O Problema Que Não Se Resolvia

A Conjectura de Crouzeix afirma que, para qualquer matriz complexa quadrada A e polinômio p, a norma do operador ||p(A)|| é no máximo o dobro do máximo de |p| sobre a faixa numérica de A. O melhor limite anterior era de 1+√2 (aproximadamente 2,414), resultado de um workshop de 2017 no American Institute of Mathematics onde especialistas não conseguiram fechar a lacuna até a constante exata de 2 .

O problema estava na interseção da teoria de matrizes e da análise funcional em álgebra linear numérica — uma questão de nicho, mas fundamental, que resistiu a duas décadas de esforços de especialistas que dedicaram suas carreiras a ela.

Do Ultrassom Cerebral a um Avanço Matemático

Jin não estava tentando fazer história na matemática. Ele pesquisava ultrassom transcraniano — modelando como as ondas de ultrassom penetram o crânio — o que o levou à análise de matrizes e, eventualmente, à Conjectura de Crouzeix . Toda a sua matemática de alto nível foi autodidata, por meio de sua pesquisa com ultrassom; sua graduação foi em geologia pela Universidade de Pequim, e seu título de médico veio do Peking Union Medical College. Ele não tinha treinamento formal em matemática avançada .

A Execução Autônoma de 16 Horas

Jin adaptou a estratégia de prompt que a OpenAI havia usado ao resolver a Conjectura do Cycle Double Cover. Ele projetou uma configuração multiagente e adversarial com quatro instruções :

1. Trabalhar offline: O modelo operou em um ambiente fisicamente desconectado, impedindo-o de buscar provas ou soluções existentes na web.
2. Explorar em paralelo: O sistema gerou muitos subagentes explorando estratégias de prova genuinamente diferentes, evitando a convergência prematura para uma única abordagem.
3. Auditoria adversarial: Provas candidatas foram submetidas a verificações adversariais, forçando o modelo a encontrar e corrigir seus próprios erros.
4. Não parar cedo: O sistema foi instruído a não parar até que uma prova completa sobrevivesse a todas as verificações.

Jin iniciou o sistema e se afastou. Após aproximadamente 16 horas de operação contínua — durante as quais o GPT-5.6-Sol executou milhares de ciclos de geração, teste de hipóteses, rejeição e reconstrução — ele produziu uma prova completa .

Em vez das estimativas pesadas que os especialistas esperavam, o argumento usou uma estratégia cuidadosa de amostragem para reduzir o problema a uma condição de positividade simples . Era, segundo relatos de quem a revisou, uma abordagem elegante e inesperada.

Verificação Pelos Especialistas

O analista numérico Alex Townsend, da Universidade Cornell, havia passado o ano anterior perguntando rotineiramente ao ChatGPT para atacar a Conjectura de Crouzeix, vendo-o emperrar no mesmo lema ausente todas as vezes . Em 30 de julho de 2026, ele perguntou novamente — mas desta vez, o ChatGPT retornou um link para um preprint postado em 27 de julho intitulado "The Numerical Range Is a 2-Spectral Set" .

Townsend e Anne Greenbaum, da Universidade de Washington, revisaram o preprint com ceticismo. Após várias horas, concluíram que a prova estava correta . O próprio Michel Crouzeix — o matemático que havia proposto a conjectura 22 anos antes — revisou o manuscrito e confirmou sua exatidão .

Código Aberto e Verificação Independente

Jin disponibilizou todo o seu pipeline de pesquisa como código aberto, publicando no GitHub o artigo final, o prompt exato, todas as iterações sucessivas do manuscrito, uma formalização da prova em Lean 4 e uma auditoria de axiomas .

Notavelmente, oito dias após o preprint de Jin, uma prova independente separada de Emiel Lorist e Felix Schwenninger — que também usaram o ChatGPT 5.6 para exploração de estratégias — foi postada no arXiv, corroborando o resultado de forma independente .

O Que Isso Significa para a IA e a Ciência

A história da prova de Jin é notável por várias razões. Ela mostra que um não especialista, sem treinamento formal em uma área, pode, ao projetar o fluxo de trabalho autônomo correto para um modelo de IA de fronteira, fazer uma contribuição genuína para um problema que deixou especialistas de carreira perplexos. Também demonstra o poder de sistemas de raciocínio autônomo bem projetados: Jin não usou a IA como uma ferramenta de busca ou chatbot — ele projetou um sistema que podia explorar, verificar e refinar seu próprio trabalho por muitas horas sem intervenção humana .

O problema não é um brinquedo ou um quebra-cabeça; é um problema aberto de 22 anos cuja prova foi revisada e aceita pelo matemático que o propôs, juntamente com outros líderes na área .

O Problema Que Não Se Resolvia

A Conjectura de Crouzeix afirma que, para qualquer matriz complexa quadrada A e polinômio p, a norma do operador ||p(A)|| é no máximo o dobro do máximo de |p| sobre a faixa numérica de A. O melhor limite anterior era de 1+√2 (aproximadamente 2,414), resultado de um workshop de 2017 no American Institute of Mathematics onde especialistas não conseguiram fechar a lacuna até a constante exata de 2 .

O problema estava na interseção da teoria de matrizes e da análise funcional em álgebra linear numérica — uma questão de nicho, mas fundamental, que resistiu a duas décadas de esforços de especialistas que dedicaram suas carreiras a ela.

Do Ultrassom Cerebral a um Avanço Matemático

Jin não estava tentando fazer história na matemática. Ele pesquisava ultrassom transcraniano — modelando como as ondas de ultrassom penetram o crânio — o que o levou à análise de matrizes e, eventualmente, à Conjectura de Crouzeix . Toda a sua matemática de alto nível foi autodidata, por meio de sua pesquisa com ultrassom; sua graduação foi em geologia pela Universidade de Pequim, e seu título de médico veio do Peking Union Medical College. Ele não tinha treinamento formal em matemática avançada .

A Execução Autônoma de 16 Horas

Jin adaptou a estratégia de prompt que a OpenAI havia usado ao resolver a Conjectura do Cycle Double Cover. Ele projetou uma configuração multiagente e adversarial com quatro instruções :

1. Trabalhar offline: O modelo operou em um ambiente fisicamente desconectado, impedindo-o de buscar provas ou soluções existentes na web.
2. Explorar em paralelo: O sistema gerou muitos subagentes explorando estratégias de prova genuinamente diferentes, evitando a convergência prematura para uma única abordagem.
3. Auditoria adversarial: Provas candidatas foram submetidas a verificações adversariais, forçando o modelo a encontrar e corrigir seus próprios erros.
4. Não parar cedo: O sistema foi instruído a não parar até que uma prova completa sobrevivesse a todas as verificações.

Jin iniciou o sistema e se afastou. Após aproximadamente 16 horas de operação contínua — durante as quais o GPT-5.6-Sol executou milhares de ciclos de geração, teste de hipóteses, rejeição e reconstrução — ele produziu uma prova completa .

Em vez das estimativas pesadas que os especialistas esperavam, o argumento usou uma estratégia cuidadosa de amostragem para reduzir o problema a uma condição de positividade simples . Era, segundo relatos de quem a revisou, uma abordagem elegante e inesperada.

Verificação Pelos Especialistas

O analista numérico Alex Townsend, da Universidade Cornell, havia passado o ano anterior perguntando rotineiramente ao ChatGPT para atacar a Conjectura de Crouzeix, vendo-o emperrar no mesmo lema ausente todas as vezes . Em 30 de julho de 2026, ele perguntou novamente — mas desta vez, o ChatGPT retornou um link para um preprint postado em 27 de julho intitulado "The Numerical Range Is a 2-Spectral Set" .

Townsend e Anne Greenbaum, da Universidade de Washington, revisaram o preprint com ceticismo. Após várias horas, concluíram que a prova estava correta . O próprio Michel Crouzeix — o matemático que havia proposto a conjectura 22 anos antes — revisou o manuscrito e confirmou sua exatidão .

Código Aberto e Verificação Independente

Jin disponibilizou todo o seu pipeline de pesquisa como código aberto, publicando no GitHub o artigo final, o prompt exato, todas as iterações sucessivas do manuscrito, uma formalização da prova em Lean 4 e uma auditoria de axiomas .

Notavelmente, oito dias após o preprint de Jin, uma prova independente separada de Emiel Lorist e Felix Schwenninger — que também usaram o ChatGPT 5.6 para exploração de estratégias — foi postada no arXiv, corroborando o resultado de forma independente .

O Que Isso Significa para a IA e a Ciência

A história da prova de Jin é notável por várias razões. Ela mostra que um não especialista, sem treinamento formal em uma área, pode, ao projetar o fluxo de trabalho autônomo correto para um modelo de IA de fronteira, fazer uma contribuição genuína para um problema que deixou especialistas de carreira perplexos. Também demonstra o poder de sistemas de raciocínio autônomo bem projetados: Jin não usou a IA como uma ferramenta de busca ou chatbot — ele projetou um sistema que podia explorar, verificar e refinar seu próprio trabalho por muitas horas sem intervenção humana .

O problema não é um brinquedo ou um quebra-cabeça; é um problema aberto de 22 anos cuja prova foi revisada e aceita pelo matemático que o propôs, juntamente com outros líderes na área .