A IA já está forte o suficiente para resolver os problemas matemáticos mais difíceis da humanidade e também para nos eliminar.
As palavras foram ditas pelo colunista do The Wall Street Journal, Ben Cohen.
Em 11 de setembro, ele escreveu uma coluna sobre IA e matemática.
Cohen admitiu que não entende as equações de Navier-Stokes, mas acredita que você não precisa entender nenhuma matemática para compreender o que a OpenAI afirma ter alcançado como uma ruptura:
O avanço da IA está acelerando, e essa aceleração é assustadora.
Uma notícia séria do círculo matemático transformou-se subitamente numa questão que diz respeito ao destino de toda a humanidade.
No mesmo dia, Terence Tao e outros 25 ganhadores da Medalha Fields emitiram uma declaração conjunta: “Um Sério Desalinhamento da IA na Matemática”.
Eles dizem que o "descompasso" significa que o que as empresas de IA e os matemáticos querem não coincide: os matemáticos buscam novos métodos e novas compreensões, enquanto as empresas de IA querem usar problemas famosos para treinar modelos e melhorar suas pontuações.
Enquanto colunistas gritam sobre o fim do mundo, matemáticos de topo falam sobre desajuste.
Se você colocar tudo o que aconteceu nesta semana lado a lado, entenderá por que eles não conseguem ficar parados:
Em 3 de setembro, o GPT-6 Astra foi lançado e obteve 97,6% no FrontierMath Tier 4;
Em 5 de setembro, um modelo interno ainda não lançado da OpenAI, cerca de 88 horas após o início dos primeiros agentes, obteve um conjunto de soluções para o problema de Navier-Stokes;
Em 8 de setembro, a OpenAI divulgou os resultados, sendo imediatamente acusada pelo matemático da NYU de corrida antecipada, além de gerar controvérsia sobre a autoria, com a exclusão de funcionários da Anthropic dos créditos do artigo;
Em 10 de setembro, a Epoch AI anunciou que o Tier 4 do FrontierMath já está saturado;
Em 11 de setembro, 25 ganhadores da Medalha Fields emitiram uma declaração conjunta. Naquela noite, o Wall Street Journal colocou a descoberta matemática e o risco de extinção da IA no mesmo título.
Sete dias, cinco coisas apontam para uma lacuna: a velocidade com que a IA cria conhecimento, a velocidade com que os humanos confirmam o conhecimento e a velocidade de ajuste das regras estão severamente desalinhadas.
14 meses, IA supera o benchmark matemático mais difícil
FrontierMath Tier 4, um conjunto de problemas matemáticos de nível de pesquisa projetado pela Epoch AI para testar os modelos mais fortes.
As perguntas aqui são extremamente difíceis; algumas delas, mesmo pesquisadores de ponta levam dias para resolver.
Quando o Tier 4 foi lançado em julho de 2025, o melhor modelo conseguia apenas cerca de 5%, praticamente equivalente a entregar uma folha em branco.
Menos de 14 meses depois, a Epoch anunciou: cada questão do Tier 4 foi resolvida pelo menos uma vez por IA.
Entre elas, a última pergunta foi resolvida pelo GPT-6 Astra, e o criador da questão é o matemático Jay Pantone.
Epoch também mencionou especificamente: no passado, matemáticos frequentemente reclamavam que os modelos contornavam seus problemas cuidadosamente projetados por meio de "atalhos acidentais", mas esta última questão não utilizou nenhum atalho.
Em seguida, o Epoch lançou uma conclusão fria: esse padrão já está saturado.
The exam paper has fallen behind the test-takers; it's time to switch papers.
A Epoch também já deslocou o foco do campo de batalha para questões verdadeiramente abertas, e os sistemas de avaliação de IA começaram a se voltar para áreas em que os próprios humanos não têm respostas.
A velocidade de crescimento da capacidade da IA já superou os métodos que usamos para medi-la.
Como Greg Burnham da Epoch comentou: uma era termina e outra começa.
88 horas, a IA funcionou pela primeira vez como um instituto
Se FrontierMath prova que "o ponto de referência não consegue mais acompanhar o modelo", então o evento Navier-Stokes apresenta uma imagem ainda mais revolucionária:
A IA não apenas resolve problemas, já está operando como uma grande organização de pesquisa.
Isso não é nem de perto uma luta individual, mas sim uma "operação em grande escala" com até dez mil agentes.
Eles são divididos em diferentes grupos, alguns provando, outros refutando, comunicando-se entre si, compartilhando conclusões intermediárias e até mesmo alternando seamlessmente para a versão mais recente do modelo no meio do caminho.
Cerca de 88 horas após o lançamento dos primeiros agentes, um dos grupos apresentou uma prova final de cem páginas.
Ilustração do mecanismo de singularidade de Navier-Stokes divulgada pela OpenAI: fluxo em espiral para dentro (inward spiral), alongamento ao longo do eixo (axial stretching); laranja representa regiões de alta velocidade, ciano representa regiões de baixa velocidade. O centro do vórtice encolhe cada vez mais rápido, com velocidade ilimitada mas energia total finita.
Todo esse processo replica perfeitamente o modelo de funcionamento das principais instituições de pesquisa humanas.
O resultado gerado pela máquina em 88 horas leva anos para ser confirmado pelo ser humano
No mundo humano, o estado das equações de Navier-Stokes ainda é "não resolvido".
De acordo com as regras do Prêmio Millennium, uma solução deve primeiro ser publicada em um canal qualificado, aguardar pelo menos dois anos após a publicação e obter aceitação geral da comunidade matemática global antes que o Clay Institute inicie a revisão formal.
O presidente Clay Bridson disse à AFP que o processo de avaliação foi "intencionalmente não apressado" e deve ser "absolutamente rigoroso". A OpenAI também afirmou que não pretende reivindicar os US$ 1 milhão.
Portanto, a forma mais precisa de dizer isso é: a OpenAI divulgou uma solução para os problemas do milênio, afirmando ter concluído a formalização em Lean, mas ainda não recebeu confirmação independente da comunidade matemática.
Resultado gerado por máquina, 88 horas. Confirmação humana, pelo menos dois anos. Essa provavelmente é a contraste mais marcante da matemática de IA desta semana.
Não é que a verificação humana seja muito lenta. O problema é que a máquina acelerou a "descoberta" em centenas de vezes, mas a "compreensão" humana não acompanhou esse ritmo.
Então, a verdadeira questão é: quando as máquinas começarem a produzir conhecimento em ritmo de "um grande resultado a cada poucos dias", quem fará a leitura, verificação, explicação, simplificação e absorção que levarão anos ou até décadas?
O sistema de assinatura atingiu primeiro o muro
No dia em que os resultados de Navier-Stokes foram tornados públicos, a comunidade matemática entrou em ebulição.
Os matemáticos da NYU Tristan Buckmaster e Levent Alpöge, que trabalha na Anthropic, também estiveram estudando as equações de fluido relacionadas durante todo o mês de agosto.
De acordo com a reconstrução do The New York Times, a maneira como essas duas pessoas trabalhavam era a seguinte:
Buckmaster faz uma pergunta, Alpöge encaminha a pergunta para o modelo interno da Anthropic; após o modelo gerar o resultado, os dois ajustam a pergunta com base na saída e continuam alimentando os dados de volta.
Segundo Buckmaster, após o fato, a OpenAI propôs várias medidas de compensação: permitir que ele publicasse primeiro seus próprios resultados, incluí-lo como primeiro autor do artigo da OpenAI e fornecer poder computacional para que ele continuasse sua pesquisa.
Mas o maior obstáculo é: a OpenAI não quer que Levent apareça no artigo.
No quadro estão as linhas do tempo do progresso de Buckmaster e Alpöge ao longo de todo agosto: equação de Euler em 15 de agosto, formalização Lean em 22 de agosto, 31 de agosto... e os nomes de colegas como Figalli e Hairer.
Em negócios, por que um projeto interno da OpenAI, que investiu pesadamente, deveria levar o nome de funcionários da concorrente Anthropic?
Em seguida, o assunto se estendeu para outro tópico ainda mais sensível. Buckmaster tem usado o Codex nos últimos meses para organizar rascunhos matemáticos gerados por IA.
Então, as ideias de pesquisa exclusivas que ele inseriu no Codex, mas que ainda não foram divulgadas, poderiam ter se tornado alimento para os modelos de pesquisa da OpenAI por meio de canais de dados secretos?
Buckmaster admitiu que não tem evidências, mas, em sua opinião, a linha do tempo do evento e a rota de prova da OpenAI sugerem isso.
A OpenAI emitiu um aviso de atualização de emergência em 10 de setembro, afirmando que, após uma investigação interna completa, os prompts do Codex de Buckmaster nos últimos dois meses absolutamente não puderam influenciar este modelo interno por meio de treinamento ou qualquer outro método.
Quem está certo ou errado tornou-se temporariamente um emaranhado, mas o que realmente expôs foi um conjunto inteiro de perguntas que nunca antes foram seriamente respondidas:
As instruções privadas de uma pessoa são consideradas materiais de pesquisa protegidos?
É possível atribuir o nome de um funcionário de uma empresa concorrente a um projeto de pesquisa com investimento interno?
Se o modelo consultou uma grande quantidade de materiais públicos, como delimitar a nova contribuição em relação ao trabalho já existente?
Peter Sarnak do Instituto de Estudos Avançados de Princeton disse ao The New York Times: "Nunca ouvi falar de uma negociação assim na minha vida."
As regras acadêmicas acumuladas ao longo de centenas de anos na comunidade matemática nunca foram projetadas com barreiras de segurança para essa velocidade de produção frenética.
O que realmente preocupa os 25 ganhadores da Medalha Fields
Um dia depois, 25 ganhadores da Medalha Fields emitiram conjuntamente uma declaração impactante.
Terence Tao, Peter Scholze, James Maynard, Maryna Viazovska... quase todos os cérebros mais brilhantes do mundo da matemática estão em ação.
Esta declaração não é nenhum "manifesto anti-IA".
Na verdade, Terence Tao tem estado ativamente tentando usar IA para auxiliar pesquisas matemáticas.
E o comunicado também reconhece que a IA realmente tem o potencial de acelerar a compreensão matemática real.
O que eles realmente detestam é equacionar diretamente "resolver problemas" com matemática; no atual clima de entusiasmo na comunidade de IA, as empresas de IA estão, de forma apressada e oportunista, tratando "resolver problemas famosos" como o objetivo de otimização máximo.
Na visão deles, os Problemas do Milênio parecem ser apenas ferramentas de pontuação para provar o quão poderoso é o modelo.
Mas o verdadeiro valor da matemática está na emergência de novos métodos e conceitos durante o processo tedioso de resolução de problemas, que finalmente se consolidam como parte do sistema de conhecimento comum da humanidade.
Agora, empresas de IA lançam resultados impressionantes com frequência, tão rapidamente que ninguém tem tempo para processá-los. Essa cadeia que existe há milhares de anos pode se romper a qualquer momento.
A carta conjunta também destacou especificamente que os resultados foram divulgados muito rapidamente, tornando impossível distinguir claramente quais ideias eram novas e quais se baseavam no trabalho anterior, o que inevitavelmente causará confusão séria em relação à autoria e atribuição.
Por que uma descoberta matemática estaria ligada a um "aviso de fim do mundo"?
O que as pessoas comuns realmente se importam não é "a IA superou os matemáticos".
É a velocidade com que as máquinas criam conhecimento que, pela primeira vez, supera em muito a velocidade com que os humanos confirmam, atribuem e assimilam o conhecimento.
Isso não é alarmismo; o sistema GPT-6 Astra especifica que é o primeiro modelo da OpenAI a atingir o limiar de segurança cibernética "Critical", obtendo 100% no ExploitBench.
A capacidade de resolver problemas do milênio, a capacidade de ataque de vulnerabilidades zero-day e raciocínios mais difíceis de discernir — três características simultaneamente presentes no mesmo modelo.
Na última frase do anúncio de Navier-Stokes da OpenAI, há uma frase:
Next, they need to fully understand this new model before deciding how fast to move forward, possibly requiring a more cautious choice regarding the pace of progress.
Sim, a empresa de IA que acabou de entregar a resposta para o problema do milênio agora fala voluntariamente sobre desaceleração.
Cohen também mencionou algo na parte final da coluna.
No mês passado, a OpenAI reuniu um grupo de matemáticos de ponta em sua sede em São Francisco para uma reunião fechada, assumindo que a IA eventualmente superará os humanos em matemática, e depois discutindo como lidar com educação, colaboração científica, publicação de artigos e como formar a próxima geração de matemáticos.
Falamos o dia inteiro, mas não obtivemos resposta.
Esta questão também não pode ser empacotada e enviada ao Lean para verificação automática.
Only humans can solve it.
Referências:
https://www.wsj.com/tech/ai/ai-math-millennium-prize-safety-openai-anthropic-05179825
https://epoch.ai/benchmarks/frontiermath-tier-4-v2?view=graph&tab=release-date
https://www.nytimes.com/2026/09/10/science/tristan-buckmaster-openai-math-navier-stokes.html?utm_source=chatgpt.com
https://www.daniellitt.com/blog/2026/8/11/the-end-of-mathematics/
Este artigo é do número oficial do WeChat "Nova Inteligência", autor: Apocalipse da ASI