Terence Tao alerta: a necessidade de corrigir as expectativas excessivas na revolução matemática da IA

Terence Tao é conhecido como uma das maiores autoridades no mundo da matemática, mas recentemente fez uma publicação importante durante a madrugada. O conteúdo é uma avaliação cautelosa e fria sobre a capacidade da pesquisa matemática assistida por IA. Enquanto muitos meios de comunicação divulgam amplamente avanços matemáticos impulsionados por IA, Tao pede que essa narrativa seja desmistificada, dizendo que “devemos parar de criar mitos”.

O ponto central de sua argumentação é simples, mas crucial: a capacidade da IA de gerar resultados verificáveis em problemas específicos não equivale a possuir compreensão matemática verdadeira ou capacidade de inovação.

Mal-entendidos gerados por sucessos parciais da IA

Ao analisar as notícias, frequentemente aparecem manchetes como “IA resolve autonomamente problemas matemáticos não resolvidos há 50 anos pela humanidade”. Essas reportagens dão a impressão de que a IA possui uma capacidade de raciocínio matemático independente.

Porém, a análise detalhada do projeto “Contribuições da IA para problemas de Erdős”, publicado por Tao no GitHub, revela uma situação mais complexa.

Os problemas nos quais a IA obteve sucesso variam em nível de dificuldade. Existem problemas extremamente difíceis, além de uma grande quantidade de problemas de “cauda longa”, que há anos não eram estudados detalhadamente. Esses últimos representam áreas de “frutos baixos”, onde as ferramentas atuais de IA se destacam. Contudo, ao contar apenas o número de “soluções”, corre-se o risco de comparar problemas de níveis de dificuldade diferentes como se fossem iguais.

Outro ponto importante é que Tao destaca os seguintes fatores:

Incompletude dos registros bibliográficos: Muitos problemas listados nos sites não passaram por revisões sistemáticas de literatura, e o rótulo de “não resolvido” muitas vezes é provisório. Problemas que parecem ter sido resolvidos por IA podem, na verdade, já terem uma resposta na literatura.

Ausência de registros de fracassos: Apenas os casos de sucesso são documentados, enquanto tentativas sem progresso ou fracassos quase nunca são registrados. Isso faz a taxa de sucesso da IA parecer maior do que realmente é.

Ambiguidade na definição de problemas: Algumas questões de Erdős têm formulações imprecisas ou contêm erros. Para interpretá-las corretamente, é necessário conhecimento contextual e especializado.

Resultados reais em problemas de Erdős

Segundo a página do projeto de Tao, em 6 de janeiro de 2026, Aristotle e ChatGPT 5.2 Pro também resolveram problemas similares ao #728, completaram a verificação formal usando Lean e finalizaram a prova. Entre 8 e 10 de janeiro, problemas como o #729 também foram resolvidos.

Esses exemplos demonstram que, para certos tipos de problemas e faixas de dificuldade, a IA consegue gerar “estruturas de prova viáveis” e até chegar à verificação formal.

Tao também valoriza a categoria de “revisão bibliográfica assistida por IA”, onde a ferramenta é usada para verificar se um problema já foi resolvido ou para detectar possíveis erros na classificação de “não resolvido”. Assim, o verdadeiro valor da IA não está apenas em criar novas provas, mas também em organizar e verificar o conhecimento existente.

Quanto à validação de provas formais, Tao adota uma postura cautelosa. Formalizar provas usando ferramentas como Lean melhora a confiabilidade, mas há riscos: axiomas ocultos podem ser introduzidos, a definição do problema pode estar incorreta na formalização, ou a biblioteca matemática pode ser explorada de forma superficial. Provas formalizadas excessivamente curtas ou excessivamente longas também merecem atenção.

A IA não é um matemático, mas uma ferramenta de suporte

Tao enfatiza que a IA não “entende” matemática no sentido humano. Sua força está na execução de tarefas mecânicas — trabalhos repetitivos, preenchimento de lacunas, formalização de provas, redação e revisão de artigos, pesquisa bibliográfica.

Essas áreas certamente serão apoiadas por IA no futuro, delegando a ela tarefas técnicas do trabalho matemático.

Porém, o “espírito” verdadeiro da matemática reside em outros aspectos: a capacidade de propor problemas profundos, criar novos conceitos, integrar resultados na rede de conhecimento matemático — tudo isso ainda depende fortemente da inteligência humana.

O valor da matemática não está apenas na existência de respostas. Está nas sugestões que as provas oferecem, nas conexões com teorias existentes, na descoberta de métodos aplicáveis e na explicação do “porquê” de certas abordagens. Uma prova gerada por IA pode ser tecnicamente correta, mas, se faltar o contexto e a motivação, seu valor prático para a comunidade matemática será limitado.

Além disso, resolver problemas menores de cauda longa não garante publicação em revistas de alto impacto. Quando a solução é apenas uma pequena melhoria em um padrão já conhecido, é difícil passar pelo processo de revisão.

O futuro da matemática: cooperação entre humanos e IA

A razão pela qual Tao publicou essa reflexão na madrugada é para que se compreenda corretamente a direção da evolução da matemática na era da IA.

Futuramente, os matemáticos podem deixar de ser pensadores solitários para se tornarem comandantes que utilizam sistemas de suporte poderosos, como a IA. Nesse processo, os humanos definirão as direções, enquanto a IA traçará os caminhos específicos. Essa colaboração pode acelerar significativamente o avanço da disciplina.

O mais importante é distinguir entre avaliar corretamente as capacidades da IA e criar mitos exagerados. O alerta de Tao é um apelo à comunidade matemática para que “volte a manter a calma”.

A IA certamente está mudando a forma de fazer pesquisa matemática. Mas a verdadeira inovação ocorre quando humanos e IA compreendem seus papéis e se complementam mutuamente.