A divulgação de centenas de resultados matemáticos produzidos por inteligência artificial reacendeu uma discussão sobre até onde esses sistemas estão criando soluções e em que medida apenas completam caminhos iniciados por pesquisadores humanos. A OpenAI apresentou 377 resultados nesta terça-feira (6), reunidos em um arquivo com 722 manuscritos.
O material inclui trabalhos de álgebra, teoria dos números, ciência da computação teórica, lógica matemática e topologia. As soluções foram produzidas por um modelo de inteligência artificial mais avançado, que ainda não foi disponibilizado publicamente. Muitas das demonstrações passaram por verificação no Lean, linguagem de programação usada para validar a lógica subjacente.
Transparência e limites da divulgação
Para dez resultados, a empresa também apresentou resumos sobre o caminho percorrido pelo modelo até as respostas. A OpenAI informou que cada resultado consumiu, em média, cerca de três horas de processamento computacional. Em uma publicação no próprio site, afirmou ter considerado as orientações públicas do conselho consultivo de matemáticos ao definir a forma de divulgação.
O conselho trabalha no Instituto de Estudos Avançados, em Princeton, Nova Jersey (EUA), e é independente de empresas de inteligência artificial. Entre suas recomendações está a publicação dos comandos enviados aos agentes e das cadeias de raciocínio usadas por eles. Em uma declaração divulgada na noite desta terça-feira, o grupo disse que a divulgação pública representa o início do processo de compreensão humana e de incorporação dos resultados ao conhecimento matemático.
Melanie Wood, matemática da Universidade Harvard e integrante do conselho, afirmou que o objetivo é estabelecer padrões para que os resultados produzidos por laboratórios de inteligência artificial possam ser compreendidos por matemáticos e contribuam para a área.
A publicação ocorreu depois de a OpenAI anunciar, no mês passado, a solução da equação de Navier-Stokes. O problema integra os chamados Problemas do Milênio, para os quais foi oferecido um prêmio de US$ 1 milhão pela solução de cada um. As novas demonstrações, assim como o trabalho sobre Navier-Stokes, foram atribuídas ao modelo mais avançado da empresa.
Debate sobre os testes
A OpenAI, porém, não parece ter seguido outra recomendação do conselho: interromper o uso de problemas matemáticos avançados para avaliar seus modelos. Em 29 de setembro, o grupo afirmou que não endossava essa prática.
Empresas de inteligência artificial costumavam testar seus sistemas com questões como as apresentadas a estudantes do ensino médio na Olimpíada Internacional de Matemática. Depois que os modelos passaram a resolver esses exercícios, a equipe da OpenAI criou novos parâmetros, baseados em problemas ainda sem solução e próximos da fronteira da pesquisa matemática. Parte desse material está entre os documentos divulgados nesta terça-feira.
Dan Roberts, líder de pesquisa da OpenAI, disse que os testes internos são necessários para desenvolver ferramentas melhores. Segundo ele, as demonstrações matemáticas surgiram como subproduto desse processo.
A origem das respostas, no entanto, continua em debate. Tristan Buckmaster, matemático da Universidade de Nova York que trabalhava no problema de Navier-Stokes solucionado pela OpenAI, afirmou que ainda não está claro se pesquisadores que utilizam esses modelos podem fornecer, sem intenção, informações que permitam à inteligência artificial concluir uma solução antes deles.
Em uma entrevista na noite de segunda-feira (5), Buckmaster avaliou que provavelmente haverá resultados nos quais o sistema aproveita o trabalho de alguém e o leva até o fim. Diante da quantidade de material apresentada de uma só vez, acrescentou não acreditar que tenha sido feita uma análise cuidadosa de todos os resultados.
O ritmo das descobertas coloca os matemáticos diante de uma questão central: a aceleração na resolução de problemas ajuda ou prejudica a área quando a compreensão das demonstrações não avança no mesmo ritmo. Kai Shaikh, pós-graduando em matemática na Universidade de Toronto (Canadá), descreveu o conflito entre a pressão por competir e a capacidade de apreciar a beleza da disciplina.
