Jiuzhang Yunji entra no desafio matemático de Terence Tao após carta de 28 medalhistas Fields

Em 11 de setembro de 2026, 28 medalhistas Fields assinaram uma declaração conjunta, «Grave desalinhamento da IA na matemática». Exatamente um mês depois, em 13 de outubro, a chinesa Jiuzhang Yunji (九章云极) anunciou sua participação no desafio matemático de Terence Tao e apresentou sua posição: o aprendizado por reforço deve se tornar a nova infraestrutura básica de AI for Science. A coincidência de datas chama atenção, mas o trecho disponível do material não permite avaliar nem o formato da competição nem os resultados da empresa.

O que os matemáticos escreveram

O tom da carta é incomumente duro para o meio acadêmico. Os signatários afirmam que empresas de IA usam a resolução de problemas matemáticos como benchmark de suas próprias capacidades e consideram essa prática «prejudicial para a ciência matemática e para a comunidade matemática». A tese central, ao menos como aparece no início do material, é que resolver um problema é apenas um meio e um indicador indireto. A matemática em si funciona de outra forma: trata-se de construir compreensão, teorias e linguagem. O trecho disponível interrompe a argumentação nesse ponto, então relatar os detalhes seguintes seria especulação.

Para a indústria, o sinal é incômodo. Nos últimos dois anos, foram justamente os problemas de nível olímpico e de pesquisa que serviram de vitrine para os laboratórios. Quando 28 pessoas com a mais alta distinção da área dizem que a vitrine engana, fica mais difícil responder com números.

A resposta da Jiuzhang Yunji

A empresa não optou pela defesa: preferiu entrar na competição conduzida por um dos matemáticos mais respeitados da atualidade. O lema no título do material diz: fazer do aprendizado por reforço a nova infraestrutura de AI4S.

A lógica é fácil de acompanhar, embora seja interpretação nossa, e não citação da empresa. A matemática tem algo que a maioria das áreas científicas não tem: verificabilidade. Se uma demonstração pode ser checada automaticamente, por exemplo em um sistema formal como o Lean, surge um sinal de recompensa claro para o RL. Daí em diante, tudo se resume à engenharia: orquestração de milhares de execuções paralelas, agendamento de GPUs, armazenamento de trajetórias, construção de ambientes com verificadores. A Jiuzhang Yunji, a julgar pelo posicionamento, vende justamente essa camada: não um modelo isolado, mas uma plataforma na qual experimentos desse tipo podem ser executados.

O que se sabe até o momento:

• Data da carta: 11 de setembro de 2026, com 28 medalhistas Fields como signatários.
• Título da declaração: «Inteligência artificial na matemática: grave desalinhamento».
• Objeção principal: usar problemas como benchmark prejudica a matemática e a comunidade.
• Participante do desafio de Tao: Jiuzhang Yunji, com anúncio em 13 de outubro de 2026.
• Direção declarada: RL como infraestrutura de AI for Science.
• Não divulgado: regras, número de problemas resolvidos, volume de computação, método de verificação.

O que observar daqui para frente

Por enquanto, trata-se de uma declaração de posicionamento, não de um resultado. Vale avaliá-la por alguns critérios. A empresa vai publicar o protocolo: quais problemas, quantas tentativas, quais recursos? As soluções serão verificadas formalmente ou por pessoas, e quem fará essa verificação? Ela dirá algo sobre a utilidade para matemáticos em atividade, e não apenas sobre o percentual de problemas encerrados? É justamente isso que a carta coloca em primeiro plano.

Para engenheiros e compradores de infraestrutura de AI, a conclusão é prática. Se você constrói pipelines de RL para ciência, o mais valioso no desafio matemático não é o ranking, mas a combinação pronta de «ambiente, verificador e rollout escalável». Ela pode ser transferida para química, ciência de materiais e programação com provas, áreas em que a verificação também pode ser automatizada. Se o objetivo é escolher um fornecedor, não peça uma tabela de benchmark, e sim um relatório reprodutível, com o custo em GPU-horas e a descrição da verificação. A crítica dos medalhistas Fields é exatamente que uma tabela solta não prova nada.