Uma inteligência artificial acabou de decifrar um dos sete “problemas do milênio” — as equações de Navier-Stokes, que modelam o comportamento de fluidos — e o estudo de 166 páginas não tem autor humano assinando. No topo, apenas “OpenAI”. O pronome “nós” aparece ao longo do texto, mas quem faz parte desse “nós”?
A resposta passa por um laboratório no Rio de Janeiro e por uma linguagem de programação que silenciosamente reescreveu as regras do jogo.
O brasileiro que ensinou computadores a fazer matemática
Leonardo de Moura, doutor pela PUC-Rio, criou em 2013 a linguagem Lean. Ela permite descrever e provar teoremas matemáticos em código verificável por máquinas. Sem o Lean, a IA não teria como “entender” a estrutura rigorosa necessária para atacar Navier-Stokes.
O impacto real vem do Mathlib, a maior biblioteca matemática formalizada do mundo, construída sobre o Lean:
- Mais de 400 mil declarações matemáticas traduzidas para linguagem computacional
- Base de conhecimento que a IA consulta para validar cada passo lógico
- Infraestrutura que transformou a matemática em “dado treinável”
O custo computacional da prova? Estimados US$ 22 milhões (cerca de R$ 113 milhões). A fronteira do conhecimento agora tem preço de entrada.
O terremoto na comunidade matemática
Vinte e cinco medalhistas Fields — o “Nobel da matemática” — assinaram a carta “Desalinhamento Severo da IA na Matemática”. Artur Avila, único brasileiro na lista, está entre eles.
O argumento central: empresas de IA estão otimizando modelos para “resolver problemas” como métrica de marketing, não para avançar a matemática como disciplina viva. O resultado é uma fronteira que:
- Exige supercomputadores, não lápis e papel
- Produz provas que nenhum humano consegue verificar sozinho
- Concentra poder em quem tem orçamento de dezenas de milhões
O jovem matemático Logan Graves resumiu o cenário: “O que sobra para essa comunidade? Converter-se em monges. Passar o resto de suas vidas tentando entender o incompreensível.”
O padrão que vai se repetir em toda profissão
Os próprios signatários da carta alertam: o pandemônio na matemática é apenas o primeiro ato. A mesma dinâmica — IA operando na fronteira do conhecimento com custos computacionais proibitivos para indivíduos — deve atingir:
- Física teórica e modelagem climática
- Descoberta de fármacos e biologia sintética
- Engenharia de materiais e fusão nuclear
- Qualquer área onde a verificação rigorosa possa ser formalizada
O que observar daqui para frente
Três variáveis vão ditar se a matemática — e as demais ciências — permanecem coletivas ou viram propriedade de poucos laboratórios:
- Democratização do compute: iniciativas de código aberto conseguem replicar resultados a custos menores?
- Governança do Mathlib: a biblioteca permanece comunitária ou é capturada por grandes players?
- Formação de talentos: universidades preparam matemáticos que sabem “falar Lean” ou apenas lápis e papel?
O Brasil tem o autor da ferramenta que tornou tudo possível. A pergunta é se o país vai exportar apenas a infraestrutura — ou também participar das descobertas que ela habilita.
