← Capa | Mercado

Conjecturas viraram troféus de ranking: matemático da Universidade de Pequim alerta que a propaganda de IA está afastando os jovens

2026-11-04 · Fonte:虎嗅·中继

Conjecturas viraram troféus de ranking: matemático da Universidade de Pequim alerta que a propaganda de IA está afastando os jovens

Li Xinyi: pelos critérios do Clay Institute, a IA talvez tenha "resolvido", mas a humanidade ainda não digeriu absolutamente esses resultados

No mês passado, a OpenAI e a Anthropic travaram uma competição acirrada: enquanto uma anunciava a solução de uma conjectura matemática guardada por um século, a outra lançava imediatamente a manchete de ter quebrado um problema do milênio, e as redes sociais mergulharam numa festa de audiência. Logo após a onda de reportagens do tipo "OpenAI conquista mais um problema do milênio", Li Xinyi, professor associado do Beijing International Center for Mathematical Research (BICMR) da Universidade de Pequim e ex-aluno de matemática da turma de 2007, procurou espontaneamente os jornalistas para uma conversa profunda de mais de trinta minutos. O núcleo dessa conversa não era questionar a capacidade matemática da IA, mas apontar diretamente que a forma como esses resultados estão sendo divulgados está causando um dano invisível à própria disciplina matemática.

Sua preocupação mira nos truques de relações públicas das grandes empresas: "Resolver essas conjecturas, na verdade, são apenas alguns troféus." Para ele, o sentido último de um problema matemático não está na conclusão em si, mas na longa jornada que forma gerações sucessivas de matemáticos e na construção de compreensão profunda. Há rumores de que a OpenAI teria resolvido problemas lendários como a conjectura de Hodge e a conjectura BSD, mas, aos seus olhos, esse "resolvido" precisa vir entre aspas: pelos critérios do Clay Mathematics Institute, a resposta da IA talvez conte marginalmente como uma solução em certo sentido, mas cria uma ruptura de "foi resolvido, mas não foi absolutamente compreendido" — a humanidade simplesmente não digeriu os contraexemplos ou resultados entregues pela IA.

Essa ruptura pode ser difícil de perceber para quem está fora do setor. Na história da matemática, o processo de prova de uma conjectura costuma ser mais valioso do que a conclusão: as novas ferramentas e os novos ramos que nascem ao longo da demonstração frequentemente sustentam, décadas depois, a física, a criptografia e os cálculos de engenharia. Se a IA simplesmente "entrega a resposta" e o processo é comprimido num único comunicado, a humanidade recebe apenas a casca vazia da conclusão. É por isso que ele descreve essas conjecturas como "troféus de ranking" — elas funcionam mais como benchmarks na corrida dos grandes modelos, servindo para exibir a curva de capacidade dos modelos, e não para servir ao acúmulo de conhecimento da comunidade matemática.

O impacto da campanha promocional que acompanha é ainda mais direto. Li Xinyi aponta que a narrativa avassaladora de "a IA conquista a matemática" está afastando jovens que queriam estudar matemática — se as conjecturas mais importantes podem ser resolvidas em segundos pelos modelos, qual o sentido de estudar dez anos com dedicação? Ao mesmo tempo, induz ao erro os que detêm o poder de decisão sobre financiamento: quando os recursos são orientados pela propaganda para a imaginação de que "as máquinas podem substituir as provas", o investimento de longo prazo na formação de matemáticos vivos tende a ser subestimado.

Como se fosse um acordo tácito da história, no dia seguinte ao fim da conversa, 25 ganhadores da Medalha Fields, incluindo Terence Tao, divulgaram uma carta aberta com o mesmo espírito do diálogo: a matemática ainda precisa de pessoas vivas, e é preciso apoiar os matemáticos vivos com a mesma intensidade. Li Xinyi enfatiza que os métodos concretos e os critérios de avaliação podem mudar, mas não criticar a prosperidade ilusória é contribuir para um futuro ruim. Em outras palavras, o problema não é a IA ser forte demais, mas a narrativa social reduzir "a IA é forte" a "as pessoas não são mais necessárias".

Ele também mencionou um caso real que acabara de acontecer ao seu redor: um pesquisador pós-doutorando da equipe dedicou-se por muito tempo a uma conjectura pouco conhecida e, habituado a usar versões iniciais de testes internos dos grandes modelos da era GPT-5.x, explorava suas ideias dialogando com a IA. O caso é bastante simbólico — o melhor uso da IA não é entregar a versão final no lugar das pessoas, mas servir como parceiro de treino para o raciocínio. O tema central dessa conversa é justamente este: a IA drena a essência da inteligência humana e, ao mesmo tempo, ameaça destruir o grupo que produz essa essência.

Do ponto de vista dos compradores de capacidade computacional de IA, esse debate também traz implicações no nível das compras. Os resultados matemáticos de ranking exibidos pelos grandes modelos costumam ser interpretados como um sinal de "quanto mais forte o modelo, mais GPUs vale acumular", mas o que o comprador realmente precisa avaliar é a verificabilidade e a explicabilidade do modelo na sua própria cadeia de negócios — assim como a comunidade matemática precisa de ser "compreendida" e não apenas "resolvida", as empresas precisam de resultados de raciocínio auditáveis e reproduzíveis, e não de respostas de caixa-preta impossíveis de digerir. Ao planejar o orçamento para modelos de raciocínio de fronteira, vale seguir a contenção da comunidade matemática: em vez de perseguir troféus de ranking, direcionar a capacidade computacional para cenários que possam ser digeridos pelas pessoas e sedimentados como capacidade organizacional.

Aproveitando, uma informação lateral do mercado de capacidade computacional relacionada ao tema deste artigo: esse modelo não possui atualmente dados de preço à venda. Para os compradores que acompanham as GPUs de raciocínio de ponta, esse sinal indica que os recursos computacionais relacionados circulam de forma limitada no mercado à vista, e as decisões de compra devem voltar-se à avaliação das cargas de trabalho reais e das necessidades de validação, em vez de serem arrastadas pelo calor da propaganda.

Voltando ao alerta central de Li Xinyi: a relação entre a IA e os matemáticos humanos depende, no fim, da narrativa que escolhermos contar. Se contarmos apenas a história dos "troféus", os jovens deixarão a matemática e os recursos se afastarão da missão de formar pessoas; se posicionarmos a IA como ferramenta para expandir a compreensão, ela poderá, ao contrário, virar uma alavanca para a próxima geração de matemáticos. É assim na matemática, e é igual na indústria de capacidade computacional — o que sempre foi escasso não são as conclusões, mas a capacidade de digeri-las.

P: Qual é a avaliação de Li Xinyi sobre a "solução" da OpenAI para a conjectura de Hodge e a conjectura BSD?

A: Ele considera que esse "resolvido" deve vir entre aspas: pelos critérios do Clay Mathematics Institute, a resposta da IA talvez conte marginalmente como solução em certo sentido, mas cria a ruptura de "foi resolvido, mas não foi absolutamente compreendido" — a humanidade simplesmente não digeriu esses resultados.

P: Que movimento de resposta houve da comunidade matemática após essa conversa?

A: No dia seguinte ao fim do diálogo, 25 ganhadores da Medalha Fields, incluindo Terence Tao, divulgaram uma carta aberta defendendo que a matemática ainda precisa de pessoas vivas e que é preciso apoiar os matemáticos vivos com a mesma intensidade.

Tags: OpenAI · Anthropic · GPT-5 · Li Xinyi · Terence Tao · AI Mathematics


Leituras relacionadas


萬安算交所 AIXX · AIXX · Exchange verificado · Ir ao mercado