Uma inteligência artificial resolveu sozinha um dos sete “Problemas do Milênio” da matemática, e o estudo de 166 páginas não traz nome de nenhum pesquisador humano — apenas a assinatura “OpenAI”. O avanço expõe uma fratura silenciosa: a fronteira do conhecimento deixou de pertencer exclusivamente a quem pensa com lápis e papel.
O feito envolve as equações de Navier-Stokes, que descrevem o comportamento de fluidos e resistiam a uma solução rigorosa há décadas. O custo computacional estimado para chegar lá: US$ 22 milhões (cerca de R$ 113 milhões). Mas o verdadeiro motor dessa revolução tem sotaque brasileiro.
O brasileiro que ensinou a máquina a demonstrar teoremas
Leonardo de Moura, doutor pela PUC-Rio, criou em 2013 a linguagem Lean. Ela permite traduzir problemas matemáticos para código verificável por computadores. Sem o Lean, a IA não teria como “entender” nem validar a demonstração de Navier-Stokes.
O impacto do Lean só será medido daqui a anos. Graças a ele, nasceu o Mathlib, a maior biblioteca de matemática formalizada do mundo: mais de 400 mil declarações já traduzidas para linguagem computacional. É sobre essa base que a IA opera hoje na fronteira do conhecimento.
O “nós” que assusta os maiores matemáticos do mundo
O estudo da OpenAI usa o pronome “nós” para descrever as descobertas. Quem fala? A máquina? O coletivo humano? A ambiguidade gerou reação imediata: 25 ganhadores da Medalha Fields — o “Nobel da matemática” — assinaram a carta “Desalinhamento Severo da IA na Matemática”. Entre eles, o brasileiro Artur Avila.
O documento alerta: a corrida por resolver problemas como métrica de performance corporativa está ocorrendo em detrimento da matemática e de sua comunidade. A prática milenar de criar com lápis e papel cede espaço a quem tem acesso a supercomputadores.
Quando o gênio não consegue entender a própria descoberta
O jovem matemático Logan Graves resumiu o drama: “O que sobra para essa comunidade? Converter-se em monges. Passar o resto de suas vidas tentando entender o incompreensível. Mesmo gênios serão incapazes de entender uma única descoberta.”
Três consequências diretas já se desenham:
- Desigualdade de acesso: apenas grandes laboratórios corporativos bancam o custo de milhões em computação.
- Opacidade: demonstrações geradas por IA podem ter passos que nenhum humano consegue verificar intuitivamente.
- Fragmentação comunitária: a colaboração aberta, pilar da matemática, enfraquece quando o segredo competitivo substitui o artigo público.
O pandemônio que vem para todas as profissões
Os próprios signatários da carta avisam: o que acontece agora na matemática se repetirá em praticamente todas as áreas de atuação humana. A transição já tem três estágios claros:
- Já era: fronteira feita por pessoas.
- Já é: fronteira híbrida, com IA resolvendo problemas que humanos não alcançam sozinhos.
- Já vem: outras disciplinas — biologia, física, engenharia, direito, finanças — ocupadas pela mesma dinâmica.
O que observar daqui para frente
O Lean e o Mathlib continuam abertos e colaborativos. Isso significa que, apesar do domínio corporativo no topo, a infraestrutura para verificar e auditar descobertas da IA permanece acessível. Empresas e investidores devem monitorar: quem controlar as bibliotecas de conhecimento formalizado ditará o ritmo da inovação nas próximas décadas. A vantagem não será mais ter o melhor modelo, mas sim a melhor base verificável sobre a qual ele opera.
