Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarMIT News→ original

Agentes da OpenAI produziram uma prova para um problema do milênio em 88 horas — matemáticos têm dúvidas

Imagine: uma IA escreve em poucos dias um enorme módulo de código, e você não entende por que ele funciona. É essa a situação atual da matemática. A OpenAI lançou milhares de agentes sobre a equação de Navier-Stokes, um dos sete problemas do milênio, e obteve uma prova após 88 horas. O professor Michael Hopkins, de Harvard, chamou esses artigos de "absurdos", e participantes de um painel no MIT afirmam que é mais valioso saber verificar e explicar o resultado. Equipes que trabalham com agentes devem reservar tempo para essa checagem.

Processado por IA de MIT News; editado por Hamidun News
Agentes da OpenAI produziram uma prova para um problema do milênio em 88 horas — matemáticos têm dúvidas
Fonte: MIT News. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalMIT News ↗
Editor-chefe
Dado-chave #1Um mês depois, a OpenAI publicou 722 manuscritos com soluções geradas por IA para problemas em aberto
Dado-chave #2A revista de Brina Kra recebe tantos artigos com IA que contratou mais um editor
Dado-chave #3Nas entrevistas de contratação, o que mais importa é conseguir explicar suas ideias a outra pessoa

Imagine que um agente de IA escreveu um enorme módulo ao longo de um fim de semana, os testes passam, mas ninguém na equipe consegue explicar por que ele funciona. Foi mais ou menos essa a situação em que a matemática se encontrou. Um painel intitulado "IA e sociedade: o futuro da matemática" foi realizado no MIT, com professores do MIT, de Harvard, da Northwestern e da Universidade de Nova York, para discutir o que fazer quando máquinas resolvem problemas mais rápido que pessoas, mas nem sempre se sabe como.

Para desenvolvedores e fundadores, essa não é uma história alheia: as mesmas questões sobre verificação e confiança nos resultados da IA logo vão se colocar para qualquer equipe que delegue trabalho sério a agentes.

O que aconteceu: da olimpíada ao problema do milênio

Até pouco tempo atrás, a IA resolvia problemas cujas respostas já eram conhecidas. No verão de 2025, modelos do Google DeepMind conquistaram medalha de ouro na Olimpíada Internacional de Matemática: resolveram com rapidez a maioria dos problemas que são apresentados aos melhores estudantes do mundo. Depois, ficou claro que, às vezes, os modelos encontram soluções um pouco melhores que as humanas. Em 2026, segundo os participantes, veio um salto: a IA passou a atacar questões de pesquisa em aberto, para as quais não havia resposta conhecida. Brina Kra, da Northwestern, afirmou: "A matemática mudou mais nos últimos dois meses do que nos últimos cem anos".

Em setembro, a OpenAI direcionou milhares de seus agentes para um problema ligado à equação de Navier-Stokes. Ela descreve o escoamento de líquidos e gases e está entre os sete "problemas do milênio". Após 88 horas, os agentes apresentaram uma prova.

A coincidência foi desfavorável a Tristan Bakmaster, um dos participantes do painel: depois de um ano de trabalho, ele e um colega da Anthropic estavam perto de uma solução. A discussão se concentrou em outros pontos: se o crédito foi distribuído de forma correta, se os dados de matemáticos vazaram, como os agentes chegaram à conclusão e se ela faz sentido. Um mês depois, a OpenAI publicou 722 manuscritos sobre diversas áreas da matemática, nos quais se afirmava que a IA havia resolvido por completo vários grandes problemas em aberto.

A isso se colou o apelido de "matocalipse".

Há prova, mas não há compreensão

A principal objeção é que obter uma prova e entendê-la são coisas diferentes. Michael Hopkins, de Harvard, declarou que "os próprios artigos são um absurdo", com "ideias estranhas", e acrescentou que ainda existe uma diferença entre a matemática da IA e a matemática humana. Bakmaster concordou: para que a matemática seja importante, é preciso que haja compreensão humana por trás dela.

A comparação com a revisão de código é direta. O agente entrega um patch de dez mil linhas, ele compila, mas, se ninguém consegue explicar a lógica, o que você recebeu não é uma solução, e sim uma dívida. Os matemáticos chegaram a esse ponto antes dos demais.

Kra propõe abandonar a corrida pela primazia, isto é, pelo prestígio de "provar primeiro": a velocidade não deve mais ser o objetivo, e a compreensão precisa ser avaliada de outra forma. Hopkins respondeu que as pessoas vão continuar querendo ser pioneiras. Kra replicou que é possível ser pioneiro também na explicação de como a prova surgiu. Ela ajudou a preparar a Declaração de Leiden sobre IA e matemática, assinada por matemáticos de vários países. O documento pede uma reação aos riscos da IA para a pesquisa matemática.

Revistas, contratações e estudantes já estão mudando

As consequências aparecem em processos concretos. Na revista especializada onde Kra atua como managing editor, cresceu de forma acentuada o número de artigos com resultados obtidos com IA, e a redação precisou contratar mais um managing editor. Em resposta ao fluxo de "lixo" produzido por IA, parte das publicações passou a valorizar a exposição: a seção do artigo em que se explica a lógica da hipótese ou da prova. Surgem revistas experimentais que publicam justamente a contribuição humana, como novas explicações de resultados antigos. Uma delas é a revista em vídeo Mathematical Discourse, com gravações de palestras.

A contratação também muda. Segundo Kra, a entrevista ganha mais peso: não basta mostrar ideias escritas, é preciso comprovar que você as entende e consegue explicá-las a outra pessoa. Iacopo Borga, do MIT, lembrou que cerca de 90% da avaliação dos matemáticos depende das revistas e propôs criar uma nova métrica.

Os estudantes são os mais afetados: precisam aprender os fundamentos em meio a uma profusão de atalhos com IA. No grupo de Hopkins há os "veganos de IA", que não usam IA de jeito nenhum, e os que usam. Ele destacou um estudante com boa intuição, mas execução fraca, que sabe extrair de uma IA ideias interessantes por meio de bons prompts. Talvez se trate de um "novo tipo de matemático".

O que levar para a prática

Uma ressalva: estas são opiniões de participantes de um único painel, e não uma verificação independente dos trabalhos da OpenAI; a disputa sobre a correção dos 722 manuscritos continua. Mas a conclusão vale além da matemática. Quando obter um resultado fica barato, verificação, explicação e responsabilidade ficam caras. Se você delega grandes tarefas a agentes, defina de antemão quem vai ler e checar o resultado e como isso será feito. Reserve tempo para essa etapa e exija do agente não apenas a resposta, mas também uma exposição clara do raciocínio. Borga resumiu de forma mais otimista: "O castelo está desabando, mas se abre espaço para a pesquisa".

História

Perguntas frequentes sobre a notícia

O que aconteceu: da olimpíada ao problema do milênio?

Até pouco tempo atrás, a IA resolvia problemas cujas respostas já eram conhecidas. No verão de 2025, modelos do Google DeepMind conquistaram medalha de ouro na Olimpíada Internacional de Matemática: resolveram com rapidez a maioria dos problemas que são apresentados aos melhores estudantes do mundo. Depois, ficou claro que, às vezes, os modelos encontram soluções um pouco melhores que as humanas.

O que se sabe sobre Há prova, mas não há compreensão?

A principal objeção é que obter uma prova e entendê-la são coisas diferentes. Michael Hopkins, de Harvard, declarou que "os próprios artigos são um absurdo", com "ideias estranhas", e acrescentou que ainda existe uma diferença entre a matemática da IA e a matemática humana. Bakmaster concordou: para que a matemática seja importante, é preciso que haja compreensão humana por trás dela. A comparação com a revisão de código é direta.

O que se sabe sobre Revistas, contratações e estudantes já estão mudando?

As consequências aparecem em processos concretos. Na revista especializada onde Kra atua como managing editor, cresceu de forma acentuada o número de artigos com resultados obtidos com IA, e a redação precisou contratar mais um managing editor. Em resposta ao fluxo de "lixo" produzido por IA, parte das publicações passou a valorizar a exposição: a seção do artigo em que se explica a lógica da hipótese ou da prova.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…