A inteligência artificial começou a entrar em um território que durante séculos pareceu reservado exclusivamente à mente humana: a matemática de altíssimo nível. Modelos avançados já conseguem trabalhar com problemas extremamente complexos, mas uma nova controvérsia está levantando uma questão incômoda. Quando uma empresa pode colocar milhares de agentes de IA para trabalhar sobre uma pesquisa ainda não publicada, quem fica com o crédito — e o que acontece com a própria maneira de fazer ciência?
O problema matemático que colocou a discussão em evidência
A controvérsia ganhou força em torno de um dos problemas mais difíceis da matemática moderna: a existência e regularidade das equações de Navier-Stokes, um dos sete Problemas do Milênio do Clay Mathematics Institute.
O assunto envolve uma pesquisa desenvolvida pelo matemático Tristan Buckmaster, da Universidade de Nova York, e pelo pesquisador Levent Alpöge, da Anthropic. O trabalho também se apoia em avanços anteriores de Diego Córdoba e Luis Martínez-Zoroa.
Paralelamente, a OpenAI decidiu realizar uma enorme operação computacional para tentar avançar sobre o mesmo problema.
Segundo os dados divulgados, a empresa utilizou um modelo que ainda não havia sido lançado publicamente e colocou cerca de 10 mil agentes de inteligência artificial trabalhando de forma coordenada durante 88 horas.
O volume impressiona. Foram produzidos aproximadamente 300 bilhões de tokens, com um custo computacional estimado em cerca de 22,5 milhões de dólares.
A OpenAI afirma que começou a investigar o problema depois de ouvir rumores de que ele poderia estar próximo de uma solução. A empresa também nega ter acessado deliberadamente o trabalho de Buckmaster antes de sua publicação.
Ainda assim, a própria companhia reconheceu que não pode excluir completamente a possibilidade de informações terem chegado indiretamente ao sistema por meio da utilização anterior de ferramentas como o Codex pelo pesquisador.
E é justamente nesse ponto que começa uma discussão muito maior.
Twenty-five Fields Medal winners have published a joint declaration warning about what they see as a severe misalignment between AI companies and the mathematics community. pic.twitter.com/pFwHDX4Lq2
— Andrew Curran (@AndrewCurran_) September 11, 2026
O problema não é a IA conseguir fazer matemática
Vinte e cinco vencedores da Medalha Fields, uma das maiores honrarias da matemática, assinaram uma carta aberta chamada “A Grave Misalignment of AI in Mathematics”.
O objetivo não é rejeitar a inteligência artificial ou impedir que ela seja utilizada na pesquisa. A preocupação está na maneira como alguns laboratórios estão usando recursos computacionais gigantescos para disputar resultados enquanto pesquisas acadêmicas ainda estão em desenvolvimento.
Na matemática, uma descoberta não se transforma automaticamente em conhecimento consolidado apenas porque uma máquina encontrou uma possível demonstração.
É necessário verificar cada etapa, compreender o raciocínio e permitir que outros especialistas analisem o resultado.
Existe também uma questão de reconhecimento. Se um pesquisador compartilha uma ideia preliminar e, pouco depois, um laboratório consegue mobilizar milhares de agentes para chegar a uma conclusão antes dele, o sistema tradicional de publicação e atribuição começa a sofrer uma pressão inédita.
O receio dos matemáticos é que isso altere os incentivos que sustentam a pesquisa científica.
Afinal, se compartilhar uma descoberta antes de sua conclusão significar correr o risco de alguém com recursos muito maiores chegar primeiro, pesquisadores podem simplesmente decidir guardar seus resultados.
E isso poderia provocar uma consequência ainda mais profunda.
Quando a velocidade começa a ameaçar a própria ciência
A ciência depende de colaboração. Pesquisadores publicam resultados parciais, trocam ideias, recebem críticas e permitem que outros especialistas avancem a partir de suas descobertas.
Mas essa dinâmica pressupõe que exista algum equilíbrio entre quem produz conhecimento e quem possui os recursos para explorá-lo.
A inteligência artificial pode quebrar esse equilíbrio.
Um laboratório com acesso a enormes quantidades de computação pode pegar uma ideia ainda preliminar e submetê-la a milhares de agentes simultaneamente. O que levaria meses de trabalho humano poderia, em determinadas circunstâncias, ser explorado em questão de horas.
Por isso, os 25 medalhistas Fields não enxergam o episódio apenas como uma disputa específica sobre Navier-Stokes. A preocupação é apresentada como uma ameaça mais ampla ao trabalho intelectual.
A mesma lógica poderia aparecer em outras áreas acadêmicas, científicas e criativas.
A discussão já havia começado antes. Em junho, a chamada Declaração de Leiden apresentou recomendações para instituições científicas e formuladores de políticas diante do crescimento das demonstrações matemáticas produzidas com auxílio de grandes modelos de linguagem.
Agora, porém, o debate ganhou uma dimensão diferente.
De um lado está a pesquisa acadêmica tradicional, baseada em publicação, revisão, colaboração e reconhecimento. Do outro, estão laboratórios capazes de mobilizar enormes quantidades de poder computacional para perseguir um problema em uma velocidade que nenhum grupo humano conseguiria acompanhar.
A questão, portanto, não é simplesmente saber se uma IA pode resolver um problema matemático.
É descobrir quais regras devem existir quando uma máquina consegue avançar sobre uma pesquisa humana muito mais rápido do que o próprio pesquisador consegue terminá-la, publicá-la e receber o devido reconhecimento.
E essa talvez seja a parte mais preocupante da nova corrida pela inteligência artificial.
