Matemáticos alertam para risco de IA esvaziar a pesquisa

Os matemáticos e professores da Universidade Cornell Steven Strogatz e Alex Townsend alertaram que a resolução acelerada de problemas matemáticos por sistemas de inteligência artificial põe em risco a formação de novos pesquisadores e o entendimento conceitual da ciência. O posicionamento ocorre após a OpenAI anunciar avanços automatizados sobre enigmas históricos, incluindo o problema de existência e suavidade das equações de Navier-Stokes.

A reação da comunidade acadêmica ganhou força com a adesão de 27 vencedores da Medalha Fields, considerada a maior honraria da disciplina, a uma carta aberta contra o uso predatório das ferramentas de automação. Entre os signatários está Terence Tao, professor da Universidade da Califórnia em Los Angeles (UCLA), que comparou a investida das empresas de tecnologia a uma “mineração predatória” capaz de esgotar problemas fundamentais que historicamente sustentam o ecossistema científico.

Acompanhe: OpenAI e Anthropic viram alvo da FTC após agentes autônomos invadirem redes

Cronologia e dados dos anúncios da OpenAI na matemática

• 8 de setembro de 2026: a OpenAI anuncia que um sistema interno com cerca de 10.000 agentes autônomos resolveu o problema de Navier-Stokes em 88 horas, com 2,7 milhões de mensagens trocadas e formalização posterior de 17 horas na linguagem Lean pelo GPT-6 Astra.
• 11 de setembro de 2026: grupo de 27 ganhadores da Medalha Fields divulga a carta aberta intitulada Um Grave Desalinhamento da IA na Matemática, em tradução livre.
• 21 de setembro de 2026: a OpenAI afirma que seu modelo interno resolveu mais de 100 problemas em aberto e cria o grupo consultivo AGMAI no Instituto de Estudos Avançados de Princeton, sem poder para alterar o ritmo dos experimentos.
• US$ 1 milhão: valor estabelecido pelo Clay Mathematics Institute como recompensa para a comprovação de cada um dos Problemas do Milênio.
• Novembro de 2026: previsão de lançamento conjunto da obra Big Math: The Hidden Codes That Run Our World, escrita por Steven Strogatz e Alex Townsend.

OpenAI mobiliza 10 mil agentes para resolver Navier-Stokes

O debate ganhou projeção depois que a empresa de inteligência artificial declarou ter superado em 88 horas uma barreira teórica que resistia há quase um século. Segundo o relatório técnico da companhia, o arranjo de agentes identificou o desenvolvimento de uma singularidade em tempo finito nas equações de Navier-Stokes, marco central no estudo da mecânica dos fluidos formulado no século 19.

Em artigo publicado originalmente em 22 de setembro de 2026 e difundido amplamente nesta quinta-feira (1), Strogatz e Townsend apontaram a velocidade dos experimentos corporativos como um ponto de ruptura na produção do conhecimento. “Neste ano, modelos de inteligência artificial vêm derrubando problemas em aberto na matemática, um após o outro, com eficiência brutal. A carnificina aumentou no início de setembro, quando a OpenAI lançou 10.000 agentes sobre o problema de Navier-Stokes, solucionando-o em apenas 88 horas”, afirmaram os pesquisadores de Cornell, em tradução livre.

Ao defender sua posição, a empresa instituiu um comitê consultivo independente sediado no Instituto de Estudos Avançados (IAS), em Princeton, com a participação de pesquisadores como o medalhista Fields Martin Hairer. No entanto, o próprio comunicado corporativo delimitou o alcance da iniciativa ao destacar que o órgão não interfere na rotina produtiva dos testes. “O grupo não será responsável por nos orientar sobre como ditar o ritmo de nosso progresso interno em matemática”, informou a companhia, em tradução livre.

Continue lendo: OpenAI lança o modelo GPT-6.1 Sol focado em programação agentic

Detecção comprimida e o impacto prático da pesquisa humana

A defesa da reflexão gradual na disciplina apoia-se em exemplos históricos nos quais a compreensão teórica gerou aplicações diretas no cotidiano e na medicina de ponta. Na década de 2000, os matemáticos Emmanuel Candès, Terence Tao e David Donoho desenvolveram o conceito de detecção comprimida ao provar que sinais físicos e imagens possuem estruturas matemáticas regulares que não exigem a captura de todos os pontos de dados possíveis para manter a nitidez do resultado final.

Saiba mais: PS5 Pro exige 60 horas jogadas para liberação de compra no Japão

Esse avanço analítico permitiu reformular a tecnologia dos exames hospitalares de ressonância magnética, como demonstraram posteriormente os especialistas Michael Lustig e John Pauly. O método matemático fez com que exames pediátricos que antes exigiam oito minutos de imobilização e sedação passassem a ser realizados em cerca de um minuto com a criança totalmente acordada, demonstrando que a utilidade pública da fórmula dependeu do entendimento conceitual prévio construído pelos pesquisadores.

Para os matemáticos aplicados, caso um modelo de processamento automatizado chegue diretamente a um resultado final sem explicitar as etapas intermediárias nem fornecer garantias teóricas generalizáveis, a ciência perde a capacidade de transferir um princípio abstrato para outras áreas da engenharia e do diagnóstico em saúde.

Questionamentos técnicos e validação pendente no Instituto Clay

Apesar do anúncio divulgado pela desenvolvedora sobre o problema de Navier-Stokes, a demonstração ainda não recebeu chancela oficial nem certificação do Clay Mathematics Institute como solução definitiva do desafio lançado no ano 2000. Paralelamente, o professor da Universidade de Nova York Tristan Buckmaster levantou dúvidas públicas sobre se materiais preliminares de sua equipe de pesquisa teriam sido absorvidos pelo sistema Codex durante o treinamento da ferramenta.

Veja também: Microsoft lanca WSL Containers com suporte nativo no Windows 11

A lista completa contendo os mais de 100 problemas de longa data que a OpenAI alega ter resolvido ainda não foi publicada na íntegra nem submetida à avaliação por pares em periódicos científicos independentes. A comunidade acadêmica aguarda a abertura dos relatórios detalhados para verificar o rigor das provas e o grau de originalidade apresentado pelos modelos autônomos.