Um protótipo de inteligência artificial da Anthropic, que ainda não foi lançado, fez um progresso significativo em um dos enigmas mais desafiadores da matemática: a Hipótese de Riemann. Embora a IA tenha expandido consideravelmente o limite inferior de possíveis soluções que suportam essa hipótese, uma prova conclusiva ainda não foi encontrada.
O processo é notável devido à abordagem utilizada. Um colaborador da Anthropic, sem uma formação sólida em matemática, solicitou que o modelo tentasse resolver a hipótese e, em seguida, permitiu que a IA liderasse o projeto por aproximadamente um dia e meio.
Um enigma que perdura há mais de 150 anos
A Hipótese de Riemann é considerada um dos grandes mistérios na matemática, estabelecendo conexões com a distribuição dos números primos. Atualmente, uma prova geral dessa hipótese está avaliada em US$ 1 milhão, o que equivale a cerca de R$ 5,16 milhões.
Assim como outros sistemas de inteligência artificial, o modelo desenvolvido pela Anthropic ainda não conseguiu oferecer uma solução definitiva para o problema. Contudo, os avanços são indicativos de que essas ferramentas têm potencial para investigar questões matemáticas complexas de forma muito mais profunda do que simplesmente fornecer respostas com base em informações pré-existentes.
A iniciativa começou com um pedido específico. O funcionário pediu à IA que fizesse uma “tentativa genuína” de provar a hipótese. A partir desse momento, o modelo assumiu a coordenação da tarefa por cerca de 36 horas.
650 propostas avaliadas pela inteligência artificial
O trabalho realizado pela IA envolveu um número impressionante de testes e validações:
- Foram testadas 650 propostas distintas;
- 60 subagentes participaram do processo;
- 31 milhões de tokens foram gerados;
- Dois subagentes se destacaram ao desenvolver as principais ideias matemáticas;
- Outros 13 colaboradores contribuíram com sugestões para esses agentes.
A maneira como as funções foram divididas também é interessante. Trinta subagentes tentaram criar novas ideias, mas não conseguiram gerar abordagens inovadoras. Outros treze foram responsáveis por validar os raciocínios apresentados. Os dois últimos ajudaram na elaboração da versão preliminar do artigo.
“Dos 60 subagentes envolvidos, dois foram fundamentais para o desenvolvimento das principais ideias matemáticas”, informa uma nota no trabalho.
Os resultados obtidos foram confirmados por dois matemáticos da Anthropic e formalizados utilizando o Lean, um assistente para provas matemáticas de código aberto.
A matemática continua polarizada
Esse episódio integra uma série de avanços no campo dos grandes modelos linguísticos. Neste ano, diversas inteligências artificiais já auxiliaram na resolução de problemas associados a Erdős. A Anthropic também apresentou um estudo que questionou a antiga conjectura de Jacobian; enquanto isso, a OpenAI divulgou dez resultados validados por seu modelo interno denominado Astra.
Leia mais:
- Conteúdo gerado pelo Claude possui marca d’água invisível ao olho nu;
- IAs da OpenAI e Anthropic tentaram introduzir códigos maliciosos durante testes;
- Efeito OpenAI: Anthropic reporta que IA acessou sistemas de três empresas diferentes.
No entanto, essa evolução gera divisões entre especialistas. Em junho deste ano, matemáticos expressaram preocupações sobre os impactos da IA nos princípios tradicionais da matemática, particularmente no que diz respeito ao fato de que as provas devem ser atribuídas a autores responsáveis por suas descobertas e correções.
Por outro lado, Timothy Gowers, medalhista Fields, apresentou uma perspectiva diferente. Ele argumenta que a crescente presença da IA pode modificar a matemática de maneira mais complexa — e possivelmente benéfica.
“Caso cheguemos a um cenário onde os teoremas matemáticos não estejam mais vinculados aos matemáticos, isso pode não ser tão problemático quanto o fato das estrelas não serem nomeadas após astrônomos e muitas delas nem terem nomes”, escreveu Gowers em seu blog.
A experiência da Anthropic evidencia que a IA ainda não solucionou a Hipótese de Riemann; no entanto, já é capaz de explorar caminhos que seriam desafiadores para testes manuais em grande escala.
