A OpenAI afirma que seus modelos de inteligência artificial produziram demonstrações para três desafios científicos importantes. Um deles envolve parte do problema de Yang–Mills, integrante dos célebres Problemas do Milênio. O anúncio chama a atenção pelo alcance das alegações, mas exige uma distinção: demonstrar uma etapa desse desafio não equivale a resolvê-lo por completo. A própria empresa apresenta os materiais como resultados que precisam de análise e compreensão pela comunidade acadêmica.
O que está em jogo nos Problemas do Milênio
O Instituto Clay de Matemática selecionou sete grandes questões e destinou US$ 1 milhão à solução de cada uma. Elas envolvem fundamentos da matemática, da computação e da física. Na lista oficial, apenas a conjectura de Poincaré aparece como resolvida. P versus NP e Yang–Mills com a lacuna de massa continuam entre os desafios em aberto.
Esses problemas exigem demonstrações rigorosas. Experimentos, simulações e exemplos favoráveis podem oferecer evidências, mas não substituem uma prova que cumpra as condições matemáticas estabelecidas.
No caso de Yang–Mills, essa diferença é especialmente relevante. A teoria tem enorme importância para a física de partículas, embora estabelecer seus fundamentos matemáticos completos continue sendo um desafio.
Yang–Mills: a existência é apenas parte da tarefa
No anúncio publicado em 26 de outubro, a OpenAI afirma ter obtido uma construção matemática rigorosa de determinadas teorias quânticas em quatro dimensões, incluindo a teoria de Yang–Mills pura.
O problema proposto pelo Clay, porém, exige também demonstrar uma lacuna de massa positiva. Em termos simplificados, isso significa provar que existe uma separação mínima de energia entre o estado de vácuo e os primeiros estados de excitação da teoria.
A descrição oficial do desafio explica que experimentos e simulações sustentam a existência dessa propriedade, mas sua demonstração permanece em aberto.
Portanto, uma prova de existência, caso validada e compatível com os requisitos do problema, representaria um avanço parcial. Ela não encerraria automaticamente o desafio nem permitiria anunciar que o prêmio já foi conquistado. A tarefa exige estabelecer os dois componentes.
Outro resultado questiona um limite da computação
Na ciência da computação, o trabalho divulgado mira a hipótese do tempo exponencial, conhecida pela sigla ETH. Ela trata da dificuldade de resolver certos problemas de lógica à medida que o número de variáveis aumenta.
O manuscrito apresenta um algoritmo para contar exatamente as combinações que tornam verdadeiras determinadas fórmulas booleanas. Essas fórmulas trabalham com variáveis que assumem dois valores: verdadeiro ou falso.
Segundo o texto, para um tamanho fixo dos grupos de condições da fórmula, o algoritmo executa a tarefa em tempo subexponencial. Isso contrariaria a ETH, que estabelece um limite mais restritivo para o problema 3-SAT nos casos mais difíceis. O material está disponível no repositório público da pesquisa.
Há uma consequência simples: se um método consegue contar todas as soluções, também consegue verificar se existe pelo menos uma. Basta descobrir se a contagem é maior que zero.
Ainda assim, “subexponencial” não significa que o processamento se tornou rápido para qualquer aplicação. O resultado descreve como o custo cresce com o tamanho do problema; ele não demonstra, por si só, uma ferramenta prática para resolver instantaneamente grandes tarefas.
Isso resolve P versus NP?
Não. A questão P versus NP pergunta, de maneira simplificada, se todo problema cuja resposta pode ser verificada com eficiência também pode ser resolvido com eficiência.
Imagine um quebra-cabeça com muitas restrições. Conferir uma solução pronta pode ser relativamente simples. Encontrar essa solução desde o início pode exigir um esforço muito maior. É essa diferença que o problema procura esclarecer.
Refutar a ETH mudaria uma hipótese importante sobre a velocidade possível de certos algoritmos. Entretanto, demonstrar um tempo subexponencial não equivale a demonstrar tempo polinomial, critério central na discussão de P versus NP. O próprio manuscrito também ressalta que seu resultado não fornece automaticamente algoritmos subexponenciais para todos os problemas de NP.
Ondas e revisão científica completam o anúncio
O terceiro resultado envolve a conjectura do suavizamento local, proposta por Christopher Sogge em 1991. Ela estuda limites para a concentração das ondas ao longo do tempo. A OpenAI afirma ter produzido uma demonstração em todas as dimensões, com consequências para as conjecturas de Kakeya e de restrição de Stein.
A empresa informa que formalizou resultados em Lean e organizou colaborações externas para examiná-los. Na física, o grupo tem liderança de David Gross. Na computação, participam Russell Impagliazzo, Ramamohan Paturi e Ryan Williams. O anúncio abre, assim, uma etapa de avaliação: verificar as demonstrações, esclarecer seu alcance e determinar quais conclusões os resultados realmente sustentam.
