Brasileiro desenvolveu linguagem Lean, usada para verificar provas matemáticas complexas
Leia mais
Super Abril
super.abril.com.br

Brasileiro desenvolveu linguagem Lean, usada para verificar provas matemáticas complexas

Uma prova matemática consiste em uma sequência de raciocínios que conduz a uma conclusão certa. O Lean, uma linguagem de programação criada em 2013 por Leonardo de Moura, oriundo do Rio de Janeiro, possibilita a verificação dessas provas para identificar falhas ou erros.

Em setembro, o Lean tornou-se um ponto focal de controvérsia após a OpenAI, empresa proprietária do ChatGPT, anunciar uma solução para o problema matemático de Navier-Stokes, um dos Sete Problemas do Milênio, cujas soluções são avaliadas em US$ 1 milhão cada. A comunidade científica debate se essa demonstração realmente aborda a questão original, embora seja um fato que ela é logicamente perfeita, algo que o Lean assegura.

Essa possibilidade era impensável tanto em 2023 quanto em 2013. O autor relata que trabalhava na Microsoft, onde provadores de teoremas eram empregados para garantir que softwares estivessem livres de falhas. Contudo, esse método era dez vezes mais caro do que desenvolver o programa internamente, limitando seu uso a setores críticos, como a criptografia. Ninguém antecipou que medalhistas Fields, como Terence Tao, passariam a utilizar este sistema. Atualmente, quando alguém contata Tao alegando ter comprovado uma conjectura, sua resposta é: «Verifique primeiro no Lean».

Muitos matemáticos desconheciam a existência do Lean e levantam questionamentos pertinentes, como se ele possui falhas ou se pode ser confiável. No caso específico de Navier-Stokes, que contém centenas de milhares de linhas escritas em Lean, os membros da comunidade examinaram a prova utilizando verificadores que eles próprios criaram, e ela foi aprovada. Assim, a crise de confiança reside mais em questões éticas, como alegações de que empresas de IA consomem excesso de água ou furtam dados. Embora sejam temas relevantes, estes não podem deter o avanço da matemática.

Existem reações variadas: alguns demonstram entusiasmo, outros sentem receio de se tornarem obsoletos, e há quem acredite que a inteligência artificial irá aniquilar a matemática. Peter Scholze, considerado um dos maiores matemáticos vivos, declarou que morreria sem utilizar IA. Por outro lado, Kevin Buzzard havia planejado um projeto de cinco anos para formalizar o Último Teorema de Fermat no Lean. Em abril, ele riu quando lhe perguntaram se a IA auxiliaria; meses depois, ela realizou o trabalho em apenas 11 dias. O autor conclui que muitos estão vivenciando um «luto», comparando a reação daqueles que faziam cálculos mentais ao surgimento da calculadora, que, apesar da resistência inicial, beneficiou a humanidade. Ele aprendeu a não desafiar a IA.

Histórias semelhantes

OpenAI divulga centenas de resultados matemáticos complexos gerados por modelo de ponta
Leia mais
olhardigital.com.br

OpenAI divulga centenas de resultados matemáticos complexos gerados por modelo de ponta

A OpenAI tornou público centenas de novos achados matemáticos gerados por um modelo interno de ponta, representando uma das tecnologias mais avançadas desenvolvidas pela companhia. No total, a organização publicou 722 manuscritos no GitHub, agrupando 372 conjuntos de resultados para questões que têm desafiado matemáticos por várias décadas.

Esta divulgação ocorre em um contexto de intensos debates sobre a aplicação da inteligência artificial no campo científico. Embora a empresa tenha consultado um coletivo independente de matemáticos para estabelecer diretrizes de publicação, ela não acatou todas as sugestões fornecidas.

A compilação abrange diversas áreas, incluindo a teoria dos números e a geometria algébrica. Dentre os pontos mais notáveis, destaca-se uma solução encontrada para a conjectura de Kakeya em quatro dimensões, além de melhorias em algoritmos computacionais e progressos ligados à denominada 'quasi-hipótese de Riemann'.

Os resultados também englobam três dos cinco Problemas do Prêmio do Milênio que ainda carecem de solução. Para alcançar esses resultados, o modelo realizou tentativas de resolução em aproximadamente 4 mil problemas.

Reações da comunidade científica

A magnitude dessa divulgação atraiu a atenção da comunidade matemática. Alex Kontorovich, professor da Universidade Rutgers, comentou no X que, caso um ser humano tivesse apresentado a prova referente à 'quasi-hipótese de Riemann', isso seria suficiente para lhe garantir uma Medalha Fields imediata.

Contudo, é fundamental ressaltar que o material ainda necessita da avaliação rigorosa de especialistas. A relevância matemática e a validade das demonstrações dependem de análises realizadas de forma independente.

Para estruturar a publicação, a OpenAI buscou o auxílio do Grupo Consultivo sobre Matemática e Inteligência Artificial (AGMAI), composto por especialistas autônomos. A empresa alega ter seguido as orientações do grupo sobre a disseminação dos achados, mas optou por não implementar uma recomendação específica para suspender os testes de problemas matemáticos avançados em seus modelos proprietários.

O repositório contém formalizações das demonstrações utilizando Lean, uma linguagem de programação que possibilita a verificação de provas matemáticas por meios computacionais. Foram disponibilizados também resumos do raciocínio do modelo, estimativas de consumo de recursos computacionais e estatísticas relativas aos problemas testados.

A OpenAI comunicou que a publicação no GitHub inclui protocolos tanto para a revisão dos artigos quanto para a correta citação dos trabalhos. Segundo a própria empresa, cada resultado demandou, em média, um poder computacional equivalente a cerca de três horas de utilização do ChatGPT Pro.

Adicionalmente, a companhia planeja custear oficinas, conferências e programas focados na análise das descobertas geradas por IA. O repositório continuará sendo atualizado com novas formalizações assim que forem obtidas.

Essa divulgação sucede uma série de discussões acerca do emprego de IA na resolução de problemas matemáticos. Uma controvérsia anterior envolvendo a OpenAI intensificou a exigência por maior transparência e capacidade de replicação dos resultados.

Posicionamento sobre testes avançados

O grupo consultivo havia sugerido que os laboratórios deveriam cessar os testes de problemas matemáticos complexos em modelos próprios. A OpenAI ignorou essa orientação, defendendo a importância de prosseguir com a avaliação de seus modelos internos de ponta em matemática e outras ciências.

Além disso, a empresa não revelou os tempos computacionais exatos de cada questão nem os comandos (prompts) utilizados. Essa omissão reforça, para a comunidade matemática, a necessidade de examinar minuciosamente as provas antes de conceder-lhes um impacto definitivo.

O próximo passo recai sobre os pesquisadores, que deverão verificar as demonstrações, replicar os resultados sempre que for viável e determinar quais deles constituem avanços significativos para a matemática.

Popular