Um estudo de 166 páginas assinado apenas como OpenAI acaba de resolver as equações de Navier-Stokes, um dos sete “problemas do milênio” da matemática. O detalhe inquietante: o texto usa o pronome “nós” para descrever as descobertas, mas não há autores humanos identificados. Quem — ou o que — está por trás desse “nós”?
O brasileiro que tornou tudo possível
Antes da celebração ou do alarme, é preciso nomear Leonardo de Moura. Doutor pela PUC-Rio, ele criou em 2013 a linguagem Lean, ferramenta que permite descrever e verificar provas matemáticas por meio de código. Sem o Lean, a inteligência artificial não teria como operar na fronteira da matemática formal.
O impacto dessa invenção ainda está sendo dimensionado. Graças a ela, nasceu o Mathlib, a maior biblioteca de matemática formalizada do mundo, com mais de 400 mil declarações traduzidas para linguagem computacional. Foi essa base que permitiu à IA navegar pela complexidade de Navier-Stokes.
A conta de US$ 22 milhões que muda o jogo
Resolver o problema exigiu poder computacional massivo: estima-se US$ 22 milhões (cerca de R$ 113 milhões) em processamento. Esse custo cria uma barreira de entrada que poucos laboratórios ou instituições conseguem superar. A matemática, historicamente acessível com lápis e papel, passa a depender de infraestrutura de ponta.
O resultado imediato é a concentração de capacidade de descoberta nas mãos de quem tem orçamento para treinar e rodar modelos de grande escala. Universidades e pesquisadores independentes ficam em desvantagem estrutural.
Carta de 25 medalhistas Fields expõe racha profundo
A reação da elite matemática foi rápida e severa. Vinte e cinco ganhadores da medalha Fields — incluindo o brasileiro Artur Avila — assinaram documento intitulado “Desalinhamento Severo da IA na Matemática”. A tese central: empresas de IA estão otimizando métricas de resolução de problemas em detrimento da própria matemática e de sua comunidade.
O medo não é apenas de exclusão. É de incompreensibilidade. O jovem matemático Logan Graves resumiu o cenário: a comunidade corre o risco de virar “monges” dedicados a tentar entender descobertas que nenhum ser humano consegue acompanhar. Mesmo gênios seriam incapazes de compreender uma única prova gerada por máquina.
O padrão que vai se repetir em todas as áreas
Os próprios signatários da carta alertam: o pandemônio visto na matemática não ficará restrito a ela. A transição segue três estágios claros:
- Já era: fronteira do conhecimento feita por pessoas.
- Já é: fronteira da matemática ocupada por IA.
- Já vem: fronteira de outras disciplinas ocupada por IA.
Direito, biologia, engenharia, economia — qualquer campo que dependa de provas formais, modelagem complexa ou otimização massiva enfrentará a mesma tensão entre capacidade computacional e compreensão humana.
O que observar daqui para frente
Três variáveis definirão os próximos passos: a democratização do acesso ao hardware necessário para verificação de provas, a criação de interfaces que traduzam demonstrações formais em linguagem inteligível para pesquisadores humanos e a governança sobre quem controla os modelos que operam na fronteira do conhecimento. Se o “nós” da OpenAI continuar sem rosto, a ciência corre o risco de produzir verdades que ninguém consegue auditar — e, portanto, ninguém consegue confiar.
