Um medalhista Fields colocou o ChatGPT 5.5 Pro para resolver problemas abertos em teoria dos números. Resultado: artigos completos em menos de duas horas, com contribuição matemática zero do humano. A notícia está circulando e merece uma análise de operador, não de fã.
O fato
Timothy Gowers, matemático com a medalha Fields, usou o ChatGPT 5.5 Pro para atacar problemas abertos do artigo de Mel Nathanson. O modelo produziu demonstrações completas, em LaTeX, sem que Gowers desse qualquer direcionamento técnico. Ele mesmo escreveu: 'Minha contribuição matemática foi zero.' O primeiro problema foi resolvido em 17 minutos e 5 segundos. O segundo, mais complexo, levou cerca de 31 minutos. Os resultados já estão disponíveis como preprint.
Como funciona (visão de operador)
O modelo não se limitou a aplicar receitas conhecidas. No primeiro problema, Nathanson havia provado um limite exponencial. O ChatGPT 5.5 Pro trocou um componente da prova por uma variante mais eficiente, bem conhecida em combinatória, mas cuja aplicação ao problema específico não era óbvia. Isso sugere que o modelo é capaz de fazer analogias estruturais entre áreas. Do ponto de vista de engenharia, o tempo de raciocínio de 17 minutos indica um custo computacional significativo. A versão 5.5 Pro provavelmente usa uma cadeia de raciocínio extensa, com múltiplas iterações internas. O fato de gerar LaTeX em 2 minutos é trivial, mas a etapa de 'pensamento' é onde está o custo real.
O segundo problema exigiu uma generalização. Gowers alimentou o modelo com um paper do estudante Isaac Rajagopal, que havia provado um limite exponencial. Após uma primeira melhoria considerada 'rotineira', o modelo foi pressionado para um limite polinomial. Levou mais 13+9 minutos. Rajagopal chamou a ideia central de 'completamente original' e disse que teria orgulho de ter tido após uma ou duas semanas de reflexão.
O que isso muda na prática
Matemáticos ganham um assistente de pesquisa que não só busca artigos, mas produz demonstrações. Para problemas com estrutura combinatorial ou algébrica, o ChatGPT 5.5 Pro pode acelerar a exploração de ideias. Quem perde? Pesquisadores iniciantes que dependem de problemas rotineiros para publicar podem ver seu espaço reduzido. A ação prática imediata: pegue um problema aberto da sua área, formule-o em linguagem natural, e veja se o modelo gera algo útil. Mas exija verificabilidade – Gowers conferiu cada passo, e o estudante Rajagopal validou as ideias. Isso é um filtro humano indispensável.
Tensão e reflexão
Isso escala? O custo de 17 minutos de inferência em um modelo topo de linha é alto, mas ainda irrelevante comparado a uma bolsa de doutorado. A questão real é a confiabilidade: o modelo pode ter alucinações matemáticas disfarçadas de elegância. A prova de Gowers foi verificada, mas e se o erro estiver em um lema intermediário? O gargalo agora não é gerar resultados, mas verificá-los. A matemática sempre foi um esforço de verificação coletiva; a IA apenas acelera a geração de candidatos a teoremas.
Outro ponto: a 'originalidade' da ideia. Rajagopal disse que foi completamente original. Mas até que ponto a IA está recombinando conceitos existentes de forma inesperada? Isso é criatividade ou otimização de busca? A fronteira é nebulosa.
Conclusão
O ChatGPT 5.5 Pro mostrou que é capaz de fazer pesquisa matemática de nível PhD em horas, sem ajuda humana. Isso muda a dinâmica da produção de conhecimento, mas exige um novo tipo de curadoria: a verificação de provas geradas por IA. O problema não é mais a falta de ideias, mas a confiança nelas. Até onde você confiaria em um matemático que nunca dorme?
Nenhum comentário ainda. Seja o primeiro a comentar!
Deixe seu comentário