Impacto da IA na matem�tica ainda gera mais perguntas que respostas, segundo especialistas

O avanço traduzido pelas ferramentas de inteligência artificial para o conhecimento matemático é inegável e, em certo sentido, até esperado, mas ainda há muito mais perguntas que respostas sobre como colocá-las a serviço da ciência, de acordo com especialistas ouvidos pela Folha. E elas também trazem riscos preocupantes, podendo atrapalhar o treinamento de futuros pesquisadores e aumentando as desigualdades numa área que, por ser tradicionalmente barata, permitia que brasileiros competissem com os colegas de países desenvolvidos. Na última terça-feira (6), a OpenAI divulgou os resultados de 377 problemas matemáticos e atribuiu as soluções à IA. O anúncio se deu quase um mês depois de a empresa dizer que resolveu um dos chamados Problemas do Milênio. "Acho fantástico o que está a acontecer", resume Edgard Pimentel, subdiretor do Centro de Matemática da Universidade de Coimbra (Portugal). "Resumindo, tanto os modelos da Anthropic quanto os da OpenAI, essa segunda com mais estardalhaço, estão resolvendo problemas muito difíceis, que os matemáticos humanos do mais alto nível, por muito tempo, não conseguimos resolver." "Os problemas na lista divulgada recentemente pela OpenAi são aqueles que, quando a gente se encontrava em conferências, discutia os avanços pontuais. São muito sedutores, importantes e, de fato, caíram", diz Pimentel, que foi pesquisador apoiado pelo Instituto Serrapilheira. A empolgação, porém, não elimina os problemas, a começar por certa natureza de "caixa-preta" dos modelos. "A OpenAI não tem acesso aos ‘prompts’, à maneira como os usuários dialogam com o sistema. Mas ela não se isenta de usar essas interações para treinar os modelos. O que faz com que não seja claro quanto do ‘input’ [informações inseridas] dos matemáticos humanos para essas tecnologias foi utilizado, ou como, para torná-las mais poderosas." Já Ali Tahzibi, professor do ICMC-USP (Instituto de Ciências Matemáticas e Computação da universidade), usa a seguinte analogia para comparar o trabalho de pesquisa tradicional em sua área com o feito por meio das IAs: "Depois da invenção do avião, podemos viajar mais longe, e isso não significa deixar de fazer viagens de exploração nas florestas ou subir montanhas", compara. "Está ficando cada vez mais evidente que com a IA vamos muito mais longe. Aliás, como ouvi de Hugo Duminil-Copin, colega e medalhista Fields [o ‘Nobel’ da matemática], não queremos ir apenas diretamente ao pico; precisamos conhecer o caminho da escalada", diz ele. Para o pesquisador da USP, a capacidade dos LLMs (grandes modelos de linguagem, a forma mais popular de IA hoje) de resolver problemas matemáticos não deveria surpreender. "Afinal, todo resultado matemático é essencialmente uma coleção de pequenos passos, e, às vezes, o número desses passos excede a nossa paciência, criatividade e imaginação", explica. O problema é saber quais problemas devem ser abordados, e ele destaca que a OpenAI não divulgou nenhum documento que explique justamente isso –os critérios para escolher os problemas que os modelos "atacaram". Um colega de Tahzibi no ICMC-USP, Leandro Aurichi, explica um dos possíveis contras de deixar essa reflexão de lado. "Esses problemas matemáticos nem sempre eram propostos ou eram considerados interessantes porque se precisava saber suas respostas. Muitas vezes o propósito era mais na linha ‘vamos lá, pessoal da matemática, a gente precisa de ferramentas adequadas para resolver isso aqui’", afirma. "Numa analogia bem tosca, imagine que a gente precise pregar um prego, mas o martelo ainda não foi inventado. Alguém, a IA, percebe que dá para usar uma chave de fenda, já inventada, e, fazendo bastante força, pregar o prego. Problema resolvido, mas talvez não de maneira muito boa", compara o pesquisador. Esse tipo de enviesamento pode se refletir já na formação dos matemáticos, aponta o cientista de dados Altay de Souza, da Unifesp (Universidade Federal de São Paulo). "Os matemáticos seniores usam a IA como uma ferramenta, uma supercalculadora, para otimizar processos que eles já criaram. Têm repertório e lastro para entender os passos do processo de um problema matemático", analisa ele. "Mas ela pode limitar o matemático júnior. Porque matemática de verdade é entender sistemas lógicos de pensamento e organização de regras, e isso demanda tempo, suor e sofrimento. A IA se torna muito tentadora para o aluno que quer subir a montanha, mas pelo bondinho, e não pela trilha. Só quem subiu a trilha sabe o que o cume da montanha de fato representa. Esse é o real desafio da IA, não só para a matemática, mas para todas as áreas do conhecimento hoje em dia." Paradoxalmente, porém, mesmo o uso do bondinho pode não ser para todos, graças ao alto custo para ter acesso aos modelos de última geração (sem falar, é claro, no custo ambiental para alimentá-los com energia). "A matemática era uma brincadeira quase gratuita, que a gente fazia com lápis e papel. O Brasil ganhou uma medalha Fields por isso, porque era muito mais barato do que as áreas do Nobel. Agora ficou caro", diz Pimentel. "O nível de desigualdade que isso vai introduzir também é brutal."