A OpenAI, empresa responsável pelo ChatGPT, divulgou na segunda‑feira, dia 26, três descobertas científicas realizadas por seus modelos avançados de inteligência artificial. Os resultados foram apresentados em comunicado oficial e apontam para possíveis quebras de barreiras em matemática, teoria da computação e física.
Avanços na teoria das ondas e nas conjecturas geométricas
O primeiro feito refere‑se à chamada conjectura da suavização local, proposta por Christopher Sogge em 1991. Essa hipótese descreve como ondas concentradas se dispersam ao longo do tempo, sugerindo que picos de intensidade são raros e de curta duração.
Até 2019, a demonstração existia apenas para duas dimensões espaciais. Agora, os algoritmos da OpenAI geraram uma prova válida para qualquer número de dimensões, ampliando o alcance da teoria.
Essa generalização tem efeito dominó: ao validar a suavização local em dimensões arbitrárias, também se resolve a conjectura de Kakeya e a conjectura de restrição de Stein, duas questões centenárias da geometria combinatória.
- Conjectura de Kakeya – determina o menor volume necessário para que uma agulha gire em todas as direções.
- Conjectura de restrição de Stein – relaciona a distribuição de funções em espaços de alta dimensão.
Os pesquisadores externos que analisarão as provas foram convidados a revisar tanto o raciocínio matemático quanto a formalização feita em Lean, a linguagem de prova assistida por computador.
Desafio à hipótese do tempo exponencial (ETH)
O segundo anúncio trata da hipótese do tempo exponencial, conhecida pela sigla ETH, que estabelece limites teóricos para a velocidade de solução de problemas como o SAT (satisfiabilidade booleana).
Segundo a ETH, nenhum algoritmo pode resolver SAT em tempo subexponencial de forma geral, mesmo aproveitando técnicas avançadas.
A OpenAI produziu uma demonstração que contradiz essa suposição, sugerindo que certos casos do problema podem ser resolvidos em tempo consideravelmente menor que o previsto.
A prova foi codificada em Lean e submetida a revisão por especialistas das universidades da Califórnia, San Diego, e do MIT, que possuem tradição em teoria da complexidade.
Se a comunidade validar a refutação, isso poderá reconfigurar décadas de pesquisa em algoritmos, criptografia e otimização.
Implicações para a física teórica
O terceiro ponto abordado no comunicado diz respeito a uma conjectura ainda não nomeada na área de física, mas que envolve a modelagem de sistemas quânticos complexos.
Os modelos de IA da OpenAI criaram uma estrutura matemática que permite simular interações de partículas em múltiplas dimensões com precisão inédita.
Essa abordagem pode acelerar a descoberta de novos materiais, melhorar a compreensão de fenômenos de supercondutividade e abrir caminhos para a computação quântica prática.
Para garantir a robustez dos resultados, a empresa formará um consórcio de físicos experimentais que testarão as previsões em laboratórios de alta energia.
O anúncio reforça a estratégia da OpenAI de não buscar crédito acadêmico direto, mas de disponibilizar as ferramentas e os dados para que a comunidade científica conduza a validação final.
Próximos passos e colaboração aberta
Em todos os três casos, a OpenAI definiu protocolos de transparência. Os materiais produzidos serão publicados em repositórios de código aberto, permitindo que matemáticos, cientistas da computação e físicos reproduzam e expandam as descobertas.
Além disso, a empresa criará grupos de trabalho externos, compostos por pesquisadores de instituições renomadas, para analisar cada prova e publicar artigos revisados por pares.
Essa política de colaboração aberta tem como objetivo evitar a monopolização de conhecimento e estimular um ecossistema de inovação impulsionado por IA.
Os interessados podem acessar os documentos preliminares através do site oficial da OpenAI, onde também será possível submeter comentários e sugestões de melhoria.
Em resumo, as três descobertas anunciadas prometem transformar campos tradicionais da ciência, ao mesmo tempo em que colocam em xeque conceitos consolidados sobre complexidade computacional e geometria de alta dimensão.
