Um debate espinhoso está fervendo na comunidade matemática: dá para confiar à OpenAI resultados que ainda não foram publicados? A dúvida ganhou força depois que pesquisadores relataram respostas evasivas da empresa sobre como suas conversas com o ChatGPT teriam sido usadas. O caso expõe uma tensão real entre o avanço da IA e a forma como a matemática é feita e creditada.
A discussão foi registrada publicamente por Andreas Thom e outros pesquisadores em uma thread no Mathstodon, e rapidamente circulou entre acadêmicos.
O que aconteceu
Depois que a OpenAI anunciou um resultado envolvendo um chamado grupo não-sófico — usando métodos próximos aos de Gábor Kun e do próprio Thom —, o matemático levantou uma preocupação direta. Ele contou que vinha discutindo ativamente o problema com o ChatGPT nos meses anteriores, junto a um colega em Dresden.
Em e-mail a pesquisadores da OpenAI, Thom fez duas perguntas específicas: (1) se essas conversas tinham entrado nos dados de treinamento e (2) se elas ficaram acessíveis ao processo de raciocínio do modelo durante a resolução.
A resposta que recebeu foi curta: “a respeito das suas conversas com o ChatGPT: isso não aconteceu”. Uma negativa categórica, sem qualquer detalhe, explicação ou evidência.
Por que isso incomoda
O problema, segundo Thom, é que a resposta parecia cobrir apenas a segunda pergunta — o acesso direto durante a solução — sem tratar claramente da primeira, sobre treinamento. Ele classificou a falta de transparência como “inaceitável” e chegou a chamar a resposta de desonesta.
A desconfiança não veio do nada. Em um caso posterior, envolvendo os pesquisadores Buckmaster e Alpöge, a OpenAI afirmou que nenhum dado específico de usuário foi acessado, mas acrescentou que “não pode descartar” que dados desidentificados derivados do uso de seus produtos tenham ajudado a melhorar os modelos.
Essa ressalva muda bastante o tom. Uma coisa é garantir que uma conversa privada não entrou em lugar nenhum. Outra é admitir que não há como garantir onde esses rastros de uso terminam.
O que muda para quem faz pesquisa
Para o público geral, o episódio pode parecer distante. Mas ele toca num ponto que vale para qualquer pessoa que usa ferramentas de IA para trabalho sério: o que você digita pode se tornar matéria-prima do modelo, e as políticas sobre isso costumam ser vagas.
Na matemática, o custo é específico. A área depende de prioridade e crédito — quem provou primeiro, quem teve a ideia original. Se um pesquisador discute um problema inédito com um chatbot e depois vê aquele resultado surgir associado à empresa, sem clareza sobre o caminho, o processo colaborativo da ciência sai machucado.
Thom foi direto ao dizer que teme que essa falta de transparência prejudique a comunidade matemática mais do que os novos resultados gerados por IA vão beneficiá-la. É uma crítica que merece ser levada a sério, ainda que parta de casos individuais.
Vale a ressalva: até aqui, o que existe são relatos de pesquisadores e respostas curtas da OpenAI, não uma investigação técnica independente sobre o fluxo de dados. A empresa não apresentou evidências que sustentem ou refutem em detalhe as alegações.
O recado prático, porém, já está posto. Enquanto as políticas de uso de dados permanecerem ambíguas e as respostas oficiais forem tão econômicas, cautela ao compartilhar trabalho não publicado com qualquer ferramenta de IA parece menos paranoia e mais bom senso.
Fonte: Mathstodon · Imagem de capa: Foto de Thomas T no Unsplash
Quer aplicar IA no seu trabalho?
Aprenda qual ferramenta usar para cada tarefa — ChatGPT, Claude, Copilot, Gemini e NotebookLM — nos cursos do IA Todo Dia.
Conhecer os cursos →