Terence Tao faz soar o alarme no mundo da matemática: critica severamente a avaliação excessiva da IA

Recentemente, notícias ousadas têm surgido, como “IA resolveu sozinho um problema matemático que a humanidade não conseguiu há décadas”. À medida que a influência dessas reportagens aumenta dia após dia, uma pessoa inesperada levantou objeções: Terence Tao. Por ser alguém que tem utilizado ativamente a IA na pesquisa matemática, o peso de seu aviso é especialmente relevante. Tao não nega a IA em si, mas apela para que parem de mitificá-la na mídia e na sociedade.

Por que se espalha a ilusão da “Revolução Matemática com IA”

Você já deve ter visto manchetes como “IA resolve automaticamente problema matemático de 50 anos — fim da era dos matemáticos?”. Para quem sonha com a emergência de uma IA geral (AGI), isso parece uma esperança, mas para pesquisadores que desejam preservar a dignidade intelectual humana, é uma preocupação.

Na verdade, por trás dessas notícias sensacionalistas, há uma compreensão fragmentada da informação. Confundir casos isolados de sucesso com uma capacidade geral, tratar resultados não verificados como fatos consumados — esses equívocos alimentam a ideia de uma “invencibilidade da IA na matemática”.

Terence Tao, na madrugada, levantou sua voz para trazer de volta à realidade essas expectativas excessivas. Em sua página no GitHub, “Contribuições da IA para problemas de Erdős”, ele explica detalhadamente pontos a se observar ao avaliar as contribuições da IA para problemas ainda não resolvidos de Erdős.

As armadilhas na avaliação da IA apontadas por Tao

As observações de Tao, à primeira vista, parecem negar os avanços da IA, mas na verdade redefinem o que é considerado sucesso verdadeiro.

Desconsideração da variação de dificuldade: Os problemas de Erdős variam de questões extremamente difíceis, no núcleo, até problemas de “cauda longa” que ficaram anos sem solução. A IA é especialmente boa na segunda categoria, mas avaliar apenas pelo número de problemas resolvidos pode levar a uma avaliação distorcida da sua capacidade real.

O rótulo “não resolvido” é incerto: Muitos problemas listados nos sites não passaram por uma revisão bibliográfica sistemática. Mesmo que estejam marcados como “Aberto”, podem já ter sido resolvidos em trabalhos antigos. Assim, uma solução que a IA parece ter encontrado pode, na verdade, já ter sido descoberta há décadas — cenários comuns.

Apenas casos de sucesso recebem destaque: Os registros disponíveis mostram apenas os casos em que a IA teve sucesso. Tentativas fracassadas ou pesquisas sem progresso quase não aparecem, levando a uma superestimação de sua capacidade.

Problemas com formulações imprecisas ou ambíguas: Algumas formulações de problemas de Erdős carecem de rigor ou contêm erros, exigindo conhecimento profundo para interpretá-las corretamente. É possível, até, que alguém “resolve” um problema apenas explorando brechas superficiais.

O valor matemático não se resume à correção da resposta: Embora uma prova válida seja importante, o verdadeiro valor da matemática está em como ela se conecta às teorias existentes e que insights ela oferece para outras áreas. Quando pesquisadores humanos escrevem artigos, eles incluem contexto, motivações, referências e limitações metodológicas — o “contexto”. Como Tao aponta, as provas conduzidas por IA muitas vezes carecem dessa profundidade de conhecimento.

Muitos problemas não podem ser formalizados: Resolver um problema de Erdős com uma prova formalizada em ferramentas como Lean não garante sua validade. É possível, em teoria, introduzir axiomas adicionais sem transparência, interpretar mal a formulação, ou explorar comportamentos “escondidos” do programa. Provas formalizadas excessivamente curtas ou estranhas também merecem atenção.

O verdadeiro papel da IA: do “trabalho braçal” à “construção do conhecimento”

Em janeiro de 2026, foi relatado que a questão de Erdős #728番と#729 foi completamente resolvida por IA e verificada em Lean. Isso demonstra que, em certos domínios, a IA consegue gerar “estruturas de prova viáveis” e realizar verificações formais.

Mas, na prática, qual é o papel da IA na pesquisa matemática? As categorias de contribuição apontadas por Tao incluem:

• Gerar soluções completas
• Reconhecer problemas já resolvidos
• Auxiliar em buscas bibliográficas
• Formalizar provas humanas em Lean

Especialmente relevante é a “revisão bibliográfica orientada por IA”, que atua na verificação de se há resultados existentes ou se o problema realmente está aberto, realizando uma espécie de “pré-investigação”.

Resumindo, Tao enfatiza que a IA é excelente em tarefas rotineiras, como preencher lacunas, formalizar, escrever e revisar artigos, e fazer buscas na literatura. Contudo, a verdadeira essência da matemática — propor problemas profundos, criar novos conceitos, integrar resultados ao conhecimento geral — ainda depende fortemente do intelecto humano.

O futuro da matemática: comando humano, execução da IA

A mensagem de Tao ao alertar na madrugada não é subestimar a IA, mas compreender sua verdadeira natureza com precisão.

O perfil do futuro matemático pode mudar radicalmente. Em vez de ser um pensador solitário, ele será um comandante que lidera exércitos de silício. No vasto campo da matemática, o humano traça o caminho, a IA abre e constrói pontes. Essa divisão de tarefas é o caminho para a pesquisa do próximo século.

Devemos evitar exagerar as conquistas da IA. Ao mesmo tempo, não devemos subestimar esse poder que está mudando fundamentalmente a forma de buscar a verdade. A mensagem de Tao é um convite à reflexão racional e realista, iluminando o caminho para novas possibilidades.