A OpenAI afirmou na terça-feira (8) que sua mais nova tecnologia de inteligência artificial havia solucionado um dos chamados Problemas do Milênio, um conjunto de importantes questões matemáticas ainda sem resposta, criado para levar os principais matemáticos do mundo a novos patamares.

O anúncio é mais um claro sinal de que a IA está mudando de maneira fundamental os níveis mais avançados da matemática, há muito considerados um dos ápices da realização humana. A mudança entusiasmou alguns matemáticos, ao mesmo tempo que despertou preocupação em outros.

Ao longo do último ano, sistemas de IA solucionaram com sucesso uma grande variedade de problemas que vinham intrigando matemáticos havia décadas. Mas esses problemas não eram tão complexos, nem tão acompanhados de perto, quanto aquele que a tecnologia da OpenAI solucionou nos últimos dias. Os Problemas do Milênio estão entre os temas mais pesquisados da área.

“Este é o desfecho espetacular da trajetória que vimos ao longo dos últimos 12 meses”, afirmou o pesquisador da OpenAI Sébastien Bubeck sobre a nova solução da empresa.

A empresa anunciou que um de seus modelos mais recentes, que ainda não foi disponibilizado ao público, precisou de apenas 88 horas para solucionar o que os matemáticos chamam de “problema da existência e suavidade de Navier-Stokes”. O problema envolve uma série de equações frequentemente usadas para fazer previsões meteorológicas.

As equações descrevem o movimento da água e de outros fluidos. O problema de Navier-Stokes, que não tem valor prático evidente, questiona se essas equações deixam completamente de funcionar em determinadas situações. A demonstração da OpenAI afirma ter definido justamente uma situação desse tipo.

Isso implicaria, ao menos em teoria, que as próprias leis da física deixariam de funcionar sob certas condições —que, por exemplo, seria possível fazer a água explodir espontaneamente. Mas matemáticos e físicos não acreditam que esse colapso matemático possa de fato levar a tal resultado no mundo físico.

O problema de Navier-Stokes era um dos sete Problemas do Milênio selecionados pelo Clay Mathematics Institute no ano 2000 como forma de acompanhar o progresso da matemática no novo milênio. O instituto, fundado por um empresário americano chamado Landon T. Clay, ofereceu US$ 1 milhão pela primeira solução correta de cada problema. Antes do anúncio da OpenAI, apenas um deles havia sido solucionado.

“Essas questões são faróis”, afirmou Terence Tao, professor da UCLA considerado por muitos o maior matemático de sua geração. “São grandes pontos de referência que atraem os esforços dos cientistas humanos.”

Tao está entre os muitos matemáticos que alertaram publicamente que os sistemas de IA mais recentes podem acabar prejudicando o campo da matemática. Segundo ele, se as tecnologias de IA conseguirem resolver os problemas mais difíceis com pouca contribuição de matemáticos humanos, poderão enfraquecer a compreensão humana da área.

“O esforço necessário para resolver problemas muitas vezes é muito instrutivo. Ele ensina alguma coisa. É como ir à academia e estabelecer a meta de levantar um peso cem vezes”, explicou. “Agora, a IA pode resolver questões sem realmente extrair nenhum valor delas. É como ter máquinas que levantam os pesos por você na academia.”

Mas, como ele e outros ressaltam, os matemáticos ainda dão uma ajuda enquanto os sistemas de IA trabalham nesses problemas. A OpenAI afirmou ter mobilizado vastas equipes de agentes de IA para solucionar o problema de Navier-Stokes e que seus pesquisadores transmitiram ideias fundamentais entre essas equipes.

“Nosso papel foi como o de uma abelha fazendo a polinização cruzada entre diferentes grupos e levando diferentes fragmentos de informação”, afirmou Dan Roberts, pesquisador da OpenAI.

Os sistemas de IA também podem se apoiar em avanços importantes anteriormente alcançados por matemáticos de destaque —ou reproduzir de forma independente o trabalho deles. Na noite anterior ao anúncio da OpenAI, Tristan Buckmaster, professor de matemática da Universidade de Nova York, afirmou em uma publicação nas redes sociais que vinha explorando uma linha de pesquisa semelhante com outro matemático que trabalha para a Anthropic, principal rival da OpenAI.

Em uma publicação em seu blog na terça-feira, a OpenAI reconheceu que concentrou seus recursos no problema de Navier-Stokes depois de saber que outros matemáticos exploravam uma linha de pesquisa semelhante. Mas a empresa afirmou que “não teve acesso a nenhum trabalho deles por nenhum meio”.

Empresas como a OpenAI desenvolvem suas tecnologias de IA usando o que os cientistas chamam de redes neurais, sistemas que aprendem habilidades analisando enormes volumes de dados digitais. Cerca de dois anos atrás, essas empresas começaram a aperfeiçoar tais sistemas por meio de outra técnica, chamada aprendizado por reforço. Nesse processo, os sistemas de IA podem aprender comportamentos adicionais por meio de extensas tentativas e erros.

Ao trabalhar com milhares de problemas matemáticos, por exemplo, eles podem aprender quais métodos levam à resposta correta e quais não levam. Pesquisadores de laboratórios como a OpenAI desenvolvem mecanismos complexos de feedback que mostram ao sistema quando ele fez algo certo e quando fez algo errado.

É difícil aperfeiçoar o aprendizado por reforço em áreas como escrita criativa, filosofia e ética, nas quais é complicado definir objetivamente quais respostas estão certas ou erradas. Mas a técnica é ideal para a matemática.

Por meio desse processo, os sistemas de IA podem aprender a demonstrar teoremas matemáticos usando uma linguagem de programação chamada Lean. A linguagem foi originalmente criada como ferramenta para matemáticos humanos. Mas, agora que os sistemas de IA têm habilidade suficiente para gerar o próprio código, eles também podem usar o Lean para produzir suas próprias demonstrações matemáticas.

Em janeiro, a OpenAI e outra startup chamada Harmonic afirmaram que, juntas, duas de suas tecnologias de IA haviam solucionado um dos problemas de Erdős, uma coleção de difíceis problemas não resolvidos propostos por Paul Erdős, um acadêmico do século 20.

Alguns matemáticos ressaltaram que a solução gerada pelos sistemas de IA não era tão diferente de trabalhos anteriores realizados sem a ajuda da tecnologia. “Para mim, parece um aluno muito inteligente que decorou tudo para a prova, mas não tem uma compreensão profunda do conceito”, disse Tao ao Times.

Mas, com o passar dos meses, tecnologias da OpenAI e de outras empresas continuaram solucionando problemas adicionais, às vezes de maneiras mais impressionantes.

A OpenAI afirmou ter solucionado o problema de Navier-Stokes usando até 10 mil agentes de IA trabalhando em conjunto. Operar um número tão grande de sistemas de IA provavelmente custou milhões de dólares, em razão da enorme quantidade de energia elétrica necessária para acionar os chips especializados que movimentam essas tecnologias.

Noam Brown, cientista pesquisador da OpenAI, classificou isso como um processo muito caro, antes de acrescentar que os custos de operação das tecnologias de IA tendem a cair à medida que empresas como a OpenAI aumentam sua eficiência.

Na terça-feira, a empresa divulgou um artigo descrevendo sua solução, incluindo uma demonstração em Lean, o que permite que matemáticos de fora vejam como seus agentes solucionaram o problema. Mas, para Tao, isso ainda é um substituto insatisfatório para a resolução do problema pelos próprios seres humanos. Ele comparou a OpenAI a um guia de áreas selvagens que encontra uma trilha até uma cachoeira escondida.

“Isso tem algum valor”, afirmou. “Mas, depois que alguém mostra um caminho específico até a cachoeira, as pessoas simplesmente seguem esse caminho. Elas não passam tanto tempo procurando outros.”