Durante gerações, problemas matemáticos extremamente complexos resistiram às tentativas de solução dos maiores especialistas do mundo. Agora, a inteligência artificial começa a mudar esse cenário em uma velocidade que surpreende até pesquisadores da área.
No início de setembro, um modelo da OpenAI apresentou uma solução para um problema relacionado às equações de Navier-Stokes, formuladas no século XIX e fundamentais para descrever o comportamento de fluidos.
O episódio provocou uma reação incomum entre matemáticos.
Terence Tao, vencedor da Medalha Fields em 2006 e um dos pesquisadores mais influentes da atualidade, chegou a dizer que os avanços recentes provocaram uma espécie de “crise existencial” em sua área.
A questão deixou de ser apenas o que a IA consegue resolver. Agora, pesquisadores querem saber o que acontecerá com a própria matemática se máquinas conseguirem avançar rapidamente sobre problemas que exigiam anos de trabalho humano.
A IA está ficando muito melhor em matemática
A mudança aconteceu rapidamente.
Antonio Auffinger, matemático da Universidade Northwestern, lembra que, até pouco tempo atrás, mesmo os modelos mais avançados cometiam erros frequentes ao tentar desenvolver raciocínios matemáticos longos.
Hoje, sistemas experimentais conseguem manter cadeias muito mais extensas de argumentos sem perder a coerência.
Poucos dias depois do anúncio relacionado às equações de Navier-Stokes, a OpenAI afirmou que seu modelo interno havia conseguido avançar sobre mais de cem problemas matemáticos abertos.
A empresa não divulgou todos os casos, e os resultados ainda levantam questões importantes sobre validação e atribuição de mérito.
Ainda assim, a velocidade do progresso surpreendeu até matemáticos envolvidos no desenvolvimento desses sistemas.
Afinal, quem merece o crédito?
O caso de Navier-Stokes também revelou um dos problemas mais delicados da matemática feita com inteligência artificial: determinar de onde vieram as ideias utilizadas pela máquina.
Benjamin Antieau, da Universidade Northwestern, destaca que o modelo não começou do zero. Ele trabalhou a partir de conhecimentos e estratégias desenvolvidos anteriormente por matemáticos.
A Real Sociedade Matemática Espanhola (RSME) também chamou atenção para as contribuições de pesquisadores como Diego Córdoba, Luis Martínez-Zoroa e Fan Zheng, além de trabalhos mais recentes de Levent Alpöge e Tristan Buckmaster.
Alpöge e Buckmaster afirmam que já estavam próximos de resultados semelhantes antes do anúncio da OpenAI e levantaram dúvidas sobre o uso de seus trabalhos. A empresa rejeita qualquer acusação de plágio.
O episódio mostra como pode ser difícil separar uma descoberta produzida por IA do enorme volume de conhecimento humano utilizado para chegar até ela.
Resolver um problema não encerra a discussão
Existe ainda outra questão fundamental: uma resposta aparentemente correta não é suficiente para estabelecer uma descoberta matemática.
A RSME classificou o resultado como um avanço relevante, mas destacou que ele ainda precisa passar pelo processo tradicional de verificação.
Na matemática, uma demonstração precisa ser rigorosa, compreensível e verificável por outros especialistas.
Isso se torna especialmente importante quando o modelo responsável pelo resultado não está disponível publicamente.
Sem acesso ao sistema, pesquisadores externos encontram dificuldades para reconstruir exatamente como determinada conclusão foi alcançada, quais conhecimentos foram utilizados e quanto trabalho humano ou poder computacional foi necessário.
Por isso, especialistas defendem avaliações independentes e regras mais claras para atribuir autoria e crédito científico.
A IA consegue realmente ser criativa?
Outra discussão envolve algo ainda mais difícil de medir: criatividade.
Mohammed Abouzaid, pesquisador da Universidade Stanford, acredita que a IA pode ampliar significativamente aquilo que os matemáticos conseguem demonstrar.
Isso, porém, não significa necessariamente que as máquinas estejam criando novas formas de pensar a matemática.
Anima Anandkumar, do Instituto de Tecnologia da Califórnia (Caltech), oferece outra perspectiva. Sua equipe conseguiu trabalhar com uma versão simplificada de Navier-Stokes utilizando um modelo desenvolvido especificamente para o problema.
Mesmo nesse caso, ela destaca que pesquisadores humanos precisaram imaginar a abordagem, construir o sistema e descobrir como fazê-lo funcionar.
Ou seja, a inteligência artificial pode executar partes cada vez mais sofisticadas do processo, mas ainda existe criatividade humana por trás da maneira como esses sistemas são desenvolvidos e utilizados.
Matemáticos temem um impacto profundo na profissão
A preocupação já chegou a alguns dos pesquisadores mais importantes da área.
Cerca de 25 vencedores da Medalha Fields assinaram uma carta aberta alertando para possíveis efeitos negativos da inteligência artificial sobre a pesquisa matemática.
Ao mesmo tempo, o documento reconhece que a tecnologia pode acelerar descobertas e ampliar significativamente a capacidade humana de estudar problemas complexos.
O resultado dependerá, em parte, de como esses sistemas serão desenvolvidos e utilizados.
Terence Tao defende uma visão na qual a IA funcione como ferramenta para matemáticos, e não simplesmente como substituta.
Isso porque resolver uma equação é apenas uma parte da pesquisa.
Uma demonstração pode gerar novas ideias, revelar conexões inesperadas entre diferentes áreas, criar técnicas que serão utilizadas em outros problemas e até produzir perguntas que ninguém havia pensado em fazer.
Talvez o papel humano seja fazer as perguntas
Auffinger também acredita que os matemáticos continuarão importantes mesmo em um cenário no qual máquinas consigam responder a uma enorme quantidade de questões.
A razão é simples: a matemática não consiste apenas em encontrar o caminho entre um problema e sua solução.
Alguém precisa decidir quais problemas merecem ser investigados.
Também é necessário interpretar o significado das descobertas, encontrar aplicações e compreender como um resultado modifica aquilo que já sabemos.
Nesse cenário, o trabalho humano poderia migrar progressivamente da resolução direta de problemas para a formulação das perguntas mais relevantes.
A OpenAI criou um grupo independente de matemáticos
Diante das dúvidas levantadas pela comunidade científica, a OpenAI anunciou a criação de um grupo consultivo independente formado por matemáticos.
A proposta é que especialistas participem da avaliação de resultados preliminares, orientem a maneira como descobertas são divulgadas e ajudem a estabelecer padrões acadêmicos e profissionais para pesquisas realizadas com IA.
A iniciativa mostra que a transformação já ultrapassou a capacidade técnica dos modelos.
A matemática agora precisa decidir como verificar descobertas feitas com auxílio de máquinas, como distribuir o crédito entre humanos e sistemas de IA e quais regras deverão determinar quando um resultado realmente pode ser considerado uma descoberta.
Ainda não está claro até onde essa transformação chegará. Mas, se sistemas continuarem avançando sobre problemas que resistiram durante décadas ao trabalho humano, talvez a maior mudança não esteja nas respostas que a IA consegue encontrar.
Pode estar nas perguntas que restarão para os matemáticos fazerem.
[ Fonte: DW ]
