[ad_1]
Durante décadas, matemáticos de elite vêm se esforçando para resolver um conjunto de problemas espinhosos propostos por um acadêmico do século 20 chamado Paul Erdos.
Neste mês, uma startup de inteligência artificial chamada Harmonic entrou na disputa. A empresa afirmou que sua tecnologia de IA, batizada de Aristotle, havia solucionado um “problema de Erdos” com a ajuda de um colaborador: a tecnologia mais recente da OpenAI, o GPT-5.2 Pro.
Para muitos cientistas da computação e matemáticos, resolver um problema de Erdos indicaria que a IA chegou a um estágio em que é capaz de realizar pesquisa acadêmica legítima. Mas alguns especialistas se apressaram em apontar que a solução gerada pela IA não diferia muito de trabalhos anteriores feitos por matemáticos humanos.
“Para mim, parece um aluno muito esperto que decorou tudo para a prova, mas não tem uma compreensão profunda do conceito”, disse Terence Tao, professor da Universidade da Califórnia em Los Angeles (UCLA), considerado por muitos o melhor matemático de sua geração. “Ele tem tanto conhecimento de base que consegue simular um entendimento real.”
O debate sobre o que exatamente o sistema da Harmonic realizou serviu como lembrete de duas perguntas recorrentes diante do avanço vertiginoso da IA na indústria de tecnologia: o sistema de IA fez algo genuinamente brilhante? Ou apenas repetiu algo que já havia sido criado por humanos brilhantes?
As respostas a essas questões podem ajudar a entender melhor como a IA pode transformar a ciência e outras áreas. Independentemente de estar ou não gerando ideias novas —e de eventualmente vir a produzir trabalhos melhores do que os de pesquisadores humanos—, a IA já se tornou uma ferramenta poderosa quando colocada nas mãos de cientistas experientes e qualificados.
Esses sistemas conseguem analisar e armazenar muito mais informação do que o cérebro humano e podem recuperar dados que especialistas nunca viram ou que haviam esquecido há muito tempo.
Derya Unutmaz, professor do Jackson Laboratory, instituição de pesquisa biomédica, afirmou que os sistemas mais recentes de IA chegaram a um ponto em que sugerem hipóteses ou experimentos que ele e seus colegas não haviam considerado anteriormente.
“Isso não é uma descoberta. É uma proposta. Mas permite estreitar onde você deve concentrar esforços”, disse Unutmaz, cuja pesquisa se concentra em câncer e doenças crônicas. “Você passa a fazer cinco experimentos em vez de 50. Isso tem um efeito profundo de aceleração.”
O entusiasmo em torno das habilidades matemáticas do GPT-5 começou em outubro, quando Kevin Weil, vice-presidente de ciência da OpenAI, afirmou nas redes sociais que a tecnologia da empresa havia respondido a vários dos complexos problemas de Erdos.
Criados como uma forma de medir a engenhosidade matemática, os problemas de Erdos são conjecturas ou perguntas elaboradas que testam os limites da área. O objetivo é provar se cada uma é verdadeira ou falsa.
Alguns problemas são extremamente difíceis de resolver, enquanto outros são mais simples. Um dos mais famosos pergunta: se o número inteiro n é maior ou igual a 2, 4/n pode ser escrito como a soma de três frações positivas? Em outras palavras, existe solução para 4/n = 1/x + 1/y + 1/z?
Esse problema segue sem solução. Mas, nas redes sociais, Weil se gabou de que o GPT-5 havia resolvido muitos outros. “O GPT-5 acabou de encontrar soluções para 10 (!) problemas de Erdos que estavam sem solução e fez avanços em outros 11”, escreveu. “Todos estavam em aberto havia décadas.”
Matemáticos e pesquisadores de IA rapidamente apontaram que o sistema havia identificado soluções já existentes, enterradas em décadas de artigos acadêmicos e livros didáticos. O executivo da OpenAI apagou a publicação. Ainda assim, mesmo que o entusiasmo inicial tenha sido exagerado, a tecnologia mostrou seu valor.
“O que ele conseguiu fazer foi surpreendente e útil”, disse Thomas Bloom, matemático da Universidade de Manchester que mantém um site dedicado aos problemas de Erdos. “Um dos artigos que ele encontrou estava escrito em alemão. Eu jamais teria achado aquilo sozinho.”
Como, então, a IA deu saltos tão grandes desde a introdução do ChatGPT, no fim de 2022? Os principais sistemas atuais são o que os cientistas chamam de redes neurais, capazes de identificar padrões em textos, sons e imagens e aprender a gerar esse tipo de material por conta própria —incluindo trabalhos acadêmicos, código de computador, vozes e diagramas.
Cerca de 18 meses atrás, empresas como OpenAI e Google começaram a aprimorar seus sistemas usando uma técnica chamada aprendizado por reforço. Nesse processo, um sistema de IA aprende comportamentos por meio de extensos ciclos de tentativa e erro.
O resultado é que esses sistemas agora conseguem “raciocinar” sobre problemas em áreas como matemática, ciência e programação. Um sistema como o GPT-5 não raciocina exatamente como um humano, mas pode dedicar mais tempo à resolução de um problema —às vezes, por horas.
(O New York Times processou a OpenAI e a Microsoft, alegando violação de direitos autorais no uso de conteúdo jornalístico para sistemas de IA. As duas empresas negam as acusações.)
Após a publicação de Weil nas redes sociais, pesquisadores continuaram a pedir ao GPT-5 e a outras tecnologias de IA soluções para problemas de Erdos.
Kevin Barreto e Liam Price, dois matemáticos do Reino Unido, usaram o GPT-5 neste mês para resolver um problema que antes estava sem solução. Em seguida, recorreram ao Aristotle, o sistema de IA da Harmonic, para verificar se a resposta estava correta. Diferentemente do GPT-5, o Aristotle usa uma linguagem de programação especializada para provar se uma resposta é certa ou errada.
Os dois matemáticos tiveram um papel pequeno no processo. Eles deram pequenos direcionamentos ao sistema da OpenAI quando a demonstração não fazia exatamente o que desejavam. Ainda assim, como outros especialistas, acreditam que a IA já demonstrou ser capaz de realizar pesquisa acadêmica.
Embora impressionado, Bloom afirmou que ainda não viu evidências de que a IA consiga gerar ideias que os humanos não seriam capazes de produzir. “E eu ficaria surpreso se isso acontecesse tão cedo”, disse.
Mesmo assim, cientistas afirmam que a IA se tornou uma ferramenta de pesquisa poderosa e em rápida evolução, e que a questão de ela estar ou não gerando ideias por conta própria é —por ora— secundária.
Quando Unutmaz usa IA em suas pesquisas sobre doenças crônicas, disse, muitas vezes sente como se estivesse conversando com um colega experiente. Mas reconhece que a máquina não consegue trabalhar sem um colaborador humano.
Ainda é necessário um pesquisador experiente para orientar repetidamente o sistema, explicar o que ele deve buscar e, por fim, separar as informações relevantes de todo o resto que a tecnologia produz.
“Eu continuo sendo relevante, talvez até mais relevante”, disse. “É preciso ter uma expertise muito profunda para entender o que ela está fazendo.”
[ad_2]
