OpenAI acerta? Modelo resolve problema matemático de Erdős

Em 1946, Paul Erdős propôs um problema sobre distâncias entre pontos no plano. Oitenta anos depois, um modelo de IA diz ter resolvido. Mas depois do fiasco do GPT 5, a confiança está em jogo.

O Fato

OpenAI publicou uma prova que desmente uma conjectura famosa de Erdős, com aval de matemáticos como Noga Alon, Melanie Wood e Thomas Bloom. Segundo a empresa, é a primeira vez que um sistema de IA resolve autonomamente um problema aberto central em matemática. A prova veio de um novo modelo de raciocínio de propósito geral, não de um sistema especializado.

Como Funciona (Visão de Operador)

O modelo não foi treinado para geometria discreta. Ele usa cadeias longas de raciocínio, conectando ideias de áreas aparentemente distantes. Em termos de arquitetura, provavelmente emprega técnicas de chain of thought com loops de verificação internos. Dados de custo e latência não foram divulgados. Mas para uma prova matemática com dezenas de passos, o custo de inferência deve ser alto. A expectativa é que modelos de raciocínio assim exijam mais tokens e tempo de processamento que tarefas padrão de QA.

O Que Isso Muda na Prática

Quem constrói sistemas de IA agora tem um caso real de que raciocínio longo e multi etapa pode gerar resultados originais. Isso abre caminho para aplicações em biologia, física e engenharia onde provas formais são necessárias. A ação prática imediata: incluir benchmarks de demonstração matemática nos seus testes de modelo. Se um modelo consegue lidar com cadeias de 50 passos, ele pode ser mais confiável para tarefas de auditoria e síntese de conhecimento.

Quem Ganha e Quem Perde

• Ganha: pesquisadores de raciocínio automático, equipes que trabalham com verificação formal, e startups focadas em provas assistidas por IA.
• Perde: quem apostou que modelos só replicam padrões. O falso alarme do GPT 5 continua gerando ceticismo, mas agora há validação externa.

Tensão / Reflexão

O problema resolvido é específico. Será que essa abordagem escala para problemas mais complexos, como a hipótese de Riemann? O custo de gerar uma prova longa pode ser proibitivo para uso cotidiano. E a verificação humana continua sendo o gargalo. A OpenAI mostrou que o modelo achou uma construção nova, mas a prova precisa ser validada por matemáticos. O sistema não substitui o julgamento humano. Ele apenas deslocou o trabalho de geração para verificação.

Fechamento

Desta vez, a OpenAI aprendeu a não exagerar. A prova está aí e foi corroborada por especialistas. Mas o verdadeiro teste será a reprodutibilidade e a capacidade de aplicar o mesmo tipo de raciocínio a problemas do mundo real. Se o custo cair, teremos uma ferramenta de exploração matemática sem precedentes. Se não, continuaremos dependendo de humanos para conferir cada passo.