A inteligência artificial já consegue produzir demonstrações de problemas matemáticos complexos, mas pesquisadores de Harvard discordam sobre o que torna esses resultados realmente valiosos. Uma reportagem publicada pelo The Harvard Crimson em 21 de outubro reuniu 12 professores e pesquisadores com opiniões distintas sobre o papel da tecnologia na pesquisa e no ensino.
A discussão ganhou força após a OpenAI anunciar, em setembro, uma possível solução para o problema de existência e suavidade de Navier-Stokes, um dos sete Problemas do Milênio, que oferecem prêmios de US$ 1 milhão. A demonstração apresentada pela empresa ainda depende de avaliação e reconhecimento acadêmico.
Para Ahsan Khan, pesquisador do Centro de Ciências Matemáticas e Aplicações de Harvard, a validade de um resultado importa mais do que sua origem. Ele argumenta que uma descoberta matemática não perde valor por ter sido produzida por uma máquina.
A professora Melanie Matchett Wood apresenta uma preocupação diferente. Para ela, a IA deve ampliar a capacidade humana de compreender a matemática, não substituir essa compreensão ou concentrar o conhecimento em sistemas que os próprios pesquisadores não conseguem explicar.
Wood também integra um grupo independente criado em setembro para orientar empresas de inteligência artificial sobre a divulgação responsável de resultados matemáticos.
Testes mostram que acertos ainda não garantem explicações claras
O debate encontra respaldo em uma avaliação publicada em 14 de outubro pelo projeto First Proof, que submeteu cinco sistemas de IA a dez problemas de matemática avançada.
Os sistemas conseguiram, em conjunto, resolver corretamente os dez problemas. A configuração mais eficiente, chamada ProofCouncil, acertou nove, enquanto o GPT-6 Astra, da OpenAI, resolveu sete.
Entretanto, a qualidade das explicações e das referências bibliográficas ficou atrás da capacidade de encontrar soluções. Entre as dez respostas produzidas pelo GPT-6 Astra, apenas quatro apresentaram citações consideradas adequadas pelos avaliadores. No ProofCouncil, foram sete.
Os resultados foram examinados por 30 especialistas, que consideraram correção matemática, clareza da demonstração e reconhecimento de trabalhos anteriores.
Essas limitações ajudam a explicar a postura cautelosa de parte dos pesquisadores. O professor Tomer Schlank afirmou ao The Harvard Crimson que considera a IA mais útil, por enquanto, para pesquisa bibliográfica e programação. Outros acadêmicos demonstraram preocupação com o uso de trabalhos científicos no treinamento de modelos sem controle dos autores.
A divergência também chegou às salas de aula. Neste semestre, algumas disciplinas introdutórias de matemática de Harvard passaram a adotar atividades sem tecnologia, buscando preservar o desenvolvimento das habilidades dos estudantes.
Em setembro, um encontro realizado na universidade com 24 matemáticos também recomendou ampliar avaliações presenciais, escritas e orais, sem abandonar a formação dos alunos para utilizar ferramentas de IA em pesquisas.
