- Uma IA chegou onde matemáticos ainda não chegaram? 🧮
- O que está em jogo nas equações de Navier-Stokes? 🌊
- A corrida começou com um rumor 👀
- O trabalho que já estava sendo feito em paralelo
- E se o ChatGPT já tivesse visto parte desse trabalho? 🤖
- Agora apareceu um segundo matemático
- O problema que ninguém quer criar para a ciência aberta 📚
- Uma prova de US$ 1 milhão que ainda não vale US$ 1 milhão 💰
- E agora?
Principais destaques
- Uma prova que pode ser histórica: um modelo ainda não lançado da OpenAI produziu uma suposta solução para o problema de Navier-Stokes, um dos sete Problemas do Milênio.
- A origem da controvérsia: o matemático Tristan Buckmaster afirma que a empresa teria tomado conhecimento de um avanço privado ligado ao seu trabalho com Levent Alpöge, da Anthropic.
- O medo vai além da disputa: matemáticos temem que casos assim levem pesquisadores a esconder resultados preliminares, atingindo justamente a cultura de ciência aberta.
Uma IA chegou onde matemáticos ainda não chegaram? 🧮
A OpenAI colocou uma aposta gigantesca sobre a mesa: um modelo de inteligência artificial, coordenando um enxame de 10 mil agentes, teria produzido uma prova de que as equações de Navier-Stokes podem apresentar uma singularidade, ou seja, uma situação em que a velocidade do fluido se torna infinita sob determinadas condições.
Se o resultado resistir à análise da comunidade matemática, a descoberta será histórica.
O problema é que, por enquanto, a palavra mais importante é justamente “se”.
O Clay Mathematics Institute, responsável pelos Problemas do Milênio, ainda considera a questão em aberto. Pelas regras da instituição, uma solução precisa passar por pelo menos dois anos de análise após sua publicação antes de poder ser considerada para o prêmio de US$ 1 milhão.
E a OpenAI já afirmou que não pretende ficar com esse dinheiro.
O que está em jogo nas equações de Navier-Stokes? 🌊
As equações de Navier-Stokes estão por trás de uma quantidade impressionante de coisas que parecem banais até alguém precisar calculá-las.
Elas descrevem o movimento de fluidos, como água e ar, e aparecem em áreas que vão da engenharia à física.
O problema matemático é mais profundo: será que as equações sempre produzem soluções bem comportadas ou, em determinadas condições, podem gerar uma singularidade?
É aí que entra a suposta descoberta da OpenAI.
🔎 A pergunta central: pode um fluido descrito pelas equações desenvolver uma velocidade que, matematicamente, cresce sem limite?
Uma resposta afirmativa resolveria o problema do Milênio correspondente, caso a demonstração fosse validada pela comunidade.
E não seria a primeira solução de um dos sete problemas. Até hoje, apenas a Conjectura de Poincaré foi oficialmente resolvida.
A corrida começou com um rumor 👀
Segundo o relato apresentado pela OpenAI, a empresa recebeu em 1º de setembro rumores de que pesquisadores da Anthropic estariam próximos de resolver dois Problemas do Milênio.
A reação foi rápida.
A companhia colocou seu modelo interno mais recente para trabalhar. O sistema teria passado 88 horas calculando e outras 17 horas verificando o resultado.
No fim, a OpenAI afirmou ter obtido uma prova formalizada em Lean, uma linguagem usada para verificar demonstrações matemáticas.
Isso é importante porque a formalização permite que um sistema computacional confira os passos lógicos da demonstração, reduzindo o risco de um erro matemático passar despercebido.
Mas formalizar uma prova não resolve, sozinho, a questão de como a IA chegou até ela.
E é aí que a história muda completamente de tom.
O trabalho que já estava sendo feito em paralelo
O matemático da Universidade de Nova York Tristan Buckmaster e Levent Alpöge, funcionário da Anthropic, vinham colaborando pessoalmente em um problema relacionado às equações de Euler.
Na noite anterior ao anúncio da OpenAI, Buckmaster tornou público que os dois haviam alcançado um avanço nesse trabalho.
As equações de Euler são estreitamente relacionadas às de Navier-Stokes e são vistas como uma etapa importante para compreender problemas mais amplos de dinâmica dos fluidos.
Pouco depois, surgiu a acusação mais delicada.
🗣 A versão de Buckmaster: segundo o matemático, a OpenAI entrou em contato depois de tomar conhecimento do progresso da dupla e teria proposto uma colaboração condicionada à retirada do nome de Alpöge, por ele trabalhar na Anthropic.
A OpenAI nega essa versão.
Não é uma divergência pequena. Ela envolve justamente a questão de quem tinha conhecimento de determinado avanço e em que momento.
E se o ChatGPT já tivesse visto parte desse trabalho? 🤖
Buckmaster também levantou outra possibilidade.
Ele questionou se as interações dele e de Alpöge com modelos públicos da OpenAI poderiam ter contribuído para os dados usados no treinamento ou aprimoramento dos sistemas da empresa.
A OpenAI negou ter acessado dados específicos de usuários.
Ao mesmo tempo, a empresa reconheceu que não pode descartar que dados desidentificados derivados do uso de seus produtos tenham contribuído para o aprimoramento de seus modelos.
É uma distinção importante.
Isso não equivale a dizer que a OpenAI encontrou um trabalho privado de Buckmaster ou Alpöge e o colocou diretamente no treinamento. A questão levantada é mais ampla: até que ponto interações anteriores com modelos podem ter influenciado sistemas posteriores?
A resposta pública apresentada até agora não encerrou essa dúvida para os críticos.
💡 O ponto sensível não é apenas quem encontrou a solução, mas quais informações uma IA pode ter visto antes de chegar a ela.
Agora apareceu um segundo matemático
A controvérsia não ficou restrita a Buckmaster.
O matemático alemão Andreas Thom também criticou a OpenAI, acusando a empresa de “desonestidade” depois de não receber uma resposta que considerasse satisfatória sobre se suas próprias interações com o ChatGPT poderiam ter contribuído para um resultado diferente produzido pela empresa em sua área.
São episódios distintos, mas levantam uma preocupação semelhante.
Quando uma empresa de IA anuncia um avanço científico e pesquisadores externos suspeitam que trabalhos anteriores possam ter influenciado o resultado, a discussão deixa de ser exclusivamente sobre capacidade computacional.
Passa a ser também sobre proveniência intelectual.
O problema que ninguém quer criar para a ciência aberta 📚
Essa talvez seja a consequência mais importante de toda a disputa.
Matemáticos normalmente compartilham ideias, conjecturas, avanços parciais e abordagens ainda incompletas com colegas. Esse intercâmbio ajuda outras pessoas a encontrar erros, desenvolver caminhos alternativos e, eventualmente, completar uma demonstração.
Mas imagine o incentivo contrário.
Se um pesquisador acreditar que publicar um avanço preliminar ou conversar com uma ferramenta de IA pode permitir que uma empresa chegue primeiro ao resultado e anuncie a descoberta, talvez seja mais seguro guardar tudo em uma gaveta.
⚠️ Esse é o efeito inibidor que preocupa a comunidade: menos compartilhamento pode significar menos colaboração, justamente em uma área construída durante séculos sobre circulação de ideias.
O vencedor da Medalha Fields Terence Tao chamou atenção para esse risco ao discutir a possibilidade de empresas de IA correrem para se apropriar de linhas de pesquisa baseadas em rumores sobre trabalhos promissores.
A questão, portanto, não termina com Navier-Stokes.
Ela alcança uma pergunta muito maior: como deve funcionar a fronteira entre uma IA que ajuda a ciência e uma IA que compete com os próprios cientistas?
Uma prova de US$ 1 milhão que ainda não vale US$ 1 milhão 💰
Há uma ironia considerável nisso tudo.
O prêmio associado ao problema é de US$ 1 milhão, mas a OpenAI diz que não pretende reivindicá-lo.
Mesmo assim, o valor simbólico da demonstração seria enorme.
Uma prova validada significaria mostrar que sistemas de IA podem trabalhar em um dos problemas matemáticos mais difíceis do mundo, não apenas resolver exercícios ou reproduzir técnicas conhecidas.
Por enquanto, porém, existe uma diferença entre uma empresa anunciar uma prova, uma prova ser formalmente verificada e a comunidade matemática reconhecer que o problema foi resolvido.
Essa última etapa exige tempo.
E agora?
A matemática tem uma característica que combina mal com a velocidade da indústria de IA: ela não aceita muito bem o “publique primeiro, confira depois”.
A suposta prova terá de enfrentar escrutínio independente, enquanto as acusações sobre a origem das ideias continuam sendo discutidas.
E existe um detalhe curioso nessa história.
A OpenAI tentou acelerar uma corrida que começou com um rumor. Só que, na matemática, talvez a parte mais difícil não seja chegar primeiro à linha de chegada.
É conseguir demonstrar, anos depois, de onde veio cada passo do caminho.
