A inteligência artificial está transformando a matemática, mas levanta questões cruciais sobre seu impacto e acessibilidade.
O avanço das ferramentas de inteligência artificial (IA) no campo da matemática é inegável e, em muitos aspectos, aguardado. No entanto, especialistas apontam que, apesar das conquistas notáveis, ainda persistem mais perguntas do que respostas sobre como integrar essas tecnologias de forma eficaz e ética no avanço científico. Além disso, surgem preocupações sobre os riscos de prejudicar a formação de futuros pesquisadores e de acentuar as desigualdades em uma área tradicionalmente acessível.
Recentemente, a OpenAI divulgou a solução de 377 problemas matemáticos complexos utilizando sua IA, um feito que se segue ao anúncio de ter resolvido um dos cobiçados Problemas do Milênio. Essas demonstrações impressionam a comunidade científica. Edgard Pimentel, subdiretor do Centro de Matemática da Universidade de Coimbra, em Portugal, descreve os avanços como “fantásticos”, destacando que modelos como os da Anthropic e, com mais destaque, os da OpenAI, estão resolvendo desafios que até mesmo matemáticos de ponta levaram tempo para decifrar.
“Os problemas na lista divulgada recentemente pela OpenAi são aqueles que, quando a gente se encontrava em conferências, discutia os avanços pontuais. São muito sedutores, importantes e, de fato, caíram”, afirma Pimentel, que já foi pesquisador apoiado pelo Instituto Serrapilheira. A empolgação, contudo, não obscurece as inquietações, especialmente a natureza de “caixa-preta” dos modelos de IA.
O Desafio da Transparência e o Risco da “Caixa-Preta”
A falta de clareza sobre como os modelos de IA são treinados e quais dados são utilizados é um ponto de atenção. A OpenAI, por exemplo, não tem acesso direto às interações específicas dos usuários com o sistema, mas utiliza essas conversas para aprimorar seus modelos. Isso levanta a questão de quanto das contribuições de matemáticos humanos foi incorporado, e de que forma, para potencializar essas tecnologias. Essa opacidade dificulta a compreensão completa do processo e a validação rigorosa dos resultados.
IA como Ferramenta e a Importância do “Caminho da Escalada”
Ali Tahzibi, professor do Instituto de Ciências Matemáticas e de Computação da USP (ICMC-USP), compara o uso da IA na pesquisa com a invenção do avião: “Depois da invenção do avião, podemos viajar mais longe, e isso não significa deixar de fazer viagens de exploração nas florestas ou subir montanhas”. Ele ressalta que, embora a IA permita avançar mais rápido e mais longe, o processo de descoberta e a compreensão do caminho percorrido continuam sendo fundamentais. A capacidade dos grandes modelos de linguagem (LLMs) de resolver problemas matemáticos, segundo Tahzibi, não é surpreendente, pois “todo resultado matemático é essencialmente uma coleção de pequenos passos, e, às vezes, o número desses passos excede a nossa paciência, criatividade e imaginação”. O desafio, ele aponta, reside em definir quais problemas devem ser abordados pela IA, um critério que a OpenAI ainda não detalhou.
Leandro Aurichi, colega de Tahzibi no ICMC-USP, complementa o raciocínio, alertando que a busca pela solução rápida pode comprometer a essência da pesquisa matemática. “Esses problemas matemáticos nem sempre eram propostos ou eram considerados interessantes porque se precisava saber suas respostas. Muitas vezes o propósito era mais na linha ‘vamos lá, pessoal da matemática, a gente precisa de ferramentas adequadas para resolver isso aqui’”, explica. Ele usa a analogia de usar uma chave de fenda para pregar um prego: a tarefa é realizada, mas não necessariamente da melhor maneira, o que pode levar a um viés na forma como os problemas são abordados e resolvidos.
Impacto na Formação e o Risco da Acessibilidade
Altay de Souza, cientista de dados da Unifesp, alerta que o uso indiscriminado da IA pode limitar o desenvolvimento de matemáticos juniores. Enquanto pesquisadores seniores podem empregar a IA como uma ferramenta avançada para otimizar processos que já compreendem, os mais novos correm o risco de pular etapas cruciais de aprendizado. “Matemática de verdade é entender sistemas lógicos de pensamento e organização de regras, e isso demanda tempo, suor e sofrimento”, afirma. A IA, nesse contexto, pode se tornar uma tentação para quem busca atalhos, comprometendo a profundidade do conhecimento adquirido.
Paradoxalmente, o acesso às ferramentas de IA mais avançadas pode se tornar um novo fator de desigualdade. Pimentel lamenta que a matemática, outrora uma área de baixo custo que permitia a competição global com recursos limitados, agora se torna cara com a necessidade de acesso a modelos de ponta. “A matemática era uma brincadeira quase gratuita, que a gente fazia com lápis e papel. O Brasil ganhou uma medalha Fields por isso, porque era muito mais barato do que as áreas do Nobel. Agora ficou caro”, conclui, alertando para o “nível de desigualdade que isso vai introduzir também é brutal”.
