Quantos problemas matemáticos antigos a IA já resolveu?

A OpenAI afirma que seu modelo mais recente resolveu cerca de 400 problemas abertos emblemáticos da matemática, e a afirmação deixou matemáticos em atividade preocupados com o futuro da área. Em um relatório de 6 de outubro, a empresa disse que o modelo levou, em média, cerca de três horas de computação para resolver cada um. Esses problemas estavam sem solução há décadas e serviam como referências que gerações de pesquisadores tentaram resolver.

A empresa havia causado um impacto maior semanas antes. No início de setembro, a OpenAI afirmou que um modelo interno havia resolvido o problema do Prêmio Milênio de Navier-Stokes. O esforço teria mobilizado cerca de 10.000 agentes que funcionaram por 88 horas seguidas.

Na Cornell, a reação foi rápida. Todo o departamento de matemática, de professores a funcionários e estudantes, foi convocado para uma assembleia geral na véspera de um almoço que um professor depois descreveu em um ensaio amplamente lido. A reunião tinha o objetivo de oferecer apoio, mas também levantou questões difíceis. Como o departamento deve avaliar candidatos a vagas no futuro? O que um doutorando deve esperar quando uma IA consegue resolver um problema de tese e ainda redigir a dissertação?

Uma corrida pelos problemas restantes

Nem todos veem a notícia como uma crise. Alex Townsend, colega mais jovem que trabalha em um livro sobre computadores e matemática, disse ter reunido cerca de 200 problemas importantes e ainda não resolvidos em sua subárea, a álgebra linear numérica. Em vez de deixar que a OpenAI ou a Anthropic chegassem primeiro a eles, decidiu publicar a lista por conta própria, na esperança de que amigos e colegas pudessem atacá-los, possivelmente com ajuda da IA, antes que as grandes empresas o fizessem.

Townsend disse ao autor que está divulgando outros 600 problemas antigos em matemática aplicada. Ele argumenta que resistir à IA é inútil e que os matemáticos precisam se adaptar rapidamente. Seus colegas não concordaram totalmente. Alguns se entusiasmaram com o plano. Outros ficaram irritados, afirmando que ele ajuda a acelerar a solução de problemas que deveriam ter sido deixados para estudantes e que pode minar a formação de jovens pesquisadores.

A divergência também chegou ao departamento de forma mais pessoal. Justin Moore, lógico que trabalha com teoria dos conjuntos, contou aos colegas na assembleia sobre um problema que acompanhava havia 19 anos. Em 2010, comprou uma garrafa de conhaque XO em Luminy, perto de Marselha, e planejava abri-la quando o problema fosse resolvido. Depois, surgiu uma demonstração do problema feita por IA. Quando alguém perguntou o que ele achava, Moore disse que não sabia, porque ainda não tinha lido o artigo. Ele afirmou ter estado “ocupado demais”.

Em um e-mail posterior, Moore disse que ainda pretende abrir a garrafa quando um grupo de colegas de confiança concordar que a demonstração está correta e que eles, coletivamente, a compreendem. Escreveu também que tem “a sensação de que a degustação do conhaque vai parecer mais um velório do que uma comemoração”.

Saber versus compreender

Por que matemáticos se dividem em relação às demonstrações resolvidas por IA?

Grande parte da divisão se resume ao que os matemáticos valorizam. Matemáticos aplicados usarão qualquer ferramenta disponível, incluindo intuição física, computadores, experimentos e dados, para encontrar uma resposta e dar sentido a ela. Matemáticos puros se preocupam sobretudo com o motivo pelo qual uma resposta é verdadeira. Para eles, conhecer a resposta correta sem o raciocínio pode parecer vazio.

Essa tensão é difícil de compreender para o público. Curtis McMullen, professor em Harvard e medalhista Fields, resumiu o problema de forma direta em um e-mail ao autor: “A matemática não é radiologia. Ela se parece mais com arte ou filosofia e, na verdade, a compreensão humana é do que ela trata.”

Alguns estudantes fazem a mesma pergunta. Aria Beaupré, pós-graduanda, perguntou na assembleia qual é, hoje, o sentido da matemática pura. O autor disse que, desde então, passou a pensar que a resposta pode estar em parte na conexão humana. Um estudante de graduação que lhe escreveu após uma entrevista de rádio afirmou que as ideias e a matemática que compartilhava com outras pessoas davam sentido à sua vida, e que a IA não conseguiria replicar isso.

Se isso basta depende do que a matemática é. Se as verdades matemáticas existem independentemente das pessoas, então as descobertas da IA merecem ser celebradas, não importa quem as faça. Se a matemática é, sobretudo, uma atividade criativa humana, algo pode se perder quando as máquinas assumem a busca. Moore resumiu assim: “A IA está separando essas duas coisas de um modo desconfortável e nos obrigando a olhar para nós mesmos no espelho.”

Prêmios colocam os limites à prova

Será possível detectar obras escritas por IA em prêmios e na escrita?

Os prêmios literários enfrentam questões semelhantes. Alguns concursos aceitaram explicitamente trabalhos com auxílio de IA, incluindo um prêmio japonês de contos que já premiou textos desenvolvidos com o ChatGPT. Outros retiraram prêmios depois que softwares de detecção sinalizaram textos como escritos por máquinas. O Caine Prize for African Writing abriu uma revisão após a Pangram, uma ferramenta de detecção de IA, sinalizar quase todo um conto vencedor, segundo a The Atlantic. O autor negou ter usado IA, e nenhuma conclusão final havia sido anunciada até 21 de outubro.

Esses casos mostram o quanto as regras ainda são instáveis. Ferramentas de detecção podem errar, e alguns escritores disseram ter usado programas de conversão de voz em texto ou outras formas de assistência. A questão sobre o que conta como trabalho próprio do escritor ainda está sendo definida tanto na literatura quanto na matemática.

This article was written with the assistance of AI.
News Factory APP - agentic news to boost your SEO & AEO.