre o prêmio de US$ 1 milhão. A OpenAI indica que não pretende reivindicar o valor, gesto que não elimina as críticas sobre o desequilíbrio entre o custo computacional empregado — estimado em US$ 15 milhões — e a estrutura de financiamento disponível para a maioria dos grupos acadêmicos no mundo.

Impacto na matemática e na prática científica

Entre matemáticos e especialistas em IA, a leitura predominante é que o episódio marca uma mudança estrutural no modo de fazer pesquisa. Viana resume: “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”.

Do lado da engenharia de IA, o tom é de oportunidade. Anderson Soares, diretor de IA da comunidade IA Brasil, compara a especialização humana com o alcance dos modelos. “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. Muitos problemas ficam em aberto porque ninguém consegue conectar pedaços de conhecimento que os resolveriam”, diz.

Soares lembra que soluções recentes em matemática já nasceram da conexão improvável entre campos distintos. “Tivemos o caso recente do Erdos, em que a solução foi ligar um problema geométrico à teoria algébrica dos números. Os modelos testam milhões de caminhos em paralelo, ‘sem cansaço e sem custo’, enquanto a mente humana é criativa, mas analisa poucas opções em paralelo”, afirma.

Quais são os riscos de a inteligência artificial superar matemáticos humanos?

Especialistas alertam que o principal risco não é a IA resolver problemas difíceis, mas a pesquisa humana se tornar dependente demais dessas plataformas, com perda de autonomia intelectual e de controle sobre as prioridades científicas. O temor é que a agenda de descobertas passe a ser guiada por interesses de empresas que dominam infraestrutura, dados e modelos.

Para Marcelo Viana, é preciso tratar a IA como tecnologia passível de regulação, como se fez com outras inovações de alto impacto. “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”, afirma.

Diogo Cortiz, professor do departamento de computação da PUC-SP, teme que o uso indiscriminado da IA para problemas complexos leve à estagnação do raciocínio humano. A preocupação é que pesquisadores terceirizem à máquina etapas criativas essenciais, enfraquecendo a capacidade de formular perguntas novas e construir caminhos conceituais próprios.

Cortiz cita alertas do Programa das Nações Unidas para o Desenvolvimento. “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. A ideia é que, assim como na Revolução Industrial, países com mais capital e infraestrutura tecnológica possam disparar em relação aos demais, aprofundando desigualdades em ciência e desenvolvimento.

Na prática, isso já aparece na concentração de pesquisa de ponta em poucos laboratórios corporativos, especialmente em países com grande poder de investimento. Segundo Cortiz, em locais como Estados Unidos e China, boa parte da ciência em IA hoje se faz dentro das próprias empresas de tecnologia, que podem pagar salários mais altos e manter supercomputadores caros, algo fora do alcance da maioria das universidades.

Como a IA pode impactar o futuro da pesquisa matemática?

O episódio envolvendo a OpenAI e o Instituto Clay tende a acelerar uma reorganização da própria profissão de matemático. Em vez de competir diretamente com máquinas em volume de cálculo, pesquisadores podem passar a se concentrar na formulação de problemas, na interpretação de resultados e na construção de teorias que orientem a exploração automatizada.

Ao mesmo tempo, cresce a pressão por políticas públicas e normas internacionais que definam padrões mínimos de transparência dos modelos usados em pesquisa, regras para uso de obras científicas no treinamento de sistemas e critérios de autoria e crédito quando descobertas forem resultado de trabalho conjunto entre humanos e IA.

No Brasil, vozes como a de Viana defendem que a comunidade acadêmica participe ativamente da formulação dessa regulação, para evitar que a matemática e outras ciências sejam apenas consumidoras de ferramentas produzidas fora do ambiente científico. Para pesquisadores como Soares, por outro lado, ignorar o potencial da IA significaria abrir mão de uma alavanca poderosa de descobertas multidisciplinares.

Enquanto a prova em Lean segue em escrutínio e a disputa por créditos ainda se desenrola, a mensagem que chega às salas de aula e aos laboratórios é clara: a matemática continua a mesma, mas as regras do jogo — quem descobre, com quais ferramentas e sob quais interesses — estão em plena transformação.