A OpenAI despejou 372 resultados de matemática no GitHub. E agora, quem lê tudo isso?
Um modelo interno da OpenAI produziu centenas de resultados sobre problemas em aberto, incluindo uma prova reivindicada ligada à Conjectura dos Jogos Únicos. Matemáticos se dividem entre o entusiasmo e o medo de perder o fio da própria disciplina.
Em 30 segundos
- Em 6 de outubro, a OpenAI publicou no GitHub 372 famílias de resultados matemáticos gerados por um modelo interno.
- Um dos resultados é uma prova reivindicada ligada à Conjectura dos Jogos Únicos.
- Em 7 de outubro, cerca de 42% dos resultados principais tinham provas verificadas em Lean.
Na matemática, um único resultado importante pode levar uma carreira inteira. Em 6 de outubro, a OpenAI publicou 372 de uma vez.
Às 18h de Nova York, a empresa colocou no GitHub 372 famílias de resultados matemáticos gerados por um modelo interno que ainda não foi lançado ao público. A maior parte saiu de um único pedido feito a um único agente. Cada resultado consumiu, em média, cerca de três horas de processamento equivalente ao ChatGPT Pro.
Não passou por revista científica. Não passou por revisão por pares. Foi direto para o repositório público.
O que tem no pacote
Os resultados atacam problemas em aberto de várias áreas. O que mais chamou atenção foi uma prova reivindicada relacionada à Conjectura dos Jogos Únicos, um dos grandes enigmas da ciência da computação teórica. Em termos simples, ela trata de quão difícil é encontrar soluções aproximadas para certos problemas de otimização. Se a conjectura vale, muitos limites do que computadores conseguem fazer de forma eficiente ficam definidos.
O cientista da computação Scott Aaronson escreveu sobre o caso em seu blog num texto chamado "The Mathocalypse". Ele lembrou que a esposa, a teórica da complexidade Dana Moshkovitz, passou a carreira trabalhando nesse território.
Parte das provas veio formalizada em Lean, linguagem que permite a um computador checar cada passo de um argumento. Em 7 de outubro, cerca de 42% dos resultados principais tinham provas verificadas dessa forma. O restante ainda depende de leitura humana.
A reação da comunidade
Quem começou a ler as provas relatou estranhamento. Segundo matemáticos ouvidos pela imprensa especializada, a prova ligada aos Jogos Únicos não estende técnicas conhecidas. Ela inventa construções novas, como um teste de ruído com estrutura recursiva que não se encaixa bem na literatura existente.
Timothy Gowers e Edward Witten integram o grupo consultivo do IAS, criado em Princeton para avaliar e orientar a divulgação desses resultados. Antes disso, em 11 de setembro, 27 ganhadores da Medalha Fields assinaram a carta aberta "A Severe Misalignment of AI in Mathematics", defendendo que resolver problemas é ferramenta, e não o fim da matemática.
A OpenAI diz que consultou um grupo consultivo do Instituto de Estudos Avançados de Princeton. Mas definiu o limite: os matemáticos podiam opinar sobre como comunicar os resultados, não sobre o ritmo ou o volume da produção.
Opinião
O futuro chegou antes do manual de instruções
Isto aqui é o tipo de notícia que a gente vai lembrar daqui a dez anos.
A matemática sempre foi o último lugar onde a máquina parecia ajudante, nunca autora. Calculadora faz conta. Computador verifica caso. Mas descobrir o caminho de uma prova era coisa de gente. Esse muro rachou.
O problema não é a IA acertar. É a velocidade. Revisão por pares funciona no ritmo de humanos lendo devagar. Quando a produção vira linha de montagem, o gargalo passa a ser atenção. Quem vai ler 372 resultados com cuidado? E quem decide quais importam?
Pensa no que aconteceu com a música quando ficou barato gravar e distribuir. O problema deixou de ser produzir e passou a ser ser ouvido. Curadoria virou poder. Na matemática pode acontecer o mesmo: o prestígio sai de quem prova e vai para quem entende, explica e escolhe.
Tem também um ponto de marca que não dá para ignorar. Publicar tudo de uma vez, sem esperar a comunidade, é um gesto de força. Funciona como manchete. Mas confiança científica se constrói com o tempo, e atropelar quem faz a validação tem custo.
A pergunta que eu deixo: se a máquina produz mais verdades do que a gente consegue entender, o que conta como saber alguma coisa?
