OpenAI supera pesquisadores e soluciona problema milionário da física

A inteligência artificial da OpenAI alcançou mais um feito impressionante ao superar o trabalho de pesquisadores humanos em um problema matemático de valor milionário. Utilizando um modelo interno proprietário de linguagem de grande escala (LLM), a empresa revelou uma demonstração formal que valida a “cromodinâmica quântica”, base fundamental para a descrição mais bem-sucedida que os físicos possuem do universo.

Essa nova demonstração ultrapassou diretamente o esforço independente de dois matemáticos humanos: Levent Alpöge, funcionário da Anthropic — principal rival da OpenAI —, e Ethan Sussman, professor da Universidade Northwestern. Ambos haviam tornado público o progresso de sua pesquisa semanas antes do anúncio histórico da companhia de IA.

“I’m not going to say that I’m not disappointed,” Sussman says. Ele e Alpöge revelaram a colaboração em 6 de outubro e atualizaram um repositório público no GitHub com novos resultados intermediários na véspera do anúncio da OpenAI. “I think we were on the way and maybe even as close as a few weeks away,” Sussman says.

Para o físico teórico Michael R. Douglas, da Universidade de Harvard, trata-se de um avanço monumental. “This is a major advance,” says Michael R. Douglas, a theoretical physicist and artificial intelligence proponent at Harvard University. “Mathematicians have been trying to make quantum field theory rigorous for over 50 years and have made steady progress, but real-world theories like quantum chromodynamics always seemed out of reach—until now. This is just the start…, but we can hope for rapid progress.”

O Desafio de Yang-Mills e os Obstáculos Matemáticos

Ambos os grupos perseguiam o famoso problema de Yang-Mills, que sustenta as bases matemáticas da física contemporânea. O Modelo Padrão da física de partículas detalha todas as forças conhecidas por meio de 17 partículas interativas regidas por “campos quânticos”, entidades matemáticas que definem o comportamento e a aparição das partículas no espaço-tempo.

Contudo, a matemática desses campos é extremamente complexa. Embora os físicos a utilizem para prever colisões no Grande Colisor de Hádrons, os matemáticos apontam lacunas teóricas. O problema de Yang-Mills busca dar consistência matemática a essa teoria através de dois critérios principais: provar que ela é consistente e demonstrar a existência de uma quantidade não nula conhecida como “lacuna de massa”.

Na década de 1980, o matemático Tadeusz Balaban delineou o caminho inicial para comprovar a existência da teoria, mas o rascunho exigia milhares de páginas e permaneceu incompleto. “[Balaban’s] papers are not complete and are extraordinarily difficult to read, but experts did not seriously doubt that they could be completed with sufficiently many years devoted to it,” diz Roland Bauerschmidt, da Universidade de Nova York. Decotes se passaram sem que nenhum outro perito conseguisse avançar no topo construído por Balaban.

A Reviravolta com Modelos de Linguagem

O cenário mudou no verão passado, quando as capacidades aceleradas dos LLMs permitiram superar a exaustão humana diante do tédio numérico. Percebendo isso, Sussman uniu forças com Alpöge, que vinha obtendo resultados de destaque utilizando a família de modelos Claude, da Anthropic. O método consistia em empregar cópias de agentes de IA para gerar milhares de páginas de argumentos matemáticos complexos, que depois eram validados e destilados para validação humana.

“It’s remarkable,” Sussman says. “The vast majority, if not all, of the mistakes in the version we posted on GitHub were produced by me.”

Ao perceberem que a OpenAI poderia lançar resultados sobre Yang-Mills em outubro, a dupla antecipou e publicou seu progresso em um repositório aberto no GitHub. No entanto, na segunda-feira à noite, a OpenAI reivindicou a autoria da prova de existência do problema do Clay Mathematical Institute, optando por entregá-la diretamente a um grupo de especialistas em vez de publicá-la de imediato.

A decisão gerou forte descontentamento acadêmico. Escrevendo no X, Alpöge criticou a postura da empresa concorrente: “I kept telling [Sussman] to not be too deferential and modest because he would be publicly scooped at any opportunity,” Alpöge wrote. “Instead of contacting him to work with him, as has been suggested publicly many times, the people at OpenAI chose to do this.”

Por sua vez, a OpenAI informou em seu blog que o resultado foi obtido em 9 de setembro, mas mantido sob sigilo para verificação no Lean, uma linguagem de programação voltada à correção matemática. Contudo, o processo de verificação gerou novos debates sobre a transparência científica frente à corrida comercial entre empresas de tecnologia avaliadas em trilhões de dólares.