A IA vai revolucionar a matemática de novo? Terence Tao se pronuncia urgentemente: Parem de endeusar!

  Relatório da Nova Inteligência  

Você provavelmente já viu manchetes sensacionalistas como: "IA resolve completamente, de forma autônoma, um problema matemático não solucionado há cinquenta anos pela humanidade! Matemáticos estão prestes a ficar desempregados!"

Para quem deseja testemunhar o nascimento da AGI, isso certamente é um grande estímulo. Para matemáticos que defendem o valor da inteligência humana, parece um alerta de que a última fortaleza está prestes a cair.

À medida que esses artigos ganham influência, finalmente alguém resolveu agir e esfriar os ânimos.

Curiosamente, essa pessoa é justamente um dos maiores incentivadores da pesquisa em matemática com IA — Terence Tao.

Terence Tao não nega a capacidade da IA para pesquisa matemática, ele só quer trazer o debate de volta para a realidade.

Na madrugada de hoje, Terence Tao postou dizendo que a capacidade da IA de resolver problemas matemáticos está sendo exagerada e tirada do contexto.

Ele complementou as explicações e advertências de forma mais sistemática na página do GitHub relacionada ao projeto Erdős Problems.

Ele enfatiza que a interpretação externa sobre a solução de problemas Erdős pela IA pode facilmente ser exagerada, especialmente ao tomar um único resultado isolado como "prova de que a IA já possui habilidades matemáticas avançadas".

O que exatamente Terence Tao está esclarecendo? Até que ponto a IA avançou nos problemas de Erdős?

Primeiro é preciso dizer que Terence Tao não nega o avanço da IA na matemática.

O que ele nega é principalmente uma narrativa simplista: transformar "IA pode produzir resultados verificáveis em alguns problemas" em "IA já sabe fazer matemática, pode inovar sozinha, pode substituir humanos".

Na página atualizada "AI contributions to Erdős problems", ele diz que ao olhar o desempenho da IA nos problemas de Erdős, não se deve focar só em "quantos problemas foram resolvidos", mas observar especialmente os seguintes pontos:

• A dificuldade dos problemas varia muito, o "número de soluções" não pode ser comparado diretamente: Os problemas de Erdős têm níveis de dificuldade extremamente variados. De um lado, questões reconhecidas como extremamente difíceis; do outro, muitas questões pouco estudadas, de "cauda longa", onde há "frutos baixos" ao alcance das ferramentas de IA atuais. O problema é: sem uma revisão bibliográfica de nível especialista, é difícil saber de antemão a qual categoria pertence cada questão. Portanto, comparar "quem resolve mais" pode não ser justo em termos de dificuldade.

• Para muitos problemas, nem se sabe se estão realmente sem solução: Muitos problemas no site não têm revisão bibliográfica sistemática, então a tag "Open" (sem solução) é provisória. Depois que a IA resolve uma questão, frequentemente se descobre que—ela já havia sido resolvida na literatura (talvez por métodos diferentes). Isso pode facilmente descredibilizar a "primeira solução da IA".

• Vemos mais casos de sucesso; os fracassos ficam escondidos: O site não registra completamente as tentativas da IA, especialmente as fracassadas e sem progresso.

• Algumas questões foram mal elaboradas e podem ser resolvidas explorando falhas de redação: Em casos raros, a formulação das questões de Erdős pode ser imprecisa ou até errada; para restaurar o significado original, é preciso contexto e experiência na área — o que traz subjetividade.

• O valor da matemática não está só nas respostas, mas em "conectar a rede de conhecimento": O significado da matemática não é só provar, mas também inspirar áreas relacionadas, conectar com teorias existentes, oferecer métodos transferíveis. Ao escrever provas, humanos naturalmente incluem contexto, motivação, comparação bibliográfica, limites do método. Masprovas lideradas por IA frequentemente carecem desse brilho, tornando-as tecnicamente corretas, mas de menor valor prático para a comunidade matemática.

• Resolver questões obscuras de cauda longa não significa que merece publicação em periódicos de alto nível: Solucionar um problema aberto não equivale necessariamente a uma publicação. Se o problema é obscuro e o método é só uma pequena variação de técnicas conhecidas, dificilmente será aceito em um periódico renomado.

• Formalizar uma prova gerada por IA em assistentes como Lean aumenta a credibilidade, mas ainda pode haver falhas. Por exemplo, durante a formalização, podem ser introduzidos axiomas extras, a formulação do problema pode ser mal interpretada, ou podem ser explorados comportamentos marginais da linguagem ou biblioteca matemática. Especialmente se a prova formalizadafor absurdamente curta ouexcessivamente longa, é preciso ter ainda mais cautela.

Resumindo, Terence Tao acredita que os avanços da IA nos problemas de Erdős merecem atenção, mas é preciso analisar muitos outros fatores: o nível de dificuldade do problema, revisão bibliográfica, reconstrução do significado, integração do conhecimento e a solidez da cadeia de verificação.

O fato de que a IA consegue resultados não significa que ela já possui plena capacidade matemática.

Na prática, o que a IA realmente faz?

A página do GitHub de Terence Tao divide as contribuições da IA em várias categorias.

Há IA gerando soluções completas (ou parciais), casos em que a IA pensava que o problema era aberto e depois descobriu que já estava resolvido, IA usada para busca bibliográfica, para formalizar provas no Lean, reescrever argumentos existentes, etc.

Por exemplo, a página lista o Problema #728 resolvido em 6 de janeiro de 2026 por Aristotle e ChatGPT 5.2 Pro (validação no Lean),Problema #729 em 8 a 10 de janeiro também recebeu solução completa (validação no Lean).

Isso significa que, para certos tipos de problemas e níveis de dificuldade, a IA realmente consegue produzir "estruturas de prova executáveis", chegando ao processo de validação formal.

Alguns problemas foram completamente resolvidos pela IA, mas depois descobriu-se que alguém já havia resolvido anteriormente.

Terence Tao também listou uma categoria "AI-powered literature review (revisão bibliográfica conduzida por IA)": a IA é usada para buscar resultados existentes e possíveis erros na classificação de problemas como abertos.

Achar que "IA é imbatível em matemática" com base em poucos exemplos é claramente uma visão unilateral.

Por outro lado, achar que a IA não serve para nada na matemática também é perder de vista seu verdadeiro valor.

Talvez o mais correto seja: a IA está aprendendo a fazer o "trabalho braçal" e de engenharia da matemática: seguir padrões, tapar buracos, formalizar, redigir e revisar textos, buscar literatura.

Mas a verdadeira "alma" da matemática — propor questões profundas, criar novos conceitos, integrar um resultado à rede de conhecimento da disciplina — ainda depende fortemente dos humanos.

É isso que Terence Tao quis dizer com seu post noturno.

Os matemáticos do futuro talvez não sejam mais pensadores solitários, mas comandantes de exércitos de inteligências de silício: no vasto campo da matemática, os humanos indicam o caminho, a IA abre trilhas e constrói pontes.

Não mitifique a IA tirando do contexto, mas também nunca subestime essa força que está transformando as formas de buscar a verdade.