Entre conjecturas e protocolos: a incursão da OpenAI nas ciências exatas

Em 26 de outubro de 2026, a OpenAI anunciou ter obtido, com seus modelos internos, três resultados teóricos relevantes: a refutação da Hipótese do Tempo Exponencial (ETH) em ciência da computação, a demonstração da conjectura de local smoothing em matemática e provas rigorosas de existência para algumas teorias quânticas de campos com interação em quatro dimensões, entre elas a QCD e a teoria de Yang-Mills pura. Mesmo que confirmados, os resultados têm limites precisos: refutar a ETH não resolve P versus NP nem fornece algoritmos polinomiais, e a OpenAI não afirma ter resolvido o Problema do Milênio do Clay Institute sobre Yang-Mills, porque a parte do mass gap continua em aberto.

Além do alcance teórico, o que chama a atenção é a forma de divulgação escolhida. A empresa adotou três caminhos distintos: publicação imediata com formalização em Lean para a matemática; divulgação simultânea a uma verificação independente para a ciência da computação, confiada aos autores da hipótese, Russell Impagliazzo e Ramamohan Paturi, da UC San Diego, e a Ryan Williams, do MIT; e entrega prévia a um grupo de físicos liderado pelo prêmio Nobel David Gross. Segundo o ForkLog, o grupo esclareceu que participar da verificação não equivale a endossar a conclusão da OpenAI e anunciou uma verificação aberta à comunidade. Como relatou o mesmo veículo, a OpenAI declarou a intenção de «entregar primeiro o material aos especialistas, que depois decidirão como será publicado». O Advisory Group on Mathematics and Artificial Intelligence (AGMAI) pediu à OpenAI que publique o artigo sobre Yang-Mills: «não há nenhuma razão científica para adiar mais». Segundo a Scientific American, a abordagem escolhida para dois dos três resultados contraria as recomendações do grupo, inclusive na designação dos especialistas.

Permanecem reservas metodológicas importantes. Nenhum dos três resultados passou ainda por revisão por pares nem foi confirmado de forma independente. O artigo sobre Yang-Mills não é público, portanto por ora não pode ser verificado. No caso da ETH, a documentação do repositório da OpenAI no GitHub aponta que o enunciado formalizado em Lean tem um limite analítico mais fraco que o declarado no manuscrito, e não foi verificado se o enunciado formalizado corresponde exatamente à tese do manuscrito. Além disso, por se tratar de um modelo proprietário cujos prompts, tempo de computação e cadeias de raciocínio não são divulgados, a comunidade científica precisa examinar textos que a própria OpenAI chama de dados brutos de pesquisa: a saída de um sistema cujos componentes lógicos não são acessíveis.

Os anúncios chegam antes das verificações, e verificar leva tempo: o valor da inteligência artificial na pesquisa teórica também será medido pela transparência de seus métodos. — Olya