Crédito: Mixvale.com.br
A OpenAI revelou ter encontrado soluções e realizado significativos progressos em 377 desafios matemáticos teóricos, utilizando um modelo de inteligência artificial desenvolvido internamente. A divulgação dessas descobertas ocorreu na última terça-feira (6), por meio de um repositório disponibilizado no GitHub, e abrange uma vasta gama de áreas, incluindo álgebra, teoria dos números, topologia, lógica matemática e ciência da computação teórica.
Este anúncio, contudo, não passou despercebido e rapidamente desencadeou uma série de alertas por parte de matemáticos e pesquisadores brasileiros. As principais preocupações levantadas giram em torno da opacidade das ferramentas corporativas, o potencial aumento das disparidades na produção científica global e os impactos negativos no processo de formação de novos cientistas.
O conjunto de resultados apresentado pela companhia exigiu, em média, cerca de três horas de processamento computacional por problema em seu sistema proprietário. Uma parcela considerável das demonstrações teve seus passos lógicos verificados com o auxílio do Lean, um software interativo projetado para validar etapas de deduções formais. Apesar dessa validação algorítmica, especialistas em matemática enfatizam que a checagem das regras lógicas não substitui a crucial avaliação humana sobre a relevância ou a originalidade conceitual de cada prova submetida.
Cientistas têm criticado veementemente a postura de sigilo adotada pela empresa de tecnologia, apontando que os critérios para a seleção dos temas abordados não foram tornados públicos e que o modelo computacional não foi liberado para testes independentes pela comunidade científica internacional. Edgard Pimentel, subdiretor do Centro de Matemática da Universidade de Coimbra, reconheceu o potencial da ferramenta, mas expressou incertezas sobre o aproveitamento de dados de terceiros.
“Considero fenomenal o que está acontecendo. Em síntese, tanto os modelos da Anthropic quanto os da OpenAI, esta última com maior repercussão, estão solucionando questões extremamente complexas, que matemáticos humanos de altíssimo nível, por um longo período, não conseguiram desvendar”, declarou Edgard Pimentel. O subdiretor, entretanto, ponderou que o modelo não esclarece como são utilizados os diálogos anteriores dos usuários para aprimorar seus parâmetros internos.
Diferentemente de áreas experimentais, que demandam laboratórios de ponta e insumos de alto custo, a pesquisa matemática sempre se destacou por seu custo financeiro reduzido, dependendo basicamente de lápis e papel. Essa característica facilitou a inserção de pesquisadores de países em desenvolvimento em um nível de excelência. A crescente dependência de supercomputadores privados e caros ameaça alterar essa dinâmica histórica de acesso ao conhecimento.
“A matemática era uma atividade quase sem custo, que realizávamos com lápis e papel. O Brasil conquistou uma medalha Fields por essa razão, pois era muito mais acessível do que as áreas contempladas pelo Nobel. Agora, tornou-se dispendiosa. O nível de desigualdade que isso irá gerar também é imenso”, afirmou Edgard Pimentel, destacando o impacto da mudança.
O efeito sobre os estudantes em formação também é uma preocupação latente entre os docentes. Altay de Souza, cientista de dados e pesquisador da Universidade Federal de São Paulo (Unifesp), ressaltou que a ferramenta pode funcionar como um atalho prejudicial ao desenvolvimento cognitivo de novatos na área.
“A inteligência artificial se torna muito tentadora para o estudante que almeja alcançar o topo da montanha, mas optando pelo teleférico, e não pela trilha. Somente quem percorreu a trilha compreende verdadeiramente o que o cume da montanha representa. Esse é o verdadeiro desafio da IA, não apenas para a matemática, mas para todas as áreas do saber na atualidade”, explicou Altay de Souza.
Os desafios matemáticos explorados pelo modelo computacional abrangem diversas subdivisões da pesquisa pura e aplicada. A concentração maior recai sobre áreas onde as demonstrações formais podem ser verificadas de maneira eficiente em um ambiente digital, otimizando o processo de validação.
Ali Tahzibi, professor do Instituto de Ciências Matemáticas e Computação da Universidade de São Paulo (ICMC-USP), estabeleceu um paralelo entre a introdução desses sistemas e a evolução dos meios de transporte. “Após a invenção do avião, podemos viajar mais longe, e isso não significa que deixaremos de fazer expedições de exploração em florestas ou de escalar montanhas”, comparou Ali Tahzibi, fazendo referência ao matemático francês e medalhista Fields Hugo Duminil-Copin, que defende que “não desejamos apenas ir diretamente ao pico; precisamos conhecer o percurso da escalada”.
Leandro Aurichi, professor e pesquisador do ICMC-USP, argumentou que o emprego da força bruta computacional nem sempre resulta na geração dos conceitos mais apropriados para o avanço de uma teoria. “Em uma analogia bastante simplista, imagine que precisamos fixar um prego, mas o martelo ainda não foi inventado. Alguém, a IA, percebe que é possível usar uma chave de fenda, já existente, e, aplicando bastante força, pregar o prego. O problema é resolvido, mas talvez não da melhor forma”, exemplificou Leandro Aurichi.
A publicação dos 377 resultados ocorreu semanas após intensos debates sobre outra reivindicação da desenvolvedora, que envolveu as equações de Navier-Stokes. Esse caso gerou atritos significativos com equipes acadêmicas que empregavam outros sistemas, como o Claude, da Anthropic, evidenciando a crescente competitividade no campo.
Na tentativa de estabelecer um diálogo construtivo com pesquisadores após a controvérsia das equações de Navier-Stokes, a empresa buscou a colaboração do Advisory Group on Mathematics and Artificial Intelligence (AGMAI), um grupo consultivo sediado no Institute for Advanced Study (IAS), em Princeton. A solução proposta para Navier-Stokes abordava a formação de singularidade em tempo finito em três dimensões.
A validação formal e o reconhecimento oficial pela comunidade matemática internacional ou pelo Clay Mathematics Institute de que a solução para Navier-Stokes atende a todos os critérios para o prêmio de US$ 1 milhão ainda não foram finalizados. O processo de revisão por pares é uma etapa essencial e decisiva para essa confirmação.
