A OpenAI anunciou que uma versão interna de seu próximo modelo de inteligência artificial, chamado Astra, produziu soluções para 10 problemas de matemática e ciência da computação teórica que permaneciam sem resposta há pelo menos uma década. A empresa, responsável pelo ChatGPT e pelos modelos GPT, afirmou que o custo total de processamento para chegar às resoluções ficou em torno de US$ 2.000, calculado com base nos preços de API da linha Sol. O anúncio reacende debates sobre o papel da inteligência artificial na pesquisa científica e sobre a falta de transparência nos métodos empregados.
Os problemas resolvidos cobrem áreas diversificadas, incluindo geometria em múltiplas dimensões, teoria de códigos — que estuda formas de empacotar informação com menor margem de erro —, criptografia pós-quântica e jogos quânticos. A OpenAI divulgou um manuscrito de 249 páginas detalhando as soluções, além de certificados de prova em Lean 4, uma linguagem de programação usada para verificar demonstrações matemáticas etapa por etapa, funcionando como um revisor automático que aceita ou rejeita cada passo do raciocínio.
Apesar da verificação formal no Lean 4, os resultados ainda não passaram por revisão por pares, o crivo tradicional da comunidade científica no qual especialistas independentes avaliam o trabalho antes de sua publicação. Segundo a OpenAI, pesquisadores humanos participaram do processo apenas para converter os argumentos gerados pela IA em textos no formato de artigo acadêmico e para formalizar as demonstrações na linguagem Lean. O raciocínio matemático de base, segundo a empresa, teria sido integralmente produzido pelo sistema.
O anúncio ocorre em um contexto de crescente competição entre as principais empresas do setor de inteligência artificial. Cerca de duas semanas antes, um pesquisador matemático divulgou na rede social X que havia resolvido um enigma matemático de 87 anos com a ajuda do Fable 5, modelo da Anthropic — empresa criadora do Claude e uma das principais concorrentes da OpenAI. A sequência de anúncios não parece coincidência: ambas as empresas disputam a liderança tecnológica em um momento em que preparam suas aberturas de capital, e cada nova demonstração de capacidade serve como instrumento de demonstração de força no mercado.
O progresso da inteligência artificial em matemática chama atenção porque, até menos de dois anos, modelos comerciais de linguagem falhavam com frequência em operações aritméticas básicas. A capacidade de resolver problemas abertos em áreas como criptografia pós-quântica e teoria de códigos sugere que os sistemas avançaram significativamente em raciocínio abstrato e dedutivo, habilidades consideradas o calcanhar de Aquiles da tecnologia.
A ausência de detalhes sobre o funcionamento interno do modelo Astra, porém, gera desconforto em parte da comunidade científica. Gary Marcus, analista e crítico conhecido do setor de inteligência artificial, manifestou-se na rede social X questionando a falta de transparência. Ele observou que a OpenAI publicou um documento de 249 páginas com os resultados matemáticos, mas não disponibilizou uma página sequer sobre como o modelo opera, como as provas foram verificadas de fato, qual foi o papel exato dos humanos no processo ou se alguma das demonstrações propostas continha erros.
Já Ethan Mollick, professor e pesquisador de inteligência artificial na Wharton School, adotou um tom mais equilibrado ao comentar o anúncio. Ele destacou que a IA está se tornando significativamente mais competente em matemática e ciência, lembrou que modelos de linguagem de grande porte não conseguiam realizar contas básicas de forma consistente há dois anos e confirmou o custo reduzido de menos de US$ 2.000 para as resoluções. Mollick também observou que a OpenAI está priorizando a divulgação de benefícios de seus novos modelos, em vez de focar apenas em riscos.
O anúncio acontece em um período de tensão entre empresas de inteligência artificial e parcela da comunidade matemática. Pesquisadores da área têm cobrado padrões mais claros sobre atribuição de crédito, métodos de verificação e uso de trabalhos acadêmicos publicados como base de treinamento para os modelos. A questão de quem deve receber o reconhecimento por uma demonstração matemática gerada por máquina — se o criador do sistema, o próprio modelo ou os matemáticos cujas publicações alimentaram o treinamento — permanece em debate.
A newsletter especializada The Rundown levantou uma discussão que tende a ganhar força: se as provas do Astra podem ser consideradas de nível equivalente a uma Medalha Fields, a maior honraria da matemática mundial. A pergunta sobre como creditar e validar descobertas feitas por máquinas ganha complexidade à medida que a tecnologia avança para além da matemática.
O impacto potencial dessas soluções extrapolam o campo das demonstrações teóricas. A capacidade de resolver problemas abertos em criptografia pós-quântica, por exemplo, tem implicações diretas para a segurança da informação em um cenário de transição para computadores quânticos. Da mesma forma, avanços em teoria de códigos podem influenciar o desenvolvimento de sistemas de comunicação mais eficientes e resistentes a falhas.
Especialistas apontam que o progresso da inteligência artificial em matemática não deve demorar a se expandir para outras áreas da ciência. Tanto a OpenAI quanto a Anthropic anunciaram recentemente iniciativas voltadas à pesquisa científica, sinalizando uma aproximação maior com o mundo acadêmico. A expectativa é que sistemas capazes de destravar problemas de décadas a baixo custo possam acelerar descobertas em áreas como desenvolvimento de medicamentos e ciência de materiais.
O custo reportado de aproximadamente US$ 2.000 para resolver 10 problemas que resistiram a anos de tentativas humanas representa uma mudança significativa na relação entre recursos computacionais e avanço científico. Problemas que exigiriam anos de trabalho de pesquisadores especializados foram tratados em um período curto, com investimento relativamente baixo em termos de processamento.
A falta de revisão por pares, contudo, mantém a comunidade científica em estado de espera. Até que especialistas independentes possam avaliar as demonstrações em profundidade, as soluções apresentadas pela OpenAI permanecem no território entre a demonstração de capacidade tecnológica e a contribuição científica formalmente validada. A empresa ainda não anunciou uma data para o lançamento público do modelo Astra, nem detalhou quando os resultados serão submetidos ao processo tradicional de avaliação acadêmica.
