ИИ решает задачи Эрдёша: почему легендарные проблемы математики поддаются нейросетям

As redes neurais alcançaram seus maiores sucessos matemáticos justamente nos problemas de Paul Erdős — o matemático húngaro iconoclasta de meados do século XX que deixou para trás centenas de problemas não resolvidos. De acordo com a Quanta Magazine de 3 de agosto de 2026, os pesquisadores agora examinam detalhadamente o que torna os problemas de Erdős 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: mais de 1.500 artigos científicos em coautoria com mais de 500 colegas, e milhares de problemas em aberto que ele formulou. Erdős levava um estilo de vida nômade, mudando-se de universidade em universidade, e oferecia um prêmio em dinheiro para cada solução — de $10 a $10.000 dependendo da dificuldade. Muitos problemas permaneceram sem solução até o século XXI.

Os problemas de Erdős possuem algumas características marcantes:

• Formulação concisa: a maioria dos problemas pode ser enunciada em 2–3 frases
• Natureza combinatória: predominantemente teoria dos números e teoria dos grafos
• Resposta concreta e verificável: uma construção existe ou não existe
• "Dificuldade elegante": um enunciado simples oculta uma demonstração profunda

Essa combinação, segundo os matemáticos entrevistados pela Quanta Magazine, é precisamente o que torna os problemas de Erdős adequados para a IA moderna.

Por Que os Problemas de Erdős Cedem às Redes Neurais?

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

Problemas combinatórios com um critério claro de sim/não são especialmente convenientes: o modelo percorre estratégias, constrói exemplos e busca contraexemplos sem o risco de acumular erros nas etapas intermediárias. Em 2024, o sistema AlphaProof do Google DeepMind resolveu quatro dos seis problemas da Olimpíada Internacional de Matemática (IMO 2024) — alguns deles eram do tipo combinatório característico da tradição de Erdős.

O Que Isso Vai Mudar na Matemática?

Segundo pesquisadores citados pela Quanta Magazine, os problemas de Erdős tornaram-se uma pedra de toque para toda a matemática. Ao compreender exatamente por que essa classe de problemas cede às redes neurais, os cientistas poderão traçar um mapa: onde a IA auxiliará os matemáticos nos próximos anos, e onde a intuição humana permanecerá insubstituível.

De acordo com a análise da

Quanta Magazine, ao estudar os problemas de Erdős, os matemáticos estão efetivamente buscando resposta a uma questão mais geral: quais propriedades tornam um problema matemático resolúvel por máquina em princípio.

Permanece em aberto a questão de se a mesma abordagem funciona em áreas menos formalizadas: geometria algébrica, topologia, problemas que exigem a criação de conceitos fundamentalmente novos. Nessas áreas, a intuição do pesquisador ainda é indispensável, e os matemáticos destacam isso.

O Que Isso Significa

Os sucessos da IA nos problemas de Erdős são um sinal de uma mudança qualitativa na matemática: as redes neurais estão passando de auxílio computacional para o fechamento de problemas que permaneceram abertos por décadas. Compreender exatamente onde se situa o limite das capacidades da IA na ciência é um dos principais desafios de pesquisa para os próximos anos.