Em 2 de agosto, a OpenAI anunciou algo que merece um lugar nos livros de história da IA: a Astra, seu modelo de próxima geração — demonstrada ao Congresso dos EUA na mesma semana — produziu dez avanços em matemática e ciência da computação teórica em um único lançamento, abrangendo geometria de alta dimensão, teoria dos códigos, teoria dos grupos, álgebras de operadores, complexidade quântica, criptografia de reticulados e combinatória extremal.
Qualquer um de três desses resultados seria suficiente para fundamentar a candidatura de um matemático à Medalha Fields. E o verdadeiro divisor de águas não é “a IA resolve problemas difíceis”. É que a IA começou a produzir conhecimento novo que as máquinas podem verificar. Uma prova que chega acompanhada de um certificado formal não pede fé; pede uma checagem. Essa distinção separa este lançamento de todas as manchetes sobre capacidades dos últimos dois anos — e explica por que são os matemáticos em atividade, e não apenas os observadores de IA, quem está prestando atenção.
Três Resultados Emblemáticos — e Por que os Matemáticos Estão Alarmados
O primeiro grupo não-sofico encerra uma caçada de 27 anos
Em 1999, o laureado com o Prêmio Abel Mikhail Gromov introduziu a noção de grupos soficos: a tabela de multiplicação local de um grupo infinito arbitrariamente complexo pode ser aproximada perfeitamente por permutações finitas? Se sim, o grupo é sofico. A questão em aberto por trás disso era se todo grupo enumerável é sofico. Regiões inteiras da matemática — a teoria da entropia sofica, a teoria ergódica dos sistemas dinâmicos, as álgebras de operadores — dependem dessa resposta, e 27 anos de tentativas de construir um contraexemplo foram todas em vão.
A construção da Astra retira da literatura matemática o grupo de unidades da álgebra de Leavitt binária, funde a teoria de grafos de extensão de Kun–Thom com o grupo V de Thompson e conduz essa combinação a uma contradição lógica — extraindo dela um grupo não-sofico de apresentação infinita. O matemático Elliot Glazer classificou-o como o resultado matemático mais significativo assistido por IA até hoje.
A conjectura da rigidez de Connes cai — numa avalanche, não num floco de neve
Alain Connes, medalhista Fields em 1982, conjecturou que as álgebras de von Neumann geradas por certos grupos especiais são como impressões digitais — únicas para cada grupo. A Astra não apenas refutou a conjectura; o fez com força máxima, construindo uma família enumerável infinita de grupos que são dois a dois não isomorfos, mas geram exatamente a mesma álgebra de von Neumann.
Empacotamento de esferas em alta dimensão: um impasse de 46 anos rompido
Maryna Viazovska, medalhista Fields em 2022, resolveu o empacotamento de esferas nas dimensões 8 e 24. Mas, à medida que a dimensão cresce sem limite, onde fica o limite de densidade? Depois que dois matemáticos soviéticos estabeleceram a cota em 1978, ninguém avançou um único dígito decimal por 46 anos. A Astra produziu uma nova prova e calculou com precisão a taxa de decaimento exponencial do programa linear de Cohn–Elkies — atravessando a fronteira de 1978 pela primeira vez.
Por Que Desta Vez É Diferente: Verificável, Barato, Auditável
Anúncios de matemática por IA sempre enfrentam a mesma objeção: como saber que não é alucinação? Três decisões de design fecham essa porta:
-
Certificados formais em Lean 4. Cada prova passou por verificação em máquina no Lean, com certificados verificáveis de forma independente no GitHub (openai/ten-proofs). Algumas das provas em Lean têm 50.000 linhas. Não há espaço para “parece certo”.
-
Um custo impressionante. A conta de tokens de todos os dez resultados, precificados pela API Sol, ficou em cerca de US$ 2.000 — aproximadamente US$ 200 por resultado, a bolsa de um fim de semana de um estudante de pós-graduação.
-
Raciocínio aberto. A OpenAI publicou os passos de raciocínio de cada solução, para que matemáticos possam auditar todo o caminho de pensamento do modelo.
Um detalhe que passa fácil despercebido: esses dez são os sobreviventes de um processo de seleção. Noam Brown, um dos arquitetos centrais da linha de modelos de raciocínio, deixa claro que problemas do milênio como a hipótese de Riemann continuam fora de alcance — mas a computação em tempo de teste está muito longe de seu teto.
O Paradigma Sendo Reescrito Por Baixo das Manchetes
O significado mais profundo deste lançamento não é “a IA superou os pesquisadores humanos em matemática”. São três mudanças estruturais:
-
A confiança migra para as máquinas. A validação matemática está se deslocando da confiança na revisão por pares para certificados verificáveis por máquina. Para provas geradas por IA, a autoridade pode vir primeiro da verificação formal e, depois, da reputação humana.
-
A estrutura de custos da pesquisa desaba. Uma conjectura de nível de pesquisa agora custa cerca de US$ 200 para ser tentada. Quando tentativa e erro são quase gratuitos, o recurso escasso na matemática deixa de ser computação e passa a ser a capacidade de fazer boas perguntas.
-
A criptografia sente o chão se mover. A Astra entregou um resultado de inaproximabilidade com fator polinomial para o CVP, o problema do vetor mais próximo — uma pedra fundamental da criptografia pós-quântica. A mesma ferramenta que reforça a fundação também atualiza o lado do ataque.
Geoffrey Hinton já previu que a IA poderia criar matemática incompreensível para humanos em 10 a 20 anos. Nesse ritmo, essa linha do tempo soa conservadora.
Junte as três mudanças e uma quarta aparece: o gargalo do progresso matemático está se transferindo de provar para propor. Dez resultados em um único lançamento, cerca de US$ 200 cada, toda afirmação com seu próprio certificado — isso é uma linha de produção, não uma demonstração. O que não mudou é o início do pipeline: o bom gosto. Decidir qual das infinitas questões em aberto merece o fim de semana de uma máquina ainda é um ato humano — e, por enquanto, é o ato que mais importa.
O Que Fazer Com Isso
-
Pesquisadores: o programa ChatGPT for Academic Researchers está dando acesso gratuito a modelos de ponta para 100.000 cientistas e matemáticos. Para verificar esses resultados, leia os certificados em Lean no GitHub — nenhum resumo de segunda mão os substitui.
-
Engenheiros: o conjunto de ferramentas de verificação formal em torno do Lean 4 está se tornando o departamento de garantia de qualidade da era da IA, e merece investimento desde já.
-
Todos: na próxima vez que uma manchete de “avanço da IA” aparecer no seu feed, faça três perguntas. Há um artefato verificável? Qual é a estrutura de custos? O raciocínio está aberto? Este lançamento marcou “sim” nas três — e é exatamente esse o padrão que ele estabelece.
O artigo de 249 páginas, o anúncio oficial e o repositório de provas estão todos públicos. Essa abertura é, em si, parte da história: o primeiro paradigma de pesquisa em que o dever de casa da máquina pode ser corrigido por uma máquina — e por qualquer outra pessoa — acaba de ser lançado.
Referências: o anúncio oficial da OpenAI · o artigo de 249 páginas · o repositório de provas em Lean
