Inteligência artificial avança em ritmo acelerado na resolução de desafios matemáticos

Matemáticos ao redor do mundo têm acompanhado com crescente espanto o rápido desenvolvimento das capacidades de inteligência artificial (IA). Nos últimos meses, sistemas de IA têm sido creditados com a solução de alguns dos problemas mais intrincados da matemática, que por muito tempo resistiram aos esforços humanos. Nesta terça-feira (6), a OpenAI surpreendeu a comunidade científica ao anunciar a solução de 377 novos problemas matemáticos, cobrindo um vasto espectro de disciplinas como álgebra, teoria dos números, ciência da computação teórica, lógica matemática e topologia. O material divulgado pela empresa contém 722 manuscritos.

Este anúncio surge após a OpenAI ter revelado, no mês passado, a solução da equação de Navier-Stokes, um dos sete Problemas do Milênio. Estes problemas são tão desafiadores que a Clay Mathematics Institute oferece um prêmio de US$ 1 milhão pela solução de cada um. O feito da OpenAI demonstrou o potencial dos seus modelos mais avançados, mas também reacendeu o debate sobre a natureza do raciocínio da IA: estaria ela empregando pensamento criativo ou simplesmente completando etapas finais de demonstrações a partir de trabalhos prévios de matemáticos humanos?

As informações foram reunidas a partir de dados divulgados pela OpenAI e reportagens da Reuters.

Novos modelos e o debate sobre criatividade

Assim como no caso da equação de Navier-Stokes, as novas soluções matemáticas foram desenvolvidas utilizando um modelo de IA mais avançado, que ainda não foi disponibilizado publicamente. A OpenAI tem trabalhado com um conselho consultivo de matemáticos, sediado no Instituto de Estudos Avançados em Princeton, para orientar a comunicação dos resultados gerados por IA. Este grupo independente tem a missão de estabelecer padrões para que as descobertas de IA possam ser compreendidas pela comunidade matemática e contribuir para o avanço da área.

A matemática Melanie Wood, da Universidade Harvard e membro do conselho, destacou a importância de criar diretrizes para que os resultados de laboratórios de IA sejam integrados ao conhecimento matemático. Muitas das demonstrações divulgadas foram verificadas usando o Lean, uma linguagem de programação que valida a lógica subjacente. Para dez das soluções, a OpenAI forneceu resumos detalhando o processo de raciocínio da IA, com cada resultado demandando, em média, cerca de três horas de processamento computacional.

Divergências e o futuro da pesquisa em IA e matemática

Apesar da colaboração, a OpenAI parece ter ignorado uma recomendação central do conselho consultivo: a de que empresas de IA deveriam suspender o teste de seus modelos em problemas matemáticos avançados. O conselho havia manifestado, em 29 de setembro, que não endossa essa prática. Tradicionalmente, empresas de IA utilizavam problemas matemáticos, como os de olimpíadas estudantis, para estabelecer parâmetros de desempenho. No entanto, a OpenAI tem criado novos desafios, na fronteira da pesquisa, para testar seus modelos mais recentes.

Dan Roberts, líder de pesquisa da OpenAI, defende a importância desses testes para o desenvolvimento de ferramentas aprimoradas, considerando as demonstrações matemáticas um subproduto desses esforços. Contudo, matemáticos como Tristan Buckmaster, da Universidade de Nova York, expressam preocupação. Ele aponta que ainda não está claro se os modelos de IA estão, de fato, resolvendo problemas de forma autônoma ou se estão se beneficiando de informações implícitas no trabalho de matemáticos humanos, que acabam por guiar a IA até a solução. Buckmaster sugere que a grande quantidade de resultados divulgados de uma só vez pode indicar a ausência de uma análise mais rigorosa.

A comunidade matemática se depara com o dilema de como o ritmo acelerado de resolução de problemas pela IA impacta a área, especialmente quando a compreensão humana das soluções não acompanha essa velocidade. Kai Shaikh, estudante de pós-graduação em matemática na Universidade de Toronto, observa que a tendência humana de competir pode estar ofuscando a capacidade de apreciar a beleza e a profundidade do conhecimento matemático, levantando preocupações sobre o verdadeiro avanço da área.