OpenAI publica 719 manuscritos de matemática, e cientistas exigem que sejam verificados

A OpenAI publicou 719 manuscritos de matemática no GitHub, e a comunidade profissional respondeu com uma lista de objeções. De acordo com o TechCrunch, parte do material não passou por uma verificação completa, e algumas demonstrações podem conter erros. A alegação da empresa de ter resolvido um dos problemas do milênio, ligado às equações de Navier-Stokes, levantou questionamentos à parte.

O que foi publicado e o que desagradou aos cientistas

A publicação, por si só, parece uma demonstração de escala: 719 textos em um repositório aberto. Mas os matemáticos se interessam menos pelo volume e mais pelo status de cada documento. Um manuscrito no GitHub não equivale a um artigo em uma revista revisada por pares. Não há editor, revisores anônimos nem discussão obrigatória na comunidade da área. Qualquer pessoa pode subir um arquivo, e ninguém é obrigado a lê-lo.

Segundo o TechCrunch, parte do material ainda não passou por uma verificação completa. Os críticos admitem que algumas demonstrações podem ter erros. Para a matemática, essa é a objeção central: uma demonstração vale exatamente o quanto pode ser verificada. Se, entre os 719 textos, não está claro quais estão corretos e quais não estão, o conjunto tem pouca utilidade, e a carga sobre os especialistas aumentou.

Principais parâmetros da publicação:

• volume: 719 manuscritos;
• plataforma: GitHub, ou seja, formato de preprint sem revisão por pares;
• status da verificação: parte do material não passou por uma análise completa de especialistas;
• risco: algumas demonstrações podem conter erros;
• alegação mais controversa: a solução de um problema ligado às equações de Navier-Stokes.

Navier-Stokes: por que essa alegação exige cautela especial

As equações de Navier-Stokes descrevem o movimento de fluidos viscosos e gases. A questão da existência e da suavidade de suas soluções integra a lista de sete problemas do milênio do Instituto de Matemática Clay. Cada um deles vale um prêmio de um milhão de dólares. Dessa lista, apenas a conjectura de Poincaré foi totalmente resolvida.

O instituto tem regras próprias: a solução precisa aparecer em uma publicação de prestígio revisada por pares e resistir ao teste do tempo. Um comunicado de imprensa ou um repositório não atendem a essas condições. Por isso, a reação dos cientistas era previsível. Para uma alegação desse porte, eles esperam um artigo detalhado, que possa ser analisado passo a passo, e não uma linha em um grande conjunto de arquivos.

O que os matemáticos exigem

As objeções se resumem a três pontos. Os cientistas querem artigos científicos completos sobre os resultados, a revelação dos métodos que a IA usou para obter as demonstrações e a indicação clara do que foi feito pelos pesquisadores e do que foi feito pelo modelo.

O segundo e o terceiro pontos estão ligados. Se a demonstração foi construída pelo modelo e depois editada por pessoas, o leitor precisa saber onde ficava essa fronteira. Quem responde por um erro? Quais etapas foram verificadas manualmente e quais foram aceitas na confiança? Sem essas informações, a verificação independente se transforma na análise de uma caixa-preta alheia.

Como ler alegações desse tipo

Se você acompanha resultados matemáticos obtidos por IA, vale ter em mente alguns filtros simples.

• Diferencie preprint de publicação revisada por pares. O primeiro mostra uma intenção; a segunda confirma o resultado.
• Procure verificação independente: matemáticos de fora, verificação formal ou, no mínimo, uma análise detalhada das etapas-chave.
• Veja se o processo foi revelado. Uma descrição de como o modelo chegou à demonstração e do que as pessoas fizeram permite reproduzir o resultado.
• Diante de alegações de grande repercussão, como a solução de um problema do milênio, aguarde a confirmação oficial. Para os problemas do Clay, ela leva anos.

Para a OpenAI, a questão é de reputação. Se parte dos 719 manuscritos resistir à verificação, será um argumento forte a favor da IA como ferramenta do matemático. Se a checagem apontar muitos erros, esses materiais sairão prejudicados, assim como a confiança nas próximas alegações da empresa. Só os próprios textos e o tempo que os especialistas dedicarem a eles poderão decidir a questão.