Durante séculos, a matemática avançou graças à capacidade humana de formular perguntas, desenvolver teorias e descobrir soluções. Agora, a inteligência artificial começa a transformar essa dinâmica. Em outubro de 2026, a OpenAI apresentou centenas de trabalhos envolvendo problemas matemáticos que desafiaram pesquisadores durante décadas. O anúncio provocou entusiasmo, mas também uma reação inesperada: matemáticos renomados temem que a ciência passe a produzir respostas cada vez mais difíceis de compreender.
OpenAI afirma ter resolvido um dos maiores desafios da matemática
Em setembro de 2026, a OpenAI anunciou que um modelo experimental de inteligência artificial havia encontrado uma solução para o problema de existência e suavidade das equações de Navier-Stokes.
Esse desafio integra os famosos Problemas do Milênio, sete questões matemáticas apresentadas pelo Clay Mathematics Institute em 2000, cada uma com um prêmio de US$ 1 milhão.
As equações de Navier-Stokes descrevem o movimento dos fluidos, incluindo água e ar, e são fundamentais para áreas como meteorologia, engenharia e física.
O desafio matemático consiste em demonstrar rigorosamente se determinadas soluções dessas equações sempre permanecem regulares ou se podem desenvolver singularidades.
Segundo o anúncio relatado pela imprensa, o sistema de IA trabalhou durante aproximadamente 88 horas para produzir uma demonstração.
Entretanto, existe uma distinção importante: uma solução anunciada por uma empresa não equivale automaticamente a um problema oficialmente resolvido.
Demonstrações dessa complexidade precisam ser examinadas pela comunidade matemática e atender aos critérios formais de reconhecimento.
Centenas de problemas resolvidos em poucos dias
A surpresa aumentou em 6 de outubro, quando a OpenAI divulgou 719 trabalhos relacionados a problemas matemáticos em aberto.
Segundo a empresa, os documentos apresentavam soluções para pelo menos 372 questões que permaneciam sem resposta havia anos.
Os temas envolvem diferentes áreas, incluindo álgebra, geometria, teoria dos números e fundamentos da computação.
Para pesquisadores, o volume de resultados representa uma mudança potencialmente profunda na velocidade da investigação matemática.
Problemas que antes exigiam anos de trabalho de especialistas podem passar a ser explorados por sistemas automatizados em períodos muito menores.
Entretanto, quantidade não significa necessariamente qualidade científica.
Cada demonstração precisa ser verificada, e uma resposta matematicamente correta nem sempre produz novos conhecimentos sobre o funcionamento do problema.
Essa diferença está no centro das críticas apresentadas por pesquisadores.
Por que grandes matemáticos estão preocupados?
O matemático Hugo Duminil-Copin, vencedor da Medalha Fields em 2022, está entre os pesquisadores que manifestaram preocupação com a velocidade dos avanços.
Um documento apoiado por milhares de cientistas alerta para os riscos de uma matemática cada vez mais dependente de sistemas automatizados.
A principal questão não é impedir que computadores encontrem respostas.
O problema é que resolver uma equação e compreender profundamente sua solução são atividades diferentes.
Durante o desenvolvimento de uma demonstração, matemáticos frequentemente criam conceitos, métodos e ferramentas que acabam sendo utilizados em outras áreas.
Os números imaginários representam um exemplo histórico.
Inicialmente considerados uma curiosidade abstrata, tornaram-se fundamentais para a engenharia elétrica, a física quântica e diversas tecnologias modernas.
Se uma inteligência artificial produzir demonstrações extremamente complexas, mas pouco explicativas, parte desse processo criativo poderá ser perdida.
O risco é transformar a matemática em uma atividade de verificação de respostas, em vez de descoberta de novas ideias.
A inteligência artificial pode tornar a ciência menos diversa?
O impacto já ultrapassa a matemática.
Um estudo publicado na revista Nature analisou 41,3 milhões de artigos científicos para investigar como a inteligência artificial está transformando a pesquisa.
Os resultados revelaram um paradoxo.
Pesquisadores que utilizam IA publicam, em média, 3,02 vezes mais artigos e recebem 4,84 vezes mais citações.
Entretanto, a adoção dessas ferramentas foi associada a uma redução de 4,63% na diversidade dos temas investigados e de 22% na interação entre pesquisadores e os trabalhos de seus colegas.
Os autores sugerem que a IA pode favorecer áreas com abundância de dados, deixando questões menos exploradas em segundo plano.
O futuro da ciência pode depender de máquinas difíceis de compreender
Uma possibilidade discutida por especialistas é o surgimento de sistemas capazes de formular hipóteses, realizar experimentos automatizados e avaliar resultados.
Nesse cenário, pesquisadores humanos poderiam passar parte do tempo tentando interpretar descobertas produzidas pelas máquinas.
O desafio não seria apenas verificar se uma resposta está correta, mas compreender por que ela funciona e quais novas perguntas permite formular.
A própria controvérsia envolvendo Navier-Stokes demonstra essa tensão. Em setembro, o Clay Mathematics Institute reconheceu a importância do anúncio, mas destacou que a avaliação formal seguirá seus procedimentos estabelecidos.
A inteligência artificial pode acelerar descobertas que levariam décadas. Porém, a grande questão para os próximos anos será garantir que esse avanço também amplie a compreensão humana, em vez de produzir uma ciência cada vez mais poderosa e menos inteligível.
