A nova IA avançou em um problema complexo chamado conjectura de Andrews–Curtis, que questiona se certos quebra-cabeças matemáticos sempre podem ser solucionados usando um conjunto definido de movimentos. Conforme Ali Shehper, autor principal do estudo e matemático da Universidade Rutgers, “é como procurar um caminho único em um labirinto do tamanho da Terra.”
Em um estudo pré-publicado no arXiv, a equipe descreveu como a IA refutou potenciais contraexemplos da conjectura, reforçando sua validade. Embora não tenha resolvido a conjectura em si, a IA ajudou os pesquisadores a obter novos insights sobre o problema.
A IA foi treinada com aprendizado por reforço, começando com problemas simples e progredindo para desafios mais complexos. “Ela tenta várias abordagens e é recompensada ao acertar,” explicou Shehper. “No processo, desenvolve estratégias superiores às humanas — essa é a magia do aprendizado por reforço.” O algoritmo aprendeu a criar sequências de movimentos inesperados, apelidados de “super movimentos”, muito além do padrão previsível de modelos como o ChatGPT.
Gukov destacou que o sistema se diferencia pela capacidade de “aprender a aprender”, usando métodos eficientes em termos de computação, tornando-os acessíveis para acadêmicos com poucos recursos. Embora o impacto imediato dessa pesquisa não seja visível em nosso cotidiano, sua importância reside em abrir novas fronteiras para a IA resolver problemas complexos da humanidade.
