Terence Tao, o professor da UCLA amplamente considerado o melhor matemático puro vivo, soou o alarme sobre a corrida acelerada da IA na matemática que está acontecendo agora.
Tao, que foi agraciado com a Medalha Fields em 2006, publicou um alerta na instância Mathstodon do Mastodon, centrada em matemática, ontem, na qual argumentou que a IA está esgotando a oferta de bons problemas abertos do campo, as questões não resolvidas que realmente impulsionam a matemática. Não provas. Não artigos. Boas questões.
Qualquer um pode inventar infinitas novas questões matemáticas; o dígito googol de pi é tecnicamente um problema aberto que ninguém calculou. Quase nenhum deles importa, porque a maioria não ensina nada sobre o campo mais amplo. O que realmente importa, escreveu Tao, é saber o que realmente vale o esforço.
“Em suma, o uso indiscriminado de poderosas ferramentas de extração de soluções pode atingir o objetivo imediato de curto prazo de resolver os problemas em questão, mas ao custo de sustentar o ecossistema para a próxima onda de progresso, ou de compreender o progresso já obtido”, escreveu Tao.
Com o lançamento de modelos de raciocínio e a última geração de sistemas de IA de fronteira, os laboratórios começaram a aplicar enormes quantidades de computação em problemas matemáticos e científicos. Anthropic e OpenAI testaram seus modelos em problemas que resistiram a matemáticos humanos por anos, às vezes décadas.
Os resultados variaram da física quântica à matemática aplicada e medicina. Mas a matemática é diferente: problemas genuinamente difíceis são relativamente escassos, e os pesquisadores frequentemente escolhem cuidadosamente quais dedicar meses ou até anos a perseguir.
Descobrir isso costumava depender da "paisagem de dificuldade" de um campo – quais questões são triviais, quais exigem esforço real, quais são sem esperança com as ferramentas atuais. Novos métodos sempre achataram partes dessa paisagem, mas também abriram novas fronteiras além de seus próprios limites. A IA quebra esse padrão, argumenta Tao, porque ninguém pode dizer exatamente onde a capacidade de um modelo para.
Tao não está descrevendo uma hipótese. Em maio, um modelo da OpenAI refutou a conjectura da distância unitária de Erdős, uma questão de 80 anos sobre quantas pares de pontos em um plano podem estar a exatamente uma unidade de distância. Matemáticos externos, incluindo o medalhista Fields Tim Gowers, verificaram-na.
Na mesma semana, o pesquisador da Anthropic, Levent Alpöge, executou o mesmo problema através do Claude Mythos, o modelo de ponta não lançado da empresa, trabalhando offline para que não pudesse copiar a solução publicada pela OpenAI. O engenheiro da Anthropic, Sholto Douglas, chamou o resultado de uma "prova fofa e simples", mais curta que a da OpenAI. O matemático Daniel Litt a considerou "um pouco pior" que a versão da OpenAI, embora Mythos também tenha encontrado a própria solução da OpenAI.
Huge credit to the OAI team for solving the unit distance problem with 5.5 - it is now my go to example that models can in fact pull together disparate ideas into new discoveries.
As with all 4 minute miles, we had to try and cross it too! Turns out mythos solves it with a cute,… https://t.co/NFymE8P8lu
— Sholto Douglas (@_sholtodouglas) May 26, 2026
Ainda esta semana, a Anthropic formalizou uma prova centenária do último teorema de Fermat e, poucos dias depois, a OpenAI resolveu um problema de 90 anos, horas depois de um pesquisador publicar sua própria prova, coautoriando um artigo com um pesquisador da Anthropic.
Essa corrida é exatamente o que preocupa Tao. “Vimos agora que mesmo o boato de alguém trabalhando em um problema pode desencadear uma enorme quantidade de esforço impulsionado por IA para 'aplaná-lo' antes que o projeto de pesquisa original tenha tempo de atingir todo o seu potencial”, escreveu ele.
Tao argumenta que isso acaba revertendo séculos de ciência aberta.
A solução proposta por Tao é marcar certos problemas como "análise necessária", o que significa que uma resposta bruta correta tem pouco valor a menos que venha acompanhada de um raciocínio que revele algo sobre problemas relacionados. Ele comparou isso a bancos de alimentos que pararam de aceitar qualquer doação que fosse apenas comestível.
Ou é isso ou banir a IA na matemática, uma solução que Tao diz ser “tecnicamente inviável”.
A proposta ainda não se tornou política em nenhum lugar e, com base no comportamento dos grandes laboratórios de IA, mesmo isso pode ser tecnicamente inviável no momento.
