Axiom Math usa IA para escrever em Lean uma prova gigante de 43,1 milhões de linhas em 24 dias
A classificação dos grupos simples finitos é uma das maiores provas da história da matemática, na qual cientistas trabalharam por décadas. A equipe da Axiom Math, com ajuda de IA, a escreveu em Lean em 24 dias: foram 43,1 milhões de linhas de código, em que cada passo é verificado por um pequeno programa-núcleo. No caminho, a equipe encontrou uma falha no argumento publicado de um teorema-chave. A lição para engenheiros: ao lado da IA, coloque um verificador mecânico independente.
Processado por IA de Guardian; editado por Hamidun News
Imagine um projeto em que várias gerações de matemáticos escreveram uma única prova gigantesca, e agora ela precisa ser verificada inteira, até o último passo. Foi exatamente isso que a equipe da startup Axiom Math fez: com ajuda de IA, ela transpôs a prova da classificação dos grupos simples finitos para a linguagem Lean. O resultado tem 43,1 milhões de linhas de código, e o trabalho inteiro levou 24 dias.
Quem contou isso foi Ken Ono, professor da Universidade da Virgínia, atualmente de licença e atuando como principal matemático da Axiom Math, em uma coluna para o Guardian. Para desenvolvedores, o ponto importante não é a filosofia, e sim o procedimento prático: como confiar em um resultado produzido por uma rede neural.
O que é Lean e por que 43,1 milhões de linhas
A classificação dos grupos simples finitos é uma das maiores provas da história da matemática. Ela foi anunciada em 1983, muitos cientistas trabalharam nela por décadas, e uma lacuna importante na demonstração só foi fechada em 2004. Ler e reverificar manualmente um volume desses é muito difícil.
Lean é uma linguagem em que cada passo do raciocínio é verificado por um pequeno programa-núcleo. Não há como convencê-lo: ele aceita o passo ou o rejeita. Por isso, um cálculo bonito, mas incorreto, simplesmente não passa no Lean. Segundo Ono, a Axiom Math usa IA para formalizar, verificar e desenvolver provas. Esse trabalho pode revelar lacunas e torna as demonstrações acessíveis para checagem e reutilização.
A analogia com programação é simples: a rede neural escreve o código, e o compilador e os testes filtram o que está errado. Aqui, o papel dos testes é desempenhado por um verificador formal que não depende do modelo.
O que encontraram pelo caminho
A equipe publicou a primeira formalização completa da classificação em Lean. A IA ajudou a chegar aos 43,1 milhões de linhas. No processo, apareceu uma falha no caminho publicado para um dos teoremas-chave, e os autores propuseram um argumento alternativo. A prova final é verificada pelo núcleo do Lean. Ono ressalta que a própria matemática pertence às gerações que a criaram. Já as formalizações prontas ajudam a construir e verificar novos resultados.
Para quem trabalha com prática, a lição é valiosa. A formalização funcionou como uma auditoria: encontrou um buraco em um argumento publicado havia muito tempo, que não tinha sido notado numa leitura comum. Se um erro no seu sistema custa caro, como em cálculos financeiros, algoritmos médicos ou infraestrutura crítica, gerar o código com um modelo não basta. É preciso um verificador mecânico separado.
Contexto e limitações reconhecidas
Ono aponta a principal limitação: o núcleo do Lean confirma que a prova está correta, mas não garante que o enunciado do teorema diz o que se pretendia. Isso ainda precisa ser checado por pessoas. Na engenharia de software é a mesma coisa: um teste pode passar e, ainda assim, verificar o comportamento errado.
A coluna começa com uma confissão pessoal. Ono escreve que, no ano passado, quase abandonou a matemática. Ele menciona a notícia de que, em 20 de novembro, Levent Alpöge, junto com o Claude, provou a hipótese de Riemann, um problema de 167 anos sobre a distribuição dos números primos, e de que as comunidades Lean e Mathlib já certificaram a prova formal. Ele acrescenta que as pessoas ainda estão começando a compreender o argumento em si. Trata-se do relato do próprio autor da coluna, sem uma avaliação independente dessas afirmações no texto.
O autor também cita o anúncio da OpenAI sobre a solução do problema de Navier–Stokes. Dois dias depois, uma palestra planejada de Ono em Berkeley se transformou em uma reunião de quase duas horas e meia. Os alunos perguntaram sobre autoria, transparência, contratações e como tratar matemáticos cujos trabalhos foram os primeiros.
Ono cita a declaração "A Severe Misalignment of AI in Mathematics", assinada por Terence Tao e outros laureados com a Medalha Fields. Ela alerta para anúncios apressados, atribuição fraca e perda da compreensão matemática. Ono compartilha essas preocupações. Na opinião dele, universidades, revistas, empregadores e fundações devem decidir o que apoiam e recompensam. Estudantes e também quem escolhe trabalhar sem IA devem ter voz nessas decisões. Ele resume sua posição: esperança não é plano, e nostalgia não é orientação.
Na própria orientação de alunos, Ono vai perguntar o que o jovem matemático entendeu, criou ou tornou possível. Ter acesso a um sistema poderoso não basta para isso. E, nas publicações de que participa, o leitor deve conseguir ver o que foi provado, o que foi aceito por confiança e quem é o autor de cada ideia.
Daí decorrem três conclusões práticas. Primeiro, resultados de IA em áreas exatas vão cada vez mais vir acompanhados de um certificado verificável por máquina. Segundo, a formalização pode servir como auditoria de resultados antigos. Terceiro, as questões de atribuição e transparência terão de ser tratadas com a mesma seriedade que as técnicas. Ono admite que pode errar em suas previsões e diz que ainda está aprendendo a ser matemático nessas novas condições.
- 22 de nov. de 2026Grant do Yandex foi para um motor de LLM: modelo de 35B na RTX 2080 Ti é três vezes mais rápido que o llama.cpp
- 22 de nov. de 2026Nova modelo da OpenAI, Astra, escreve 40% mais curto, mas o índice de ressalvas caiu de 96 para 24
- 22 de nov. de 2026Cinco repositórios gratuitos no GitHub reúnem mais de 1.400 modelos de IA em um único endereço
- 22 de nov. de 2026A OpenAI reduziu o sucesso de ataques de roubo de raciocínio do modelo de 54% para 0,2%
Perguntas frequentes sobre a notícia
O que é Lean e por que 43,1 milhões de linhas?
A classificação dos grupos simples finitos é uma das maiores provas da história da matemática. Ela foi anunciada em 1983, muitos cientistas trabalharam nela por décadas, e uma lacuna importante na demonstração só foi fechada em 2004. Ler e reverificar manualmente um volume desses é muito difícil. Lean é uma linguagem em que cada passo do raciocínio é verificado por um pequeno programa-núcleo. Não há como convencê-lo: ele aceita o passo ou o rejeita.
O que encontraram pelo caminho?
A equipe publicou a primeira formalização completa da classificação em Lean. A IA ajudou a chegar aos 43,1 milhões de linhas. No processo, apareceu uma falha no caminho publicado para um dos teoremas-chave, e os autores propuseram um argumento alternativo. A prova final é verificada pelo núcleo do Lean. Ono ressalta que a própria matemática pertence às gerações que a criaram. Já as formalizações prontas ajudam a construir e verificar novos resultados. Para quem trabalha com prática, a lição é valiosa.
O que se sabe sobre Contexto e limitações reconhecidas?
Ono aponta a principal limitação: o núcleo do Lean confirma que a prova está correta, mas não garante que o enunciado do teorema diz o que se pretendia. Isso ainda precisa ser checado por pessoas. Na engenharia de software é a mesma coisa: um teste pode passar e, ainda assim, verificar o comportamento errado. A coluna começa com uma confissão pessoal. Ono escreve que, no ano passado, quase abandonou a matemática.
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.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.