Resumo gerado por IA: A equipe da Universidade da Flórida aplicou a recém-provada conjectura de Kakeya tridimensional ao treinamento de grandes modelos, desenvolvendo o método GeoLAN para resolver o problema da “caixa preta” da IA. Este método utiliza o conceito de “conjunto de Kakeya viscoso”, surgido da prova da conjectura, para aplicar restrições geométricas ao espaço semântico dos grandes modelos, organizando os conceitos desde a fase de treinamento e tornando os caminhos de raciocínio da IA rastreáveis. Experimentos em modelos como Llama-3-8B e Gemma-3-4B demonstraram melhorias significativas. Ao mesmo tempo, o ganhador do Prêmio Fields desta edição, Jacob Tsimerman, anunciou em seu dia de premiação que se juntará à OpenAI para trabalhar em segurança de IA, demonstrando que a matemática e a IA estão se fundindo em uma velocidade sem precedentes.

Autor e fonte do artigo: Leifeng.com

A comunidade matemática e a comunidade de IA se conectaram fortemente

Resultados matemáticos puros de nível superior já foram implementados diretamente na linha de treinamento de grandes modelos.

Um autor do Xiaohongshu, Z9, ao revisar artigos acadêmicos, descobriu que a recentemente viralizada Conjectura de Kakeya tridimensional foi incorporada ao processo de treinamento de redes neurais por uma equipe da Universidade da Flórida, resolvendo transversalmente o problema da "caixa preta" em grandes modelos.

Seu artigo se chama “GeoLAN: Geometric Learning of Latent Explanatory Directions in Large Language Models”, e seu núcleo consiste em utilizar o conceito central surgido na prova da conjectura de Kakeya — o “conjunto de Kakeya aderente” — para estabelecer um “conjunto de regras de organização” no espaço semântico interno dos grandes modelos, alinhando desde a fase de treinamento conceitos entrelaçados e tornando verdadeiramente rastreáveis os caminhos de pensamento da IA.

Realmente, há especialistas em matemática abrindo caminho à frente e pesquisadores de IA colhendo benefícios atrás.

Problema fundamental dos grandes modelos: colapso de representação

Vamos começar pelo problema do “caixa preto” que todos sentem.

Os grandes modelos atuais têm alta precisão em resolver problemas, escrever código e fazer análises, mas quando você pergunta “como você chegou a esse passo?”, ou eles não conseguem explicar, ou inventam uma justificativa falsa para enganá-lo.

A raiz desse problema está em uma característica subjacente chamada colapso de representação.

Você pode imaginar o espaço semântico do grande modelo como um imenso armazém inteligente com milhares de níveis, que teoricamente pode organizar e acomodar inúmeros conceitos: lógica, emoção, fatos, raciocínio, cada um ocupando seu próprio espaço.

Mas durante o treinamento, o Transformer é particularmente “preguiçoso”: ele sempre tende a empilhar todas as informações semânticas em uma pequena área na entrada do armazém, deixando os outros 90% do espaço completamente inutilizados.

O resultado é que todos os conceitos estão comprimidos em uma estreita região cônica de alta dimensão, o que a comunidade acadêmica chama de "anisotropia".

E o resultado de se apertar demais trará muitos problemas.

Por exemplo, o emaranhamento conceitual força conteúdos totalmente desconexos na mesma direção, fazendo com que um neurônio precise responder a “gato” e ao mesmo tempo ativar “versículos bíblicos”.

E você não consegue nem distinguir qual representação corresponde a qual lógica, nem mesmo o modelo consegue reconstituir o caminho real de pensamento.

Ao juntar conceitos semelhantes, mas diferentes, é fácil confundir; ao mudar ligeiramente a pergunta, a IA tende a dizer coisas erradas.

Para isso, o artigo apresenta uma resumo muito preciso: alguns poucos “dimensões maliciosas” dominam a maior parte da variância da informação, desperdiçando toda a capacidade útil do modelo.

Este problema é uma falha de quase todas as arquiteturas Transformer principais, desde GPT, Llama até Gemma, nenhuma delas escapando.

Diante desse cenário, as soluções anteriores da indústria basicamente eram “corretivas”, esperando até o treinamento do modelo ser concluído e usando ferramentas como autoencoders esparsos para forçar a separação de conceitos entrelaçados.

Mas o resultado obtido por esse método é apenas “aparentemente razoável” e não necessariamente corresponde à lógica real interna do modelo, mantendo sempre uma redução na fidelidade.

Agora, a abordagem da GeoLAN mudou completamente: em vez de esperar até que tudo fique bagunçado para organizar, comece já organizado. Durante todo o treinamento, aplique restrições geométricas ao espaço de representação, garantindo que cada conceito fique no seu lugar adequado.

How is the挂谷猜想 related to AI?

Para entender a ideia do GeoLAN, é preciso primeiro saber o que a conjectura de Yokogawa trata.

Em 1917, o matemático Kakeya Sugiyoshi fez uma pergunta aparentemente simples, mas que atormentou a comunidade matemática por meio século: pegando uma agulha de 1 centímetro de comprimento e girando-a uma volta completa sobre uma mesa, qual é a menor área possível que ela pode varrer?

Você pode pensar que, ao dar uma volta, certamente se traça um círculo, e a área não pode ser pequena. Mas os matemáticos descobriram que pode se aproximar de zero.

How is it done?

Se você fizer uma agulha girar enquanto desliza, ela consegue varrer uma forma estranha com área quase zero. Ou seja, no mundo bidimensional, é possível compactar trajetórias geométricas em todas as direções em um canto extremamente pequeno.

O desafio se intensifica ainda mais: e se estivéssemos no espaço tridimensional? Quando esta agulha pode girar em todas as direções espaciais — para cima, para baixo, para a esquerda, para a direita e em infinitas orientações tridimensionais — qual é o tamanho mínimo que esse espaço precisa ter para acomodar todas essas agulhas em todas as direções?

Segundo a experiência bidimensional, no espaço tridimensional, o volume absoluto desta figura ainda pode ser comprimido para próximo de zero.

Mas aqui surge um novo enigma: embora esta figura seja vazia e sem volume, será que ela também encolhe e se degrada a nível microscópico? Os matemáticos introduziram o conceito de "dimensão fractal" para medir a densidade de sua estrutura.

Por fim, Wang Hong e outros descobriram que, mesmo ao comprimir o volume da figura até torná-lo mais vazio, a estrutura entrelaçada em seu interior mantinha uma "densidade tridimensional sólida" para acomodar todas as agulhas em cada direção, sem qualquer degradação no nível microscópico. Essa é exatamente a grandeza de Wang Hong em resolver o problema secular.

Foi durante esse processo rigoroso de prova que surgiu um conceito extremamente crucial chamado "conjunto de Kakeya adesivo".

“Stickiness” é, por assim dizer, um conjunto de regras anti-aglomeração. Ela é especificamente projetada para controlar segmentos e tubos, impedindo que se aproximem uns dos outros.

Se um conjunto de tubos seguir estas regras, eles se espalharão orderly, e o espaço permanecerá do tamanho que deveria ser; mas se eles não obedecerem às regras e se aglomerarem todos em um pequeno canto, o “tamanho” do espaço diminuirá, parecendo esmagado.

Ao chegar aqui, você já deve ter percebido: o colapso de representação dos grandes modelos não é exatamente “o tubo semântico não satisfaz a condição de aderência, tudo espremido junto”?

O que a GeoLAN faz é adotar diretamente as conclusões matemáticas da conjectura de Guigu as normas de engenharia: já que foi matematicamente provado que "satisfaz a viscosidade e o espaço não colapsa", aplicamos a mesma restrição de viscosidade ao espaço semântico dos grandes modelos, garantindo que suas representações não se agrupem naturalmente.

Incorporar esta regra no processo de treinamento exige criar uma função de penalização quantificável, ou seja, uma regra de penalização que o modelo possa calcular e saber como ajustar.

Em seguida, o GeoLAN projetou duas regras de penalidade capazes de calcular, transformando as regras geométricas da Conjectura de Gauss em objetivos de treinamento. Uma chama-se KT-CW, especializada em tratar "aglomeração semântica"; a outra, KT-Attn, especializada em tratar "preguiça de atenção".

Em poucas palavras, KT-CW consiste em amostrar aleatoriamente diversas direções no espaço semântico durante o treinamento. Se for detectado que uma direção contém excesso de informação semântica, o modelo é penalizado. Isso obriga o modelo a distribuir uniformemente o conhecimento por todos os cantos do espaço de alta dimensão, utilizando todas as dimensões anteriormente desperdiçadas e resolvendo, desde a raiz, o problema de “aglomeração”.

Outro conjunto, KT-Attn, trata especificamente o comportamento de procrastinação nos mecanismos de atenção. Nos estágios finais do treinamento, os cabeçotes de atenção dos grandes modelos frequentemente caem em uma homogeneização severa, com muitos cabeçotes passando o dia inteiro focando apenas na mesma palavra e na mesma posição, deixando um número mínimo de recursos efetivamente produtivos. Esta regra impõe rigidamente que cada cabeçote de atenção deve focar em regiões semânticas totalmente distintas, garantindo que a atenção cubra todos os ângulos e erradicando completamente o fenômeno de colapso de posto nos cabeçotes de atenção.

Ao aplicar este conjunto de golpes, os efeitos foram imediatos.

No Llama-3-8B, o GeoLAN transformou deliberadamente o espaço de representação cônica, anteriormente comprimido, em uma esfera suave, reduzindo significativamente o agrupamento e aumentando drasticamente a uniformidade em todas as direções, mantendo ao mesmo tempo a precisão da tarefa.

No Gemma-3-4B, a precisão do MMLU aumentou de 0,59 para 0,60, uma melhoria de aproximadamente 0,75 ponto percentual. A estabilidade semântica no TruthfulQA melhorou significativamente.

No Gemma-3-12B de maior escala, a métrica de taxa de viés também apresentou uma redução estatisticamente significativa.

Mais interessante ainda, o artigo também descobriu um fenômeno interessante chamado "zona de ouro".

Ou seja, essa restrição geométrica rigorosa de distribuição uniforme é uma catástrofe para modelos com poucos parâmetros; modelos pequenos precisam naturalmente de emaranhamento conceitual para realizar compressão semântica extrema, e forçar a separação apenas piora drasticamente a estrutura geométrica interna.

Para modelos gigantes com tamanho excessivo, o extenso processo de pré-treinamento já estabeleceu espontaneamente uma estrutura de manifold extremamente complexa; adicionar este conjunto de regras não apenas não se adapta, mas também prejudica o desempenho geral.

Apenas modelos de tamanho médio, como aqueles com quatro a oito bilhões de parâmetros, possuem exatamente o espaço necessário para aproveitar os benefícios trazidos pela distribuição uniforme, resultando no melhor desempenho.

Além disso, o artigo deriva um teorema elegante chamado “Teorema da Adesão Semântica”: quando as representações satisfazem a “regra de anti-apertamento”, diferentes conceitos semânticos se separam automaticamente em subespaços aproximadamente mutuamente perpendiculares, que o artigo chama degrânulos. Cada subespaço pode ser interpretado e ajustado independentemente, o que torna transparente o problema da caixa preta que afligiu a indústria por anos.

Um artigo da ACL puxou a Conjectura de Kakeya diretamente do reino da matemática pura para a engenharia de IA.

Ganhador da Medalha Fields, anunciou naquele dia a adesão à OpenAI

Outro ponto notável é que um dos ganhadores da Medalha Fields, o renomado matemático Jacob Tsimerman, anunciou no dia da premiação que se juntará em breve à OpenAI para trabalhar na área de segurança de IA.

Isso torna inevitável notar a estreita ligação entre a matemática de ponta e a IA.

Há exatamente um ano, ele coescreveu o artigo "A Taxonomy of Omnicidal Futures Involving Artificial Intelligence" com o pesquisador de segurança da IA de Berkeley, Andrew Critch, construindo um sistema de classificação rigoroso para os caminhos de risco da IA com a máxima rigorosidade matemática.

Ele próprio é um grande beneficiário da IA: em 2025, cinco de seus artigos matemáticos foram publicados no arXiv, e ele afirmou diretamente que a IA dobrou a eficiência de sua produção científica.

Mais dramaticamente, três dias antes da cerimônia de premiação, alguém utilizou o recém-lançado Claude Fable 5 da Anthropic para refutar, em uma noite, a conjectura de Jacobi, suspensa por 87 anos, abalando a comunidade matemática global. A pessoa era exatamente seu aluno, Levent Alpöge.

Diante da IA se aproximando e até superando a “inteligência” dos melhores matemáticos, o renomado matemático Timothy declarou publicamente: é a primeira vez em sua vida que vê modelos de linguagem de grande porte resolverem facilmente problemas centenários famosos em um campo totalmente desconhecido para ele.

A relação entre matemática e IA já ultrapassou o limite da palavra "indissociável"; elas estão se fundindo a uma velocidade surpreendente.

Revendo o desempenho da IA no campo da matemática no último ano, desde a medalha de prata conquistada pelo AlphaProof da DeepMind na Olimpíada Internacional de Matemática, até o modelo de raciocínio da OpenAI que resolveu de uma só vez a conjectura da distância unitária de Erdős, um problema em aberto por oito décadas, passando pelo GPT-5.6 que resolveu a conjectura da dupla cobertura cíclica em apenas uma hora, e o Claude Fable 5 que derrubou a conjectura de Jacoby em uma noite, a IA estabeleceu sucessivas recordes mundiais em apenas dois meses, e a velocidade de resolução de problemas está aumentando exponencialmente.

Na entrevista da AMS, Jacob afirmou diretamente: “Há muita autoilusão na comunidade matemática, onde as pessoas observam que a IA ainda não é tão boa quanto os matemáticos e concluem que nunca será.” Ele provou com sua própria prática que, embora as provas geradas pelo modelo sejam “incompletas e não rigorosas”, geralmente conseguem fornecer um método aproximadamente correto, ajudando você a percorrer cerca de 80% do caminho.

Ele até acredita que, em dois anos, a IA superará completamente os humanos na área de provas matemáticas.

Aí está a questão: em 2030, quatro anos depois, ainda haverá um vencedor humano do Prêmio Fields?

O Prêmio Fields tem um limite de idade rígido: os laureados devem ter menos de 40 anos. Isso significa que, se a IA superar sistematicamente a capacidade de descoberta original dos matemáticos humanos nos próximos quatro anos, o comitê de avaliação enfrentará uma situação sem precedentes: você está premiando a pessoa que fez o melhor trabalho matemático, ou a pessoa que fez o melhor trabalho matemático entre os humanos?

Mais intrigante ainda é a aceleração mútua entre matemática e IA. A conjectura de Kakeya em três dimensões acabou de ser provada, e três meses depois surgiu o GeoLAN, transformando diretamente um resultado matemático puro em uma ferramenta para treinamento de grandes modelos. Que capacidades de IA surgirão amanhã a partir das conquistas recentes na conjectura de André-Oort e na resolução do sexto problema de Hilbert?

Antigamente, dizia-se que os matemáticos iam à frente abrindo caminho, enquanto a IA seguiam atrás recolhendo tesouros. Mas agora, aquele que recolhia os tesouros já começou a abrir seu próprio caminho.