IA resolve problemas de Erdős: por que os problemas lendários da matemática cedem às redes neurais

As redes neurais alcançaram seus maiores sucessos matemáticos justamente nos problemas de Paul Erdős, matemático húngaro iconoclasta de meados do século XX que deixou centenas de problemas sem solução. De acordo com a Quanta Magazine, em reportagem de 3 de agosto de 2026, os pesquisadores agora examinam em detalhe o que torna os problemas de Erdős tão atraentes para a IA, a fim de entender como as redes neurais vão transformar o restante da matemática.

Quem foi Erdős e por que seus problemas são famosos

Paul Erdős (1913–1996) foi um dos matemáticos mais prolíficos da história: assinou mais de 1500 trabalhos científicos em coautoria com mais de 500 colegas e formulou milhares de problemas em aberto. Erdős levava uma vida nômade, indo de universidade em universidade, e oferecia um prêmio em dinheiro por cada solução, de $10 a $10 000, conforme a dificuldade. Muitos dos problemas só foram resolvidos no século XXI.

Os problemas de Erdős têm algumas características marcantes:

• Enunciado conciso: a maioria é formulada em 2 a 3 frases
• Natureza combinatória: predominam a teoria dos números e a teoria dos grafos
• Resposta concreta e verificável: a construção existe ou não existe
• «Dificuldade elegante»: uma condição simples esconde uma demonstração profunda

Segundo os matemáticos ouvidos pela Quanta Magazine, é essa combinação que torna os problemas de Erdős adequados à IA moderna.

Por que os problemas de Erdős cedem às redes neurais?

A principal razão é que a estrutura dos problemas de Erdős combina bem com o funcionamento dos sistemas de prova formal. Verificadores como Lean e Coq permitem que a IA proponha uma hipótese e confira a correção de cada afirmação, passo a passo. Sem esse mecanismo, as redes neurais podem gerar demonstrações que soam convincentes, mas estão matematicamente erradas — uma limitação que por muito tempo restringiu o uso da IA na ciência.

Problemas combinatórios com critério claro de «sim/não» são especialmente favoráveis: o modelo testa estratégias, monta construções e procura contraexemplos sem o risco de acumular erros nos passos intermediários. Em 2024, o sistema AlphaProof, do Google DeepMind, resolveu quatro dos seis problemas da Olimpíada Internacional de Matemática (IMO 2024). Vários deles eram do tipo combinatório, característico da tradição de Erdős.

O que isso muda na matemática?

Segundo os pesquisadores citados pela Quanta Magazine, os problemas de Erdős viraram uma espécie de teste decisivo para toda a matemática. Ao entender por que justamente essa classe de problemas cede às redes neurais, os cientistas poderão mapear onde a IA ajudará os matemáticos nos próximos anos e onde a intuição humana continuará insubstituível.

De acordo com a análise da

Quanta Magazine, ao estudar os problemas de Erdős, os matemáticos buscam, na prática, a resposta para uma pergunta mais geral: que propriedades tornam um problema matemático resolvível por máquina em princípio.

A questão em aberto é se a mesma abordagem funciona em áreas menos formalizadas, como a geometria algébrica, a topologia e problemas que exigem a criação de conceitos fundamentalmente novos. Nesses campos, a intuição do pesquisador continua insubstituível por ora, e os matemáticos fazem questão de ressaltar isso.

O que isso significa

Os sucessos da IA nos problemas de Erdős sinalizam uma mudança qualitativa na matemática: as redes neurais deixam de oferecer apenas apoio computacional e passam a fechar problemas que estavam em aberto havia décadas. Descobrir onde exatamente passa o limite das capacidades da IA na ciência será uma das principais tarefas de pesquisa nos próximos anos.