IA da OpenAI refuta conjectura geométrica de 80 anos

O problema que ninguém resolveu

Desde a década de 1940, matemáticos tentam provar ou refutar a conjectura de que o número máximo de pares de pontos com distância unitária entre n pontos no plano é limitado por algo como n^1+ε. Esse é o chamado problema da distância unitária, um dos pilares da geometria discreta. Um modelo da OpenAI, treinado para gerar e verificar provas matemáticas, acaba de mostrar que a conjectura é falsa.

O fato: contraexemplo encontrado

O modelo construiu um conjunto de pontos que viola o limite esperado, usando uma combinação de busca heurística e verificação formal. A prova, que inclui um contraexemplo explícito, foi submetida a revisão por pares e já é considerada um avanço significativo. Não se trata de um resultado incremental: é uma refutação direta de uma conjectura de oito décadas.

Como funciona a máquina de provas

Por dentro, o modelo opera como um motor de busca guiado por recompensas. Ele gera candidatos a provas (sequências de passos lógicos) e os testa contra um verificador automático. Diferente de abordagens simbólicas puras, o modelo aprende heurísticas de onde procurar contraexemplos. A latência aqui não é crítica — o processo levou horas, não segundos. O custo computacional, porém, é relevante: rodar a busca em larga escala exige clusters de GPUs que poucos laboratórios têm.

O que chama a atenção é a arquitetura: ela combina um gerador de hipóteses (baseado em transformer) com um verificador formal (LEAN, um assistente de provas). O modelo não apenas encontra o contraexemplo: ele também produz uma prova verificável de que o conjunto de pontos realmente viola a conjectura. Isso elimina o risco de erro humano na validação.

O que isso muda na prática

Para matemáticos que trabalham com geometria discreta, a mensagem é clara: todas as demonstrações que dependiam daquela conjectura precisam ser revisadas. Para quem desenvolve modelos de IA, o caso mostra que é possível usar aprendizado para atacar problemas abertos — e dar resultados concretos. Uma ação prática imediata: se você mantém um teorema baseado naquela conjectura, comece a verificar se ele resiste ao novo contraexemplo.

Há também um impacto em áreas correlatas, como teoria dos grafos e otimização combinatória. A descoberta pode abrir caminho para novos limites inferiores e algoritmos.

A tensão por trás do feito

Mas precisamos segurar o hype. O modelo encontrou um contraexemplo específico, mas a prova gerada pode ser difícil de interpretar por humanos. A falta de explicabilidade ainda é um gargalo: confiar em um resultado que ninguém entende completamente é desconfortável. Além disso, o custo energético para reproduzir o experimento é alto. Isso escala? Talvez para problemas com estrutura similar, mas não para toda a matemática.

Outra dúvida: o modelo realmente 'entende' geometria ou apenas sorteou uma combinação que funciona? A diferença é sutil, mas prática: se for sorte, o método não se generaliza. Se for compreensão, estamos diante de um novo paradigma.

Conclusão

O problema da distância unitária caiu depois de 80 anos. A matemática assistida por IA mostrou que pode produzir resultados relevantes, não apenas conjecturas especulativas. A pergunta que fica: até onde podemos confiar em demonstrações que ninguém consegue acompanhar?