O matemático britânico Timothy Gowers, vencedor da Medalha Fields em 1998, afirmou ter usado o GPT-5.5 Pro, da OpenAI, para atacar problemas matemáticos em aberto. Segundo ele, o ritmo atual de evolução dos modelos vai empurrar a pesquisa matemática para uma ‘crise’ em pouco tempo. A declaração foi compartilhada em uma publicação no reddit.com e vem reacendendo o debate sobre o papel da IA no trabalho científico de ponta.
O contexto: matemáticos deixando de torcer o nariz
Por muito tempo, modelos de linguagem foram vistos com ceticismo pela comunidade matemática. Erros básicos de aritmética, demonstrações inventadas e referências falsas eram a regra. Gowers, inclusive, já havia sido um dos críticos mais articulados sobre os limites desses sistemas.
A mudança de postura, portanto, chama atenção. Gowers não é entusiasta de tecnologia: é um pesquisador de combinatória aditiva e fundamentos da matemática, com peso institucional no Collège de France e em Cambridge. Quando ele diz que usou um modelo para avançar em problemas não triviais, o recado tem outro peso do que um post de marketing.
Vale o porém: a afirmação chega via redes sociais, sem artigo publicado ou prova formal verificada. Não se sabe quais problemas foram atacados, qual foi a contribuição efetiva do modelo e quanto coube ao próprio matemático guiar o raciocínio. O histórico recente da OpenAI com promessas de capacidade matemática, como nas demonstrações em torno do o3 e do desempenho em olimpíadas, pede cautela.
O que muda na prática
Se a tendência se confirmar, o gargalo da pesquisa matemática deixa de ser encontrar ideias e passa a ser verificar e selecionar ideias geradas por máquinas. Gowers fala em ‘crise’ justamente porque o ecossistema atual — revisão por pares lenta, carreiras baseadas em autoria individual, financiamento competitivo — não foi desenhado para um cenário em que um modelo pode rascunhar dezenas de demonstrações plausíveis em minutos.
Há também a questão de autoria. Se um pesquisador descreve o problema, o modelo propõe a estrutura da prova e o humano fecha os detalhes, quem assina o resultado? E como diferenciar trabalho original de remix sofisticado de literatura existente? São perguntas que a física e a biologia computacional já enfrentam, mas que chegam atrasadas à matemática pura.
Outro ponto é o uso de assistentes de prova formal, como Lean e Coq. A combinação entre modelos de linguagem e verificadores formais é provavelmente o caminho mais sólido para reduzir alucinações em demonstrações — e é nessa interseção que projetos como o do próprio Gowers e o DeepMind, com o AlphaProof, vêm investindo.
Por que isso importa pra você
Mesmo quem nunca abriu um livro de topologia tem interesse no que está em jogo. Matemática é a base de criptografia, otimização logística, modelos climáticos e, ironicamente, da própria IA. Acelerar descobertas nessa área tende a respingar em tecnologia aplicada nos anos seguintes.
Por outro lado, se o relato de Gowers se generalizar, é razoável esperar pressão sobre programas de pós-graduação, bolsas e o próprio sentido de fazer pesquisa básica. Não é a primeira vez que uma profissão intelectual olha para a IA e se pergunta o que sobra de humano no processo. Mas, vindo de um medalhista Fields, a pergunta fica mais difícil de empurrar para depois.
Fonte: reddit.com · Imagem de capa: Foto de Vitaly Gariev no Unsplash