DeepMind AlphaProof Nexus resolveu nove problemas de Erdős, dois deles em aberto havia 56 anos

O Google DeepMind publicou na Science um estudo sobre o sistema AlphaProof Nexus, que resolveu dezenas de problemas matemáticos em aberto. Entre eles estão nove problemas de Erdős, e dois desses nove resistiram aos humanos por 56 anos. A principal diferença em relação à maioria dos anúncios de IA em matemática é que revisores checaram os resultados antes de eles serem divulgados.

O que foi resolvido

Os problemas de Erdős formam uma vasta coleção de questões deixadas pelo matemático húngaro Paul Erdős. Alguns têm enunciado de uma única linha, mas desafiam profissionais há décadas. Por isso, servem como uma referência prática para testar IA matemática: o status de cada problema (aberto ou resolvido) pode ser conferido publicamente.

O ponto de maior peso no anúncio é o prazo. Dois problemas ficaram sem solução por 56 anos. Nesse período, gerações de pesquisadores podem ter trabalhado neles sem sucesso. Agora, as soluções estão publicadas em uma revista com revisão por pares.

O comunicado original não traz detalhes sobre a arquitetura do Nexus, e inventá-los seria um erro. Sabe-se apenas que o sistema é uma continuação da linha AlphaProof. Uma versão anterior, em 2024, alcançou na Olimpíada Internacional de Matemática um desempenho equivalente ao de medalha de prata e trabalhava com a linguagem formal Lean. Até que ponto o Nexus herdou essa abordagem é algo a esclarecer a partir do texto do artigo na Science.

A revisão por pares como posicionamento

A publicação chega em um momento de tensão. Segundo o The Decoder, a OpenAI enfrenta atualmente um boicote por ter publicado no GitHub demonstrações geradas por IA sem verificação de especialistas. A crítica é compreensível: um fluxo bruto de provas geradas por modelo recai sobre os matemáticos, que precisam separar o que é dedução rigorosa do que é um erro plausível.

O DeepMind escolheu a ordem inversa: primeiro a verificação, depois a publicação. Na matemática, isso é higiene básica, mas entre lançamentos de IA é raro. No passado, afirmações bombásticas sobre problemas abertos "resolvidos" tiveram de ser corrigidas mais de uma vez: muitas vezes, a resposta já existia na literatura.

Principais dados da publicação:

• Veículo: Science, revista com revisão por pares.
• Sistema: AlphaProof Nexus (Google DeepMind).
• Escopo: dezenas de problemas abertos resolvidos.
• Problemas de Erdős: nove.
• Tempo sem solução de dois deles: 56 anos.
• Ordem: revisão por pares antes da publicação.

Como ler esse tipo de anúncio

Diante de notícias assim, vale checar algumas coisas. Primeiro: existe uma lista completa dos problemas resolvidos, e é possível conferir o status deles em bases abertas? Segundo: as demonstrações foram verificadas de forma independente, e não apenas pelos próprios autores? Terceiro: qual o grau de formalização da dedução? Se a prova está escrita em uma linguagem como Lean, a verificação pode ser feita por máquina, e a confiança no resultado é maior.

Para pesquisadores, a conclusão prática é simples: um artigo na Science oferece material que pode ser analisado, contestado e usado. Um repositório com uma montanha de resultados sem avaliação de especialistas não oferece isso.

Para empresas que constroem produtos sobre modelos de "raciocínio", o sinal também é claro. A capacidade de uma IA de resolver problemas abertos agora pode ser avaliada por resultados externos e verificáveis, e não por comunicados de imprensa. O que exatamente o Nexus sabe fazer e o quanto a abordagem é reproduzível fora do laboratório do DeepMind só ficará claro depois que a comunidade matemática discutir o artigo.