Astra, da OpenAI, afirma ter resolvido 10 problemas matemáticos por cerca de US$ 2 mil

Isso não significa, porém, que o Astra esteja disponível ou que a comunidade matemática já tenha aceitado todas as conclusões. O anúncio foi recebido como um avanço potencialmente importante, mas também abriu uma discussão sobre o que exatamente foi demonstrado.

Quais problemas foram abordados?

Os resultados anunciados cobrem áreas bastante especializadas: geometria de alta dimensão, teoria da codificação, complexidade de circuitos aritméticos, teoria dos grupos, álgebras de operadores, complexidade quântica, criptografia baseada em reticulados e combinatória extremal .

1. Empacotamento de esferas em alta dimensão — novos limites superiores para a densidade de empacotamento, chegando ao limiar de Cohn–Elkies .
2. Códigos binários e esféricos — melhorias exponenciais nos limites para o tamanho máximo de um código com uma distância mínima determinada .
3. Grupos não-sofís — uma construção explícita que estabelece a existência desses grupos, uma questão central em aberto na teoria dos grupos .
4. Conjectura de rigidez de Connes — um contraexemplo que refuta uma conjectura de longa data sobre álgebras de von Neumann .
5. Complexidade de circuitos aritméticos — novos limites inferiores para o cálculo do permanente, incluindo um limite de ordem (n^4/\log n) para fórmulas aritméticas .
6. Repetição paralela quântica — um teorema de repetição paralela exponencial para jogos quânticos gerais entre dois jogadores .
7. Problema do vetor mais próximo — uma demonstração de dificuldade de aproximação por fator polinomial, relevante para a criptografia pós-quântica .
8. Conjectura de volume de Ehrhart — resultado sobre o maior volume possível de um corpo convexo cujo centróide é seu único ponto interior da rede .
9. Números de Ramsey multicoloridos — um limite inferior superexponencial que resolve o problema 183 de Erdős .
10. Conjecturas de números extremas — resultados sobre conjecturas de compacidade e degenerescência, resolvendo os problemas 146 e 180 de Erdős .

Um dos resultados mais chamativos é a primeira construção explícita de um grupo não-sofís. A questão estava aberta desde que Mikhail Gromov introduziu o conceito de soficidade, em 1999, caso a análise de especialistas confirme a interpretação apresentada pela OpenAI .

Por que o Lean 4 é importante?

O Astra em si não foi liberado. Em vez disso, a OpenAI publicou certificados de prova em Lean 4 sob a licença Apache 2.0. O Lean é uma linguagem e assistente de provas que exige que cada passo de um argumento matemático seja descrito em uma forma legível e verificável por máquina.

Essa distinção é importante: o sistema pode ter sido usado para encontrar os argumentos, mas o Lean funciona como uma checagem independente da validade formal do que foi codificado. Em princípio, qualquer pessoa com o material e as ferramentas adequadas pode tentar reproduzir essa verificação, sem precisar confiar apenas na explicação em linguagem natural produzida pelo modelo .

A própria OpenAI afirma que pesquisadores humanos prepararam os manuscritos finais usando o mesmo modelo . Por isso, ainda existe uma discussão sobre como atribuir a descoberta, a formulação dos argumentos e a apresentação dos resultados entre a IA e os pesquisadores.

A comunidade ficou impressionada — mas não convencida por completo

Pesquisadores como Noam Brown classificaram o anúncio como um possível avanço importante para o raciocínio científico . Ao mesmo tempo, críticos apontaram limites que impedem uma conclusão mais ampla.

Não são os problemas do Prêmio Millennium

Nenhum dos dez casos é um dos Problemas do Milênio do Clay, como P versus NP ou a Hipótese de Riemann . Isso não torna os problemas triviais: são questões reais e difíceis, algumas abertas por décadas. Mas a comparação ajuda a dimensionar por que o anúncio não equivale a dizer que a IA resolveu os maiores enigmas matemáticos conhecidos.

Falta revisão por pares

Os resultados foram anunciados diretamente pela OpenAI, sem publicação prévia em uma revista matemática ou nos anais de uma conferência com revisão por pares . A formalização em Lean permite verificar o código e as etapas codificadas, mas a avaliação da novidade, da relevância e da interpretação matemática ainda depende de especialistas humanos.

A empresa também citou a Declaração de Leiden sobre IA e Matemática, refletindo a tensão em torno da autoria e do papel de sistemas de IA na pesquisa .

Matemática formal pode ser um caso especial

O cientista cognitivo Gary Marcus argumentou que o desempenho em matemática formal é um “caso especial” e talvez não se transfira para o raciocínio científico em geral . A matemática tem uma vantagem particular: seus resultados podem ser verificados por ferramentas simbólicas, e é possível gerar grandes volumes de dados sintéticos com respostas conhecidamente corretas. Muitas outras áreas da ciência não oferecem esse mesmo tipo de validação barata e automática.

O processo não é totalmente reproduzível

Como o Astra ainda não foi lançado e a metodologia específica de prompts não foi divulgada por completo, pesquisadores independentes não conseguem repetir a etapa de geração nas mesmas condições . É possível inspecionar as provas publicadas, mas não reproduzir integralmente a maneira como o modelo chegou a elas.

O anúncio também tem dimensão comercial

A divulgação ocorreu enquanto a OpenAI posiciona o Astra como sua próxima grande família de modelos. Isso levou observadores a questionar se o momento escolhido priorizou o impacto de marketing, e não apenas os padrões tradicionais de comunicação científica .

O que o caso realmente mostra?

Se os argumentos resistirem à análise de especialistas, vários resultados poderão encerrar questões que permaneceram abertas por décadas. O material publicado também oferece uma base de inspeção mais concreta do que a de um anúncio corporativo típico .

Mas a conclusão mais segura, por enquanto, é mais limitada. O episódio sugere que modelos de IA podem contribuir para pesquisas matemáticas formais e produzir argumentos que podem ser submetidos a verificação mecânica. Ainda não demonstra que a IA tenha “resolvido a matemática” — nem que esse tipo de desempenho se traduza automaticamente em descobertas confiáveis em toda a ciência.

A pergunta decisiva, portanto, não é apenas se o Astra consegue fazer matemática. É se a capacidade de resolver problemas formais e verificáveis em domínios específicos pode se transformar em raciocínio científico geral. Essa parte continua sem resposta.