IA mobiliza 10 mil agentes para enfrentar problema matemático centenário e reacende debate sobre ética

A OpenAI afirma ter utilizado cerca de 10 mil agentes autônomos de inteligência artificial e aproximadamente US$ 15 milhões em capacidade computacional para resolver um problema matemático centenário relacionado ao movimento de líquidos e gases. A solução é tratada como um possível marco histórico, mas também provocou discussões sobre autoria, interesses comerciais, desigualdade científica e regulação da tecnologia.

A demonstração foi formalizada e publicada em Lean, uma ferramenta de verificação matemática criada pelo cientista brasileiro Leonardo de Moura. O material está sendo analisado 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 aparentemente foi resolvida, mas ainda avalia a validade da prova apresentada.

Segundo a OpenAI, os agentes de IA trabalharam sob supervisão humana e exploraram milhões de hipóteses em paralelo até encontrar uma solução considerada válida para as equações que descrevem o comportamento de fluidos. Os sistemas utilizaram grandes volumes de dados e ferramentas matemáticas existentes, combinados em alta velocidade.

As equações envolvidas são fundamentais para modelar o movimento de líquidos e gases e têm aplicações em áreas como engenharia, medicina, previsão do tempo, oceanografia e desenvolvimento de aeronaves. Indiretamente, o avanço também poderia contribuir para a criação de sistemas de resfriamento mais eficientes em data centers, infraestrutura essencial para o funcionamento de tecnologias de inteligência artificial.

Do ponto de vista técnico, a novidade não está apenas no resultado, mas no método empregado. Em vez de concentrar o trabalho de poucos pesquisadores durante anos, milhares de agentes automatizados testaram caminhos matemáticos simultaneamente, descartando rapidamente as alternativas inviáveis e aprofundando aquelas consideradas promissoras em um ambiente formalmente verificado pelo Lean.

Para Marcelo Viana, diretor-geral do Instituto Nacional de Matemática Pura e Aplicada (IMPA), a principal força da tecnologia está na capacidade de reunir e combinar conhecimentos já produzidos pela matemática. “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”, afirmou.

A solução também envolve um dos principais símbolos de prestígio da matemática moderna: a lista de problemas premiados pelo Instituto Clay. Ao abordar uma dessas questões com elevado poder computacional, a OpenAI evidencia a crescente participação de grandes laboratórios de tecnologia em uma área tradicionalmente liderada por universidades e institutos de pesquisa.

O episódio destaca ainda o papel do Lean, ferramenta desenvolvida por Leonardo de Moura que permite a verificação formal de demonstrações matemáticas por computadores. Para muitos especialistas, esse tipo de checagem representa um novo padrão de rigor. Ao mesmo tempo, a tecnologia desloca parte do trabalho científico para ambientes e linguagens controlados por grandes empresas do setor.

Após a divulgação do resultado, Tristan Buckmaster, professor da New York University, publicou um relato no qual acusou a OpenAI de seguir um caminho semelhante ao que ele desenvolvia para o mesmo problema. Segundo o matemático, a empresa teria utilizado ideias de sua pesquisa e recorrido ao Codex, ferramenta da própria OpenAI, em etapas anteriores relacionadas ao tema.

A OpenAI nega ter usado o trabalho de Buckmaster como base para a solução apresentada. A controvérsia, contudo, ampliou o debate sobre propriedade intelectual na era da inteligência artificial generativa. Uma das questões levantadas é até que ponto modelos treinados com literatura científica podem ser considerados autores de descobertas resultantes da combinação automatizada de conhecimentos disponíveis.

Enquanto o Instituto Clay analisa a prova formal, também aumenta a discussão sobre o prêmio de US$ 1 milhão. A OpenAI indicou que não pretende reivindicar o valor, mas a decisão não eliminou as críticas relacionadas à diferença entre o custo computacional estimado, de US$ 15 milhões, e os recursos disponíveis para a maioria dos grupos acadêmicos no mundo.

Entre matemáticos e especialistas em IA, prevalece a avaliação de que o episódio pode representar uma mudança estrutural na forma de fazer pesquisa. Viana afirmou que os avanços recentes ocorrem, em parte, independentemente da comunidade matemática e podem estar relacionados a motivações comerciais. Para ele, a inteligência artificial mudou profundamente as regras da pesquisa na área e precisa ser regulada.

“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”, declarou Viana.

Na área de engenharia de IA, o episódio é visto também como uma oportunidade. Anderson Soares, diretor de IA da comunidade IA Brasil, afirmou que os modelos conseguem atuar em temas abrangentes e conectar conhecimentos de diferentes áreas. “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”, disse.

Soares citou soluções recentes em matemática que surgiram da conexão entre campos distintos, incluindo um caso relacionado a Erdős, no qual um problema geométrico foi associado à teoria algébrica dos números. Segundo ele, os modelos conseguem testar milhões de caminhos em paralelo, sem cansaço, enquanto a mente humana é criativa, mas analisa um número menor de possibilidades simultaneamente.

Especialistas alertam, porém, que o principal risco não está necessariamente em a IA resolver problemas complexos, mas na possibilidade de a pesquisa humana se tornar excessivamente dependente dessas plataformas. Entre as preocupações estão a perda de autonomia intelectual e de controle sobre as prioridades científicas, caso a agenda de descobertas passe a ser influenciada por empresas que concentram infraestrutura, dados e modelos de inteligência artificial.

Diogo Cortiz, professor do departamento de computação da PUC-SP, teme que o uso indiscriminado da IA em problemas complexos leve à estagnação do raciocínio humano. Para ele, pesquisadores podem acabar transferindo às máquinas etapas criativas essenciais, enfraquecendo a capacidade de formular novas perguntas e desenvolver caminhos conceituais próprios.

Cortiz mencionou alertas do Programa das Nações Unidas para o Desenvolvimento (PNUD) sobre o risco de a inteligência artificial provocar uma “grande divergência”. A preocupação é que, assim como ocorreu na Revolução Industrial, países com maior capital e infraestrutura tecnológica avancem mais rapidamente que os demais, ampliando desigualdades em ciência e desenvolvimento.

Essa concentração já pode ser observada na pesquisa de ponta, especialmente em países como Estados Unidos e China, onde parte significativa dos estudos em inteligência artificial é realizada dentro de empresas de tecnologia. Essas companhias têm condições de oferecer salários mais altos e manter supercomputadores caros, recursos que estão fora do alcance de muitas universidades.

O episódio envolvendo a OpenAI e o Instituto Clay pode acelerar uma reorganização da profissão de matemático. Em vez de competir diretamente com as máquinas em volume de cálculos, os pesquisadores podem se concentrar na formulação de problemas, na interpretação de resultados e na construção de teorias capazes de orientar a exploração automatizada.

Também cresce a pressão por políticas públicas e normas internacionais que estabeleçam padrões mínimos de transparência para modelos usados em pesquisas, regras para a utilização de obras científicas no treinamento de sistemas e critérios de autoria e crédito em descobertas produzidas conjuntamente por humanos e inteligência artificial.

No Brasil, pesquisadores como Marcelo Viana defendem a participação ativa da comunidade acadêmica na elaboração dessas regras, para evitar que a matemática e outras áreas científicas se tornem apenas consumidoras de ferramentas desenvolvidas fora do ambiente acadêmico. Para especialistas como Anderson Soares, por outro lado, ignorar o potencial da IA significaria abrir mão de uma ferramenta capaz de impulsionar descobertas multidisciplinares.

Enquanto a prova em Lean permanece sob análise e a disputa por créditos continua, o episódio reforça uma transformação em curso na pesquisa científica: os problemas matemáticos permanecem os mesmos, mas mudam as ferramentas, os responsáveis pelas descobertas e os interesses envolvidos no processo.

Fonte: Mirai Broadcast