A OpenAI afirma ter resolvido, total ou parcialmente, 372 problemas matemáticos que desafiaram pesquisadores durante décadas. O material, distribuído em 722 artigos, impressiona pelo volume e pela dificuldade, mas também abriu uma crise de confiança: algumas soluções são claras no papel, porém difíceis de compreender e verificar até para matemáticos experientes. A discussão, portanto, não é apenas se a inteligência artificial consegue fazer contas avançadas. É quem consegue auditar o resultado — e sob quais regras.
O que a OpenAI conseguiu demonstrar?
A publicação demonstra que modelos especializados já alcançam problemas de matemática muito além daqueles que, até pouco tempo, eram usados para medir o desempenho de sistemas de IA. A empresa também apresentou, semanas antes, uma proposta para a equação de Navier-Stokes, que descreve o comportamento de fluidos viscosos, produzida por um modelo interno ainda não lançado.
O contraste é brutal. Dois anos atrás, sistemas de inteligência artificial ainda tropeçavam em desafios matemáticos equivalentes ao ensino médio britânico. Agora, segundo o relato, eles atacam questões cuja formulação e existência consumiram anos de trabalho humano. O problema é que escala não significa automaticamente ciência: centenas de arquivos podem conter descobertas valiosas, mas também tornam a conferência independente uma tarefa quase industrial.
Há uma ironia discreta nisso. A solução pode estar correta e, ainda assim, permanecer opaca para quem deveria examiná-la. Sem demonstrações inteligíveis, código reproduzível ou tempo para revisão, o resultado se parece menos com uma aula e mais com um cofre deixado aberto. Um cofre cheio, talvez. Mas ainda um cofre.
Por que matemáticos questionam a legitimidade do trabalho?
Matemáticos questionam a legitimidade porque a OpenAI teria avançado sobre problemas internos sem seguir as normas e recomendações esperadas para pesquisa responsável. A Associação para a Matemática Humana afirmou que os pesquisadores não pediram esse trabalho e recomendou que colegas abandonem projetos com a empresa.
Terence Tao, um dos nomes mais influentes da matemática contemporânea, compartilhou a posição da associação. O texto critica a liberação de mais de 700 arquivos de uma só vez, classificando-a não como demonstração de erudição, mas de poder. A crítica é precisa: publicar muito não equivale a permitir que a comunidade entenda, revise e incorpore o conhecimento.
A associação também contestou a base de legitimidade apresentada pela OpenAI. Segundo o grupo, um conselho consultivo sobre matemática e inteligência artificial havia recomendado que empresas de IA de fronteira não testassem problemas matemáticos avançados em modelos internos. Ao ignorar essa orientação, a companhia teria desrespeitado normas destinadas a manter a matemática confiável, ética e voltada ao interesse público.
A OpenAI respondeu que deseja empurrar a fronteira do conhecimento humano e acelerar o progresso da matemática. É uma intenção difícil de condenar. O método, porém, importa tanto quanto a descoberta — não, o contrário: sem método compartilhável, a descoberta fica suspensa. Não sei se “mathpocalypse” descreve o futuro, mas o episódio mostra uma mudança concreta: a IA pode produzir respostas antes que a comunidade tenha instrumentos para entendê-las.
