Matemáticos ficaram atônitos com o avanço acelerado das capacidades da inteligência artificial, que, nos últimos meses, desvendou alguns dos mais difíceis problemas matemáticos em aberto que haviam escapado aos seres humanos.
Na terça-feira, a OpenAI inundou os matemáticos com centenas de novas descobertas que abrangem uma ampla variedade de áreas, incluindo álgebra, teoria dos números, ciência da computação teórica, lógica matemática e topologia.
Os 377 resultados foram divulgados depois que a OpenAI anunciou, no mês passado, ter conseguido solucionar a equação de Navier-Stokes — um dos chamados Problemas do Milênio, considerados tão desafiadores que foi oferecida uma recompensa de US$ 1 milhão para cada solução.
A conquista mostrou do que os modelos mais avançados de inteligência artificial são capazes, mas também levantou dúvidas sobre se os sistemas de IA da OpenAI estavam empregando pensamento criativo ou simplesmente completando as etapas finais de uma demonstração depois de se apropriarem de ideias presentes no trabalho de matemáticos humanos.
Assim como no resultado envolvendo Navier-Stokes, as novas soluções matemáticas utilizaram um modelo de IA mais avançado que ainda não foi disponibilizado ao público.
Há algumas semanas, a OpenAI disse estar trabalhando com um conselho consultivo formado por matemáticos, que ofereceria recomendações sobre como as empresas de inteligência artificial deveriam comunicar aos matemáticos os resultados produzidos por IA. O grupo é sediado no Institute for Advanced Study, em Princeton, Nova Jersey, e é independente de qualquer empresa de IA.
Entre outras sugestões, o conselho consultivo recomendou que todos os prompts enviados aos agentes de IA e as cadeias de raciocínio desses agentes fossem divulgados. Na noite de terça-feira, o conselho divulgou uma declaração afirmando que a publicação dos resultados era “o início, e não a conclusão, do processo de compreensão humana e de incorporação do trabalho ao conhecimento matemático”.
“Queremos criar padrões e práticas para que os resultados divulgados pelos laboratórios de IA possam ser compreendidos pelos matemáticos e possam contribuir para o avanço da área”, disse Melanie Wood, matemática da Universidade Harvard e integrante do conselho consultivo.
Muitas das demonstrações foram verificadas usando o Lean, uma linguagem de programação que verifica a lógica subjacente.
Para 10 das soluções, a empresa também forneceu resumos de como o modelo de IA chegou às suas respostas. Em média, cada resultado exigiu cerca de três horas de processamento computacional, informou a empresa.
“Levamos em consideração as orientações e recomendações públicas do conselho para definir a maneira como divulgamos esses resultados”, escreveu a OpenAI em uma publicação em seu site.
A OpenAI, porém, parece menos interessada em seguir uma recomendação importante do conselho consultivo: a de que as empresas de IA deveriam parar de testar seus modelos proprietários em problemas matemáticos avançados. “Queremos deixar claro desde o início: não apoiamos essa prática”, escreveu o conselho consultivo em 29 de setembro.
As empresas de IA têm apresentado a seus modelos problemas matemáticos — como aqueles propostos a estudantes do ensino médio durante a Olimpíada Internacional de Matemática — que haviam sido estabelecidos como referências para medir o desempenho.
Mas, quando os modelos conseguiram resolver esses problemas, a equipe da OpenAI criou novos benchmarks baseados em problemas matemáticos não solucionados e situados na fronteira da pesquisa na área. Alguns deles estão entre os resultados divulgados na terça-feira.
Dan Roberts, líder de pesquisa da OpenAI, disse que era importante testar os modelos internos para produzir ferramentas melhores e que as demonstrações eram um subproduto desses testes.
Tristan Buckmaster, matemático da Universidade de Nova York que trabalhava no problema de Navier-Stokes solucionado pela OpenAI, disse que ainda não estava claro se os matemáticos que utilizam modelos de IA como os da OpenAI estavam, inadvertidamente, fornecendo as informações que permitiram à IA chegar antes deles à resposta final.
— É provável que haja um monte de resultados em que eles pegam o trabalho de alguém e depois o levam até a conclusão— disse Buckmaster em uma entrevista na noite de segunda-feira.
Com tantos resultados divulgados de uma só vez, “não acho que eles tenham feito seu tipo de diligência devida”, afirmou.
Os matemáticos estão tentando entender se o ritmo acelerado de resolução de problemas matemáticos ajuda ou prejudica a área, caso a compreensão das soluções fique para trás.
— Acho que, no centro dessa questão, está o fato de que os seres humanos têm duas naturezas em conflito: uma tendência a competir e uma capacidade de apreciar a beleza— disse Kai Shaikh, estudante de pós-graduação em matemática na Universidade de Toronto. —Para mim, este parece ser um caso em que a primeira está tentando sufocar a segunda.
OpenAI diz que IA solucionou mais 377 problemas matemáticos
