A OpenAI divulgou soluções e avanços para 377 problemas matemáticos teóricos utilizando um modelo interno de inteligência artificial. A publicação ocorreu na terça-feira (6), em um repositório no GitHub, abrangendo campos como álgebra, teoria dos números, topologia, lógica matemática e ciência da computação teórica.
O anúncio provocou alertas de matemáticos e pesquisadores brasileiros sobre a falta de transparência das ferramentas corporativas, o risco de ampliação das desigualdades na produção científica e os prejuízos ao treinamento pedagógico de novos cientistas.
OpenAI mobiliza modelo interno e gera debate sobre transparência
O conjunto de resultados divulgado pela empresa demandou um tempo médio de computação de cerca de 3 horas por problema em seu sistema proprietário. Parte expressiva das demonstrações teve passos lógicos checados por meio do Lean, um software interativo que valida etapas de deduções formais. Apesar dessa conferência algorítmica, matemáticos ressaltam que a checagem lógica de regras não substitui a avaliação humana a respeito da relevância ou novidade conceitual de cada prova apresentada.
Cientistas criticam a postura de sigilo adotada pela empresa de tecnologia, apontando que os critérios de escolha dos temas atacados não foram divulgados e que o modelo computacional não foi liberado para testes independentes pela comunidade científica internacional. Edgard Pimentel, subdiretor do Centro de Matemática da Universidade de Coimbra, avaliou o alcance da ferramenta, mas apontou incertezas sobre o uso de dados de terceiros.
Acompanhe: OpenAI lança agentes Dots e modelo GPT-6.1 Sol no DevDay 2026
“Acho fantástico o que está a acontecer. Resumindo, tanto os modelos da Anthropic quanto os da OpenAI, essa segunda com mais estardalhaço, estão resolvendo problemas muito difíceis, que os matemáticos humanos do mais alto nível, por muito tempo, não conseguimos resolver”, afirmou Edgard Pimentel. O subdiretor ponderou que o modelo não deixa claro o aproveitamento de diálogos anteriores de usuários para o aperfeiçoamento de seus parâmetros.
Leia também: OpenAI publica 722 manuscritos com avanços em matemática
Pesquisadores apontam barreiras financeiras e impactos na formação acadêmica
Diferentemente de ramos experimentais que exigem laboratórios de ponta e insumos caros, a pesquisa matemática sempre teve como característica um custo financeiro reduzido, baseado em lápis e papel, o que viabilizou inserção de alto nível para pesquisadores de países em desenvolvimento. A dependência crescente de supercomputadores privados e caros ameaça mudar essa dinâmica de acesso ao conhecimento.
“A matemática era uma brincadeira quase gratuita, que a gente fazia com lápis e papel. O Brasil ganhou uma medalha Fields por isso, porque era muito mais barato do que as áreas do Nobel. Agora ficou caro. O nível de desigualdade que isso vai introduzir também é brutal”, declarou Edgard Pimentel.
O efeito sobre novos estudantes também preocupa os docentes. Altay de Souza, cientista de dados e pesquisador da Universidade Federal de São Paulo (Unifesp), destacou que a ferramenta pode atuar como um atalho prejudicial no desenvolvimento cognitivo de iniciantes.
“A IA se torna muito tentadora para o aluno que quer subir a montanha, mas pelo bondinho, e não pela trilha. Só quem subiu a trilha sabe o que o cume da montanha de fato representa. Esse é o real desafio da IA, não só para a matemática, mas para todas as áreas do conhecimento hoje em dia”, disse Altay de Souza.
Quais áreas da matemática receberam soluções da OpenAI?
Os desafios matemáticos abordados pelo modelo computacional cobrem diferentes divisões da pesquisa pura e aplicada, concentrando-se em áreas em que demonstrações formais podiam ser verificadas em ambiente digital.
- Álgebra
- Teoria dos números
- Topologia
- Lógica matemática
- Ciência da computação teórica
Ali Tahzibi, professor do Instituto de Ciências Matemáticas e Computação da Universidade de São Paulo (ICMC-USP), comparou a introdução desses sistemas a meios de transporte. “Depois da invenção do avião, podemos viajar mais longe, e isso não significa deixar de fazer viagens de exploração nas florestas ou subir montanhas”, afirmou Ali Tahzibi, citando o matemático francês e medalhista Fields Hugo Duminil-Copin, segundo o qual “não queremos ir apenas diretamente ao pico; precisamos conhecer o caminho da escalada”.
Leandro Aurichi, professor e pesquisador do ICMC-USP, argumentou que o uso de força bruta computacional nem sempre gera os conceitos mais adequados para a teoria. “Numa analogia bem tosca, imagine que a gente precise pregar um prego, mas o martelo ainda não foi inventado. Alguém, a IA, percebe que dá para usar uma chave de fenda, já inventada, e, fazendo bastante força, pregar o prego. Problema resolvido, mas talvez não de maneira muito boa”, afirmou Leandro Aurichi.
Cronologia dos anúncios da OpenAI na matemática em 2026
A publicação dos 377 resultados aconteceu após semanas de debates sobre outra alegação feita pela desenvolvedora, que envolveu as equações de Navier-Stokes e gerou atritos com equipes acadêmicas que utilizavam outros sistemas, como o Claude, da Anthropic.
- 8 de setembro de 2026: OpenAI anuncia resolução envolvendo as equações de Navier-Stokes, um dos Problemas do Milênio.
- 6 de outubro de 2026: OpenAI divulga no GitHub soluções e avanços para 377 problemas matemáticos teóricos.
- 8 de outubro de 2026: pesquisadores detalham preocupações sobre critérios fechados e custos de acesso aos modelos.
Na tentativa de estruturar o diálogo com pesquisadores após o caso das equações de Navier-Stokes, a empresa recorreu ao Advisory Group on Mathematics and Artificial Intelligence (AGMAI), grupo consultivo sediado no Institute for Advanced Study (IAS), em Princeton. A solução anunciada para Navier-Stokes envolvia a formação de singularidade em tempo finito em três dimensões.
A validação formal e o reconhecimento oficial pela comunidade matemática internacional ou pelo Clay Mathematics Institute de que a solução para Navier-Stokes cumpre todos os requisitos para o prêmio de US$ 1 milhão ainda não foram concluídos, dependendo de revisão por pares.