OpenAI anuncia três descobertas científicas e um novo modelo de colaboração acadêmica

Menos de um mês após liberar um conjunto massivo de 722 manuscritos que alegavam resolver centenas de problemas matemáticos, a OpenAI publicou na noite de 26 de outubro três novos resultados que descreve como "descobertas" — um termo que a empresa vem utilizando cada vez mais à medida que seus modelos avançam em terrenos outrora reservados aos seres humanos. Diferentemente do lançamento anterior, desta vez a companhia adotou uma estratégia experimental de revisão por pares guiada por pesquisadores externos, num movimento que revela tanto a ambição quanto a tensão cada vez mais evidente entre a aceleração da inteligência artificial e o ritmo de validação científica tradicional.

Os três resultados anunciados

A primeira descoberta diz respeito à análise harmônica, um campo da matemática pura que estuda como sinais complexos e funções podem ser decompostos em ondas elementares. Em 1991, o matemático Charles Sogge propôs a conjectura do suavização local — uma afirmação sobre o comportamento das ondas quando elas se concentram. A conjectura postula que os extremos de concentração devem ser de curta duração, o que tem implicações profundas em diversas áreas da matemática. Em 2019, Guth, Wang e Zhang provaram a conjectura em duas dimensões espaciais; em 2025, Wang e Zahl resolveram a conjectura de Kakeya em três dimensões. A OpenAI afirma que seus modelos produziram uma prova para todas as dimensões — o que, se confirmado, resolve não apenas a conjectura original, mas também a conjectura de Kakeya e a conjectura de restrição de Stein em qualquer dimensão. A prova, gerada em 18 de outubro, foi formalizada no sistema de prova Lean no dia seguinte.

A segunda descoberta é ainda mais impactante para a ciência da computação: os modelos da OpenAI refutaram a Hipótese do Tempo Exponencial (ETH, na sigla em inglês), uma conjectura formulada em 1999 por Russell Impagliazzo, Ramamohan Paturi e Stefan Wiedemann. Desde então, a ETH foi usada em centenas de artigos para derivar resultados de dureza computacional em campos que vão de teoria dos grafos à biologia computacional, banco de dados e geometria computacional. A prova de que a hipótese é falsa — se validada independentemente — reabriria questões fundamentais sobre quão rápido problemas centrais de otimização podem ser resolvidos. A OpenAI obteve a refutação em linguagem natural em 16 de outubro e formalizou o resultado em Lean em 17 de outubro.

A terceira descoberta reside na fronteira entre física teórica e matemática formal: uma prova de existência na teoria quântica de campos construtiva. Como subproblema, o trabalho inclui uma prova da existência da teoria de Yang-Mills pura, que é um dos problemas do Prêmio Millennium do Clay Mathematics Institute. Isso representa um avanço no que há mais tempo e mais difícil na física matemática — algo que o próprio Prêmio Nobel de Física 2004 para David Gross, Frank Wilczek e David Politzer, por descobertas sobre a liberdade assintótica na teoria de Yang-Mills, só reforça.

O novo modelo de "pastoreio" acadêmico

O que diferencia esta rodada de lançamentos anteriores é a tentativa da OpenAI de envolver especialistas externos diretamente no processo de validação e contextualização. A empresa organizou sua abordagem em torno de quatro princípios: transparência pública sem acordos de confidencialidade (NDA), nenhum crédito acadêmico reivindicado pela OpenAI, reconhecimento formal para os pesquisadores que escrevem as análises "shepherd", e participação independente e não remunerada.

Para o resultado em matemática, a OpenAI decidiu liberar diretamente a saída do modelo, deixando os pesquisadores livres para organizar seus próprios esforços de explicação. Para os resultados em ciência da computação e física, a empresa formou grupos externos de colaboradores — que chamou de "pastores" (shepherds) — para guiar a compreensão e validação dos resultados, enquanto o output do IA permanecia publicamente disponível no GitHub da empresa.

A OpenAI também anunciou que doou US$ 5 milhões à Simons Foundation para financiar conferências acadêmicas e workshops estudando resultados gerados por IA. A ideia é que esses eventos sirvam como espaços neutros onde matemáticos e físicos possam examinar as provas formalizadas em Lean e construir sobre os achados.

Tensões e críticas

A abordagem da OpenAI não passou sem críticas. O painel consultivo AGMAI (Advisory Group on Mathematics and Artificial Intelligence) publicou uma advertência à comunidade matemática, recomendando que companhias de IA evitassem designar pesquisadores específicos para receber resultados preliminares. O argumento: essa prática cria acesso desigual, gera dependência da reputação dos pesquisadores selecionados e pode gerar vieses de seleção que distorcem a avaliação independente.

Além disso, há um problema histórico: em lançamentos anteriores, a Gizmodo notou que um prova de Navier-Stokes da OpenAI foi formalizada em Lean de forma a verificar uma proposição mais fraca do que o afirmado no texto em linguagem natural. Isso levantou dúvidas sobre a confiabilidade de formalizações automáticas — um ponto que a comunidade matemática observa com cautela.

O próprio texto da OpenAI reconhece a tensão: "escolher os pastores iniciais inevitavelmente molda quem participa primeiro e cria uma assimetria de informação". A empresa diz estar aberta a feedback sobre como tornar o processo mais inclusivo.

Por que isso importa

Se confirmados, os três resultados representariam saltos reais no que a IA consegue alcançar em matemática, física teórica e ciência da computação. Mas o mais significativo talvez seja o modelo de publicação: a OpenAI está testando se a combinação de provas formalizadas em Lean + revisão por pares guiada por especialistas pode funcionar como ponte entre o que máquinas produzem e o que a academia considera ciência válida.

O que observar é se esse modelo de "pastoreio" se generalizará — ou se a comunidade científica acabará exigindo padrões ainda mais rígidos de transparência e acesso universal, conforme recomendado pelo AGMAI.

Fontes: The Verge, Al Jazeera, Silicon Report, OpenAI, Gizmodo

✓ Fontes independentes cruzadas e verificadas antes da publicação