IA resolve problemas sem solução há décadas e causa ansiedade em matemáticos

No começo de agosto, cerca de 40 dos principais matemáticos do mundo se reuniram na sede da OpenAI, em São Francisco, para tratar de uma pergunta que até pouco tempo parecia distante: o que sobra para o especialista humano se a inteligência artificial se tornar melhor do que ele em pesquisa matemática.
O encontro, de um dia inteiro, foi relatado pelo jornal americano The Washington Post.
Uma das apresentações, do professor Daniel Litt, da Universidade de Toronto, se chamava "O fim da matemática" e desenhava o pior cenário possível, no qual a IA produziria pesquisa avançada em volume tão grande que restaria pouco incentivo para manter especialistas humanos na área.
Litt considera esse desfecho improvável, mas afirmou ao jornal que a comunidade precisa reagir.
"É importante que a gente realmente faça alguma coisa", disse.
A matemática é uma das primeiras áreas acadêmicas obrigadas a lidar com as consequências profissionais de descobertas geradas por máquinas que rivalizam com o trabalho de especialistas.
E a discussão chega em um momento de preocupação mais ampla, entre parlamentares, economistas e executivos, sobre o potencial efeito da IA nos empregos.
Um acúmulo de resultados em quatro meses
Essa ansiedade tem base em uma sequência recente de anúncios.
Em maio de 2026, a OpenAI divulgou a refutação da conjectura das distâncias unitárias, problema de geometria combinatória proposto pelo matemático húngaro Paul Erdos há cerca de 80 anos.
O resultado foi obtido por um modelo não lançado da empresa e é considerado por boa parte da comunidade o primeiro avanço relevante em matemática gerado por IA.
Em 1º de agosto, a empresa publicou dez novos resultados em matemática e ciência da computação teórica, atribuídos a uma versão interna do Astra, nome dado à sua próxima família de modelos.
O pacote inclui limites melhores para empacotamento de esferas em altas dimensões, um contraexemplo para a conjectura de rigidez de Connes e a resolução de problemas da lista de Erdos.
Junto do texto, a empresa liberou um conjunto de manuscritos de 249 páginas e certificados em Lean 4, linguagem de programação que permite a um computador verificar cada passo de uma demonstração.
O repositório no GitHub registra zero passos deixados sem prova.
Estimativas publicadas pela Forbes apontam custo aproximado de US$ 2 mil em processamento para chegar aos dez resultados.
Nove dias depois, a Anthropic informou que uma versão de pesquisa do Claude elevou de 41,6% para 67,2% a proporção comprovada de zeros da função zeta de Riemann que ficam sobre a chamada linha crítica.
A hipótese de Riemann, aberta desde 1859 e com prêmio de US$ 1 milhão do Instituto Clay, segue sem solução: o que a máquina fez foi melhorar um limite inferior que a pesquisa humana levou décadas para mover menos de um ponto percentual.
O pedido inicial do funcionário da empresa, segundo o Post, tinha sido simplesmente que o modelo desse "tentasse" resolver o problema, seguido de estímulos do tipo "continue".
A função zeta de Riemann é uma expressão matemática cujos "zeros", os pontos em que ela se anula, carregam informação sobre a distribuição dos números primos.
A hipótese sustenta que todos esses zeros se alinham em uma única reta no plano complexo.
Provar isso confirmaria um padrão profundo por trás da aparente irregularidade dos primos.
Quando a descoberta vira post no X
Parte do incômodo não está no resultado, e sim no caminho para chegar a ele.
A pesquisa matemática costuma passar por seminários, circulação entre pares, publicação no repositório arXiv e revisão formal em periódico.
Na semana passada, o matemático Levent Alpöge, da Anthropic, optou por anunciar um resultado em uma publicação de 24 mil caracteres na rede social X, composta apenas pelos sinais de mais e de menos.
O conteúdo era a descrição, feita com auxílio do Claude, de pares de vetores perpendiculares apontando para os vértices de um cubo de 668 dimensões, construção que matemáticos supunham possível, mas ninguém havia demonstrado.
Em julho, o fundador de startup Dmitry Rybin pediu ao ChatGPT que fizesse "um avanço" para refutar uma hipótese sobre fluxos em redes.
A cada falha, continuava insistindo.
O modelo acabou produzindo um contraexemplo que ele conferiu e publicou enquanto assistia a um filme com amigos.
O matemático francês David Bessis questionou quais incentivos restam, depois de um anúncio assim, para alguém "organizar a bagunça" e dar sentido ao que foi produzido.
Provar não é o mesmo que entender
Entre os pesquisadores ouvidos pelo Post, a objeção mais recorrente é epistemológica.
"Matemática consiste de entender resultados.
Não é só provar o resultado", disse Bryna Kra, professora da Universidade Northwestern.
Segundo ela, uma demonstração que não é compreendida não passa a integrar a literatura da área.
Melanie Matchett Wood, matemática de Harvard que ajudou a preparar uma versão humana do resultado da OpenAI sobre distâncias unitárias, afirmou que os modelos mais avançados tendem a explicar demais as partes fáceis de um argumento e a atropelar as difíceis.
Para ela, ainda não existem normas sobre como esse tipo de produção deve ser feito.
Há também exemplos de trabalho conjunto.
Um dos dez resultados da OpenAI conectou dois artigos publicados em 2016 e 2019 pelos matemáticos Gábor Kun e Andreas Thom, que em seguida publicaram um novo estudo simplificando e ampliando o achado.
"A IA está resolvendo problemas de forma muito inteligente, de forma significativa", disse Thom.
Ele também disse que os conceitos surgiram do envolvimento humano com a demonstração.
A resposta da comunidade
Em junho, um grupo de 16 pesquisadores de 15 universidades publicou a Declaração de Leiden sobre Inteligência Artificial e Matemática, documento de 11 páginas endossado pela União Matemática Internacional e aberto a novas assinaturas.
O texto não pede a proibição da IA, mas cobra normas de uso, verificação de resultados e atribuição correta de créditos, além de alertar para o risco de que empresas de tecnologia passem a definir quais perguntas de pesquisa merecem prioridade.
Para parte dos participantes, o setor funciona como laboratório do que vem pela frente em outras atividades intelectuais.
Drew Sutherland, matemático do Instituto de Tecnologia de Massachusetts, afirmou que parte das empresas de IA escolheu a matemática justamente por ela servir como "substituta de quase qualquer atividade" que exija muita inteligência.
Ele comparou os matemáticos a canários em mina de carvão.
Sébastien Bubeck, cientista de pesquisa da OpenAI e um dos organizadores do encontro, apresentou outros caminhos possíveis: a matemática poderia se aproximar da engenharia de software, com centenas de pessoas trabalhando em um mesmo problema com apoio de IA, ou da física, em que questões avançadas exigem concentração de recursos.
"Temos que colocar as pessoas, o humano, os matemáticos em primeiro lugar", afirmou.
"A matemática só é interessante na medida em que os matemáticos aprendem com ela."
Mais Lidas