Crédito: Mixvale.com.br
A integridade da pesquisa científica global está sob escrutínio após grandes empresas de inteligência artificial, como OpenAI e Anthropic, serem alvo de desconfiança por parte da comunidade acadêmica. O receio surgiu com o anúncio de soluções autônomas que, de forma surpreendente, se assemelhavam a estudos acadêmicos ainda não divulgados. A coincidência entre os comunicados corporativos e os trabalhos em andamento fez com que pesquisadores revisassem e alterassem os protocolos internos de seus laboratórios, buscando evitar o envio de dados institucionais confidenciais a modelos de linguagem de grande escala.
As suspeitas ganharam ainda mais peso quando pesquisadores dos Estados Unidos e da Europa relataram terem alimentado plataformas comerciais com códigos e análises teóricas sigilosas pouco antes das divulgações públicas das companhias de IA. Em uma declaração, o professor de matemática Tristan Buckmaster, da Universidade de Nova York, expressou sua preocupação: “É provável que existam diversos resultados em que eles se apropriam do trabalho de alguém e o levam à conclusão final.”
O primeiro episódio de controvérsia se deu em setembro de 2026, envolvendo uma das questões matemáticas mais complexas da hidrodinâmica. Em 7 de setembro daquele ano, Tristan Buckmaster revelou descobertas obtidas ao longo de um ano de pesquisa, realizada em colaboração com Levent Alpöge, um matemático e pesquisador da Anthropic que participava do projeto em caráter pessoal. O estudo consistia formalmente na demonstração de singularidade em tempo finito para as equações tridimensionais de Euler com força externa suave, uma formulação não-viscosa ligada ao problema clássico de Navier-Stokes.
No dia seguinte, em 8 de setembro de 2026, a OpenAI publicou um artigo de 166 páginas, afirmando que um sistema interno de agentes autônomos havia encontrado uma quebra de continuidade em tempo finito para as equações tridimensionais de Navier-Stokes, formalizando a prova na linguagem Lean. A empresa informou ter mobilizado 10.000 agentes de computação que operaram em paralelo por 88 horas de processamento contínuo. Buckmaster questionou publicamente a origem da abordagem e levantou a suspeita de que suas instruções na ferramenta Codex poderiam ter sido utilizadas. Em uma auditoria interna, a OpenAI analisou dois meses de registros de interações de Buckmaster e assegurou que as consultas não influenciaram o resultado: “Nós (os pesquisadores e os agentes) não vimos nenhum trabalho deles por meio algum até que o divulgassem publicamente — em particular, nenhum dado específico de usuário foi acessado.”
O segundo caso ocorreu semanas depois, no setor de biologia computacional. Em 23 de setembro de 2026, a Anthropic divulgou um documento técnico afirmando que agentes autônomos do modelo Claude identificaram sistemas de enzimas transcriptases reversas com repetições em tandem, conhecidas pela sigla ART, no DNA de bacteriófagos gigantes. O diretor-executivo da empresa, Dario Amodei, declarou na ocasião: “Hoje anunciamos a descoberta liderada pelo Claude de uma máquina molecular que suspeitamos que possa representar um novo mecanismo de edição genética.”
O anúncio provocou uma reação imediata do pesquisador Mario Rodríguez Mestre, da Universidade de Copenhague. Mestre dedicava quatro anos à análise exatamente dos mesmos padrões genéticos virais e relatou ter submetido seus dados e rotinas de código ao Claude sem ter concluído a publicação em periódicos científicos. Ele esclareceu sua posição: “Não estou afirmando que a Anthropic pegou deliberadamente nosso trabalho. Não posso demonstrar isso.” A empresa sustentou que o Claude não foi treinado com transcrições de conversas de usuários, mas biólogos de instituições externas contestaram a alegação de Amodei sobre um novo mecanismo genético, apontando que as sequências ainda não têm função biológica comprovada em ensaios laboratoriais.
O receio de vazamento de propriedade intelectual e de uma antecipação desleal de resultados científicos provocou mudanças práticas imediatas no ambiente acadêmico. Pesquisadores de diferentes países começaram a criar barreiras manuais antes de recorrer a sistemas comerciais de inteligência artificial.
Sandra Laurentino, uma epigeneticista reprodutiva da Universidade de Münster, na Alemanha, determinou que sua equipe passe a mascarar parâmetros experimentais. A cientista utiliza os modelos apenas para revisar estruturas de código de programação, substituindo o nome real de variáveis biológicas por termos genéricos para impedir que os algoritmos decodifiquem o objetivo dos testes. Na Universidade de Auckland, na Nova Zelândia, o pesquisador de cognição auditiva Samuel Mehr implementou uma política interna formal que proíbe estudantes e assistentes de inserir informações institucionais ou não protegidas em grandes modelos de linguagem.
Os episódios envolveram problemas de repercussão global e cifras financeiras expressivas no meio acadêmico, levantando questões sobre a ética e a segurança na pesquisa científica impulsionada por IA.
O impacto dessa tecnologia sobre a produção científica divide analistas. Para Geoffrey Irving, cientista-chefe da organização de segurança Resolution e ex-integrante do órgão britânico UK AI Safety Institute, a velocidade das máquinas tende a superar os acadêmicos pela própria capacidade de processamento autônomo, mesmo em situações nas quais não ocorra apropriação indevida de dados, o que aponta para uma transformação fundamental no ritmo das descobertas.
A demonstração matemática de Navier-Stokes apresentada pela OpenAI ainda depende da avaliação formal do Clay Mathematics Institute. Além disso, nenhuma auditoria externa independente comprovou até o momento se registros privados de usuários do Codex ou do Claude chegaram aos conjuntos de dados que orientaram as descobertas das companhias, mantendo a questão da origem dos resultados em aberto.
