Independentemente de estar ou não criando ideias originais, a IA está se tornando ferramenta poderosa nas mãos de cientistas experientes
Durante décadas, matemáticos de elite vêm lutando para resolver um conjunto de problemas espinhosos propostos por um acadêmico do século 20 chamado Paul Erdős.
Neste mês, uma startup de inteligência artificial chamada Harmonic entrou na disputa. A Harmonic afirmou que sua tecnologia de IA, chamada Aristotle, havia resolvido um “problema de Erdős” com a ajuda de um colaborador: a tecnologia mais recente da OpenAI, o GPT-5.2 Pro.
Para muitos cientistas da computação e matemáticos, resolver um problema de Erdős demonstrou que a IA havia chegado a um ponto em que era capaz de realizar pesquisa acadêmica legítima. Mas alguns especialistas foram rápidos em apontar que a solução gerada pela IA não era muito diferente de trabalhos anteriores feitos por matemáticos humanos.
“Para mim, parece um aluno muito esperto que decorou tudo para a prova, mas não tem um entendimento profundo do conceito”, disse Terence Tao, professor da UCLA, considerado por muitos o maior matemático de sua geração. “Ele tem tanto conhecimento de base que consegue fingir um entendimento real.”
O debate sobre o que o sistema da Harmonic de fato realizou foi um lembrete de duas perguntas recorrentes sobre o avanço vertiginoso do desenvolvimento de IA pela indústria de tecnologia: o sistema de IA realmente fez algo brilhante? Ou apenas repetiu algo que já havia sido criado por humanos brilhantes?
As respostas a essas perguntas podem oferecer uma compreensão melhor das formas como a IA pode transformar a ciência e outros campos. Independentemente de a IA estar ou não gerando novas ideias — e de ela poder um dia fazer um trabalho melhor do que pesquisadores humanos —, ela já está se tornando uma ferramenta poderosa quando colocada nas mãos de cientistas inteligentes e experientes.
Esses sistemas conseguem analisar e armazenar muito mais informação do que o cérebro humano e podem fornecer dados que especialistas nunca viram ou há muito tempo esqueceram.
O dr. Derya Unutmaz, professor do Jackson Laboratory, uma instituição de pesquisa biomédica, afirmou que os sistemas de IA mais recentes chegaram ao ponto de sugerir uma hipótese ou um experimento que ele e seus colegas não haviam considerado anteriormente
“Isso não é uma descoberta. É uma proposta. Mas permite restringir onde você deve focar”, disse Unutmaz, cuja pesquisa se concentra em câncer e doenças crônicas. “Isso permite fazer cinco experimentos em vez de 50. Isso tem um efeito profundo e acelerador.”
O entusiasmo em torno das habilidades matemáticas do GPT-5 começou em outubro, quando Kevin Weil, vice-presidente de ciência da OpenAI, disse nas redes sociais que a tecnologia da startup havia respondido a vários dos intrigantes problemas de Erdős.
Criados como uma forma de medir engenhosidade matemática, os problemas de Erdős são conjecturas ou perguntas elaboradas que testam os limites do campo. O objetivo é provar se cada uma está certa ou errada.
Alguns problemas são extremamente difíceis de resolver, enquanto outros são mais fáceis. Um dos mais famosos pergunta: se o inteiro n é maior ou igual a 2, 4/n pode ser escrito como a soma de três frações positivas? Em outras palavras, existe uma solução para 4/n = 1/x + 1/y + 1/z?
Esse problema ainda não foi resolvido. Mas, nas redes sociais, Weil se gabou de que o GPT-5 havia solucionado muitos outros. “O GPT-5 acabou de encontrar soluções para 10 (!) problemas de Erdős que antes não tinham solução e avançou em outros 11”, escreveu Weil. “Todos estavam em aberto havia décadas.”
Matemáticos e pesquisadores de IA apontaram rapidamente que o sistema havia identificado soluções existentes, escondidas em décadas de artigos acadêmicos e livros didáticos. O executivo da OpenAI apagou sua publicação nas redes sociais. Mas, mesmo que o entusiasmo inicial tenha sido exagerado, a tecnologia havia provado seu valor.
“O que ele conseguiu fazer foi surpreendente e útil”, disse Thomas Bloom, matemático da Universidade de Manchester que mantém um site dedicado aos problemas de Erdős. “Um dos artigos que ele encontrou foi escrito em alemão. Eu nunca teria encontrado isso sozinho.”
Então, como a IA deu saltos tão grandes desde que o ChatGPT foi apresentado no fim de 2022? Os principais sistemas de IA atuais são o que os cientistas chamam de redes neurais, capazes de identificar padrões em textos, sons e imagens e aprender a gerar esse tipo de material por conta própria, incluindo trabalhos acadêmicos, código de computador, vozes e diagramas.
Cerca de 18 meses atrás, empresas como OpenAI e Google começaram a aprimorar seus sistemas usando uma técnica chamada aprendizado por reforço. Por meio desse processo, um sistema de IA pode aprender comportamentos por meio de extensas tentativas e erros.
O resultado é que esses sistemas agora conseguem “raciocinar” sobre problemas em áreas como matemática, ciência e programação de computadores. Um sistema como o GPT-5 não raciocina exatamente como um humano, mas pode passar mais tempo trabalhando em um problema. Às vezes, esse trabalho se estende por horas.
(O New York Times processou a OpenAI e a Microsoft, alegando violação de direitos autorais de conteúdo jornalístico relacionado a sistemas de IA. As duas empresas negaram as acusações.)
Após a publicação de Weil nas redes sociais, pesquisadores continuaram a pedir ao GPT-5 e a outras tecnologias de IA soluções para problemas de Erdős.
Kevin Barreto e Liam Price, dois matemáticos britânicos, usaram o GPT-5 neste mês para resolver um problema que antes não tinha solução. Em seguida, usaram o Aristotle, o sistema de IA da Harmonic, para verificar se a solução estava correta. Diferentemente do GPT-5, o Aristotle usa uma linguagem de programação especializada para provar se uma resposta está certa ou errada.
Os dois matemáticos tiveram, sim, um pequeno papel. Eles deram um empurrão no sistema da OpenAI em uma nova direção quando a prova não fazia exatamente o que eles queriam. Mas, como outros especialistas, acreditam que a IA já demonstrou que pode fazer pesquisa acadêmica.
“Não é uma pesquisa de altíssimo nível, mas o fato de a IA ser capaz de realizar pesquisa em qualquer nível é impressionante”, disse Bloom. Se um estudante de pós-graduação lhe mostrasse a mesma solução matemática, acrescentou, ele sugeriria que o aluno a submetesse a uma revista acadêmica para publicação.
Mas, enquanto alguns especialistas aplaudiam o que os dois sistemas de IA haviam feito, outros foram menos entusiasmados. Tao disse que a solução se baseava em métodos amplamente conhecidos.
“Um consenso sobre o que exatamente o problema estava perguntando só foi obtido no último mês ou algo assim, o que pode explicar por que ele não havia sido tratado adequadamente na literatura antes”, disse ele.
Embora tenha ficado impressionado, Bloom acrescentou que ainda não havia visto evidências de que a IA pudesse gerar ideias que os humanos não conseguem. “E eu ficaria surpreso se isso acontecesse tão cedo”, disse Bloom.
Ainda assim, cientistas afirmam que a IA se tornou uma ferramenta de pesquisa poderosa e em rápida evolução e que a questão de ela estar ou não gerando ideias por conta própria é — por enquanto — irrelevante.
Quando Unutmaz usa a IA em suas pesquisas sobre doenças crônicas, ele disse que muitas vezes sente como se estivesse conversando com um colega experiente.
Mas reconhece que a máquina não consegue fazer o trabalho sem um colaborador humano. Um pesquisador experiente ainda é necessário para orientar repetidamente o sistema, explicar o que ele deve procurar e, por fim, separar as informações interessantes de todo o resto que o sistema produz.
“Eu ainda sou relevante, talvez até mais relevante”, disse ele. “É preciso ter uma expertise muito profunda para apreciar o que ela está fazendo.”
Crédito: Cade Metz / The New York Times no InfoMoney – @ disponível na internet 20/1/2026
