Modelos de IA já conseguiram avançar em problemas matemáticos que permaneceram sem solução durante décadas. Agora, a questão começa a mudar. O desafio pode deixar de ser descobrir se uma máquina consegue encontrar uma resposta e passar a ser entender essa resposta depois que ela for encontrada.
Terence Tao acredita que esse momento está próximo
Durante uma conferência realizada recentemente na Filadélfia, o matemático Terence Tao levantou uma possibilidade que chamou a atenção da comunidade científica.
“Estamos muito, muito perto de um resultado matemático importante ser demonstrado e verificado sem que nenhum ser humano consiga compreendê-lo e explicá-lo”, afirmou.
A declaração mostra como a discussão sobre IA e matemática mudou em poucos anos.
Até recentemente, modelos de linguagem ainda cometiam erros em operações aritméticas relativamente simples. Depois vieram resultados impressionantes em olimpíadas de matemática e, posteriormente, avanços em problemas de pesquisa extremamente complexos.
A trajetória começa a levantar uma comparação inevitável: a matemática poderá viver seu próprio “momento Deep Blue”, semelhante ao que aconteceu quando computadores ultrapassaram os melhores humanos no xadrez?
IA pode se tornar sobre-humana na matemática
O jornalista especializado em inteligência artificial Kai Williams conversou com diversos matemáticos durante a conferência da Filadélfia.
Entre eles estava Jacob Tsimerman, vencedor da Medalha Fields e recentemente contratado pela OpenAI.
Segundo Tsimerman, a IA poderá em breve se tornar “robustamente sobre-humana” em matemática.
Yu Deng apresentou uma perspectiva diferente e mais colaborativa. Para ela, humanos poderão continuar responsáveis pela criação das grandes teorias e ideias, enquanto máquinas assumem partes técnicas e trabalhosas das demonstrações.
Esse cenário transformaria a IA em uma espécie de colaborador extremamente poderoso, sem necessariamente eliminar o papel dos matemáticos.
Por enquanto, a IA funciona como um poderoso copiloto
Apesar das previsões sobre uma possível supremacia das máquinas, o uso cotidiano da IA entre matemáticos ainda é bem menos dramático.
Pesquisadores utilizam essas ferramentas para encontrar referências bibliográficas pouco conhecidas, procurar exemplos difíceis de construir, revisar rascunhos ou explorar caminhos alternativos para uma demonstração.
O próprio Terence Tao já descreveu mudanças em sua maneira de trabalhar com essas tecnologias.
Sua visão é que a inteligência artificial deve ampliar e complementar o pensamento humano, em vez de simplesmente substituí-lo.
Lean funciona quase como um compilador para matemática
Outra peça importante dessa transformação são sistemas de demonstração formal como o Lean.
Esse tipo de ferramenta permite transformar argumentos matemáticos em estruturas formais que podem ser verificadas por um computador.
Na prática, o sistema consegue determinar se determinadas premissas realmente levam a uma conclusão, mesmo quando uma demonstração possui milhares de etapas e seria extremamente difícil de revisar manualmente.
Existe, porém, uma diferença fundamental entre verificar e compreender.
Um computador pode confirmar que uma demonstração é logicamente válida sem necessariamente fornecer uma explicação intuitiva sobre por que aquela solução funciona ou qual ideia matemática está por trás dela.
Esse é justamente um dos problemas levantados por Tao.
IA ainda produz demonstrações erradas
Os avanços também exigem cautela.
A OpenAI publicou recentemente resultados envolvendo seus modelos mais avançados e dez problemas matemáticos particularmente difíceis. Os sistemas teriam resolvido alguns deles ou contribuído significativamente para encontrar soluções.
Entretanto, a revisão posterior realizada por especialistas revelou que pelo menos uma das dez demonstrações apresentadas estava errada.
A própria OpenAI reconheceu que o processo não havia sido tão controlado quanto deveria.
O episódio mostrou uma diferença fundamental: produzir uma demonstração aparentemente convincente não significa provar que ela está correta.
Em matemática, essa distinção é essencial.
Existe outro risco: como formar os matemáticos do futuro?
O impacto da inteligência artificial também pode aparecer muito antes de pesquisadores começarem a enfrentar os grandes problemas da matemática.
Ninguém começa sua carreira tentando resolver imediatamente as grandes conjecturas de Erdős ou os Problemas do Milênio.
Matemáticos desenvolvem sua capacidade enfrentando problemas menores, cometendo erros, testando hipóteses e construindo gradualmente sua própria intuição.
Se sistemas de IA assumirem todo esse trabalho intermediário, pode surgir um problema educacional.
As futuras gerações poderiam ter acesso a ferramentas extraordinariamente poderosas sem desenvolver completamente as habilidades necessárias para compreender aquilo que essas ferramentas produzem.
Existe ainda uma preocupação institucional. Se governos, empresas ou universidades concluírem que sistemas de IA podem substituir pesquisadores humanos, investimentos em departamentos de matemática e grupos de pesquisa poderão ser reduzidos.
Podemos criar uma gigantesca “Babel matemática”
Timothy Gowers, outro importante matemático envolvido no debate, alerta para um cenário ainda mais estranho.
A IA poderia produzir uma quantidade gigantesca de novos resultados matemáticos, criando uma literatura científica muito maior do que qualquer comunidade humana seria capaz de acompanhar.
Poderíamos acabar com milhares ou até milhões de teoremas e demonstrações formalmente corretas, mas praticamente desconhecidos ou incompreensíveis para pesquisadores humanos.
Seria uma espécie de Biblioteca de Babel da matemática: uma quantidade colossal de conhecimento disponível, mas pouco conhecimento verdadeiramente compreendido.
A IA também pode fazer exatamente o contrário
Daniel Litt, professor da Universidade de Toronto, apresenta uma interpretação mais otimista.
Em vez de apenas produzir demonstrações automaticamente, sistemas de IA poderiam ajudar a construir uma enorme biblioteca matemática acompanhada de explicações detalhadas.
Cada demonstração poderia incluir guias capazes de mostrar passo a passo como determinada conclusão foi alcançada.
Nesse cenário, uma solução criada por IA não representaria o fim do trabalho humano.
Ela se transformaria em um novo objeto de estudo.
Os matemáticos poderiam usar as máquinas para descobrir resultados e depois trabalhar para transformar essas descobertas em conhecimento compreensível.
Matemáticos começam a definir limites para a IA
Uma das iniciativas mais importantes para organizar essa discussão é a chamada Declaração de Leiden.
O documento estabelece valores considerados fundamentais para a pesquisa matemática e que deveriam ser preservados mesmo com a expansão da inteligência artificial.
Entre eles aparecem autonomia intelectual, atribuição adequada das descobertas, diversidade de métodos e transparência.
A discussão mostra que o futuro da matemática talvez não dependa apenas de descobrir até onde a IA consegue chegar.
Se máquinas realmente se tornarem capazes de produzir matemática em nível sobre-humano, uma questão ainda mais importante surgirá: quais partes desse processo os humanos estão dispostos a delegar?
A IA pode encontrar respostas que ninguém conseguiu descobrir. O verdadeiro desafio começará quando precisarmos decidir se uma resposta que nenhum ser humano consegue entender ainda pode ser considerada conhecimento matemático.
[ Fonte: Xataka ]
