Imagine uma inteligência artificial tão boa em matemática que consegue resolver problemas de geometria melhor do que os melhores estudantes do mundo. Pois é exatamente isso que a DeepMind, laboratório de pesquisa em IA do Google, anunciou recentemente.
Seu sistema, chamado AlphaGeometry2, superou a média dos medalhistas de ouro da Olimpíada Internacional de Matemática (IMO), uma competição famosa por desafiar jovens talentos com questões extremamente complexas.
Mas o que isso significa para o futuro da tecnologia?
O AlphaGeometry2 é uma versão aprimorada de um sistema anterior, o AlphaGeometry, lançado no início de 2024. Ele foi treinado para resolver problemas de geometria, especialmente os do tipo euclidiano, que envolvem figuras como triângulos, círculos e linhas.
Segundo os pesquisadores, essa IA conseguiu resolver 84% dos problemas de geometria propostos na IMO nos últimos 25 anos.
Para chegar a esse nível, a DeepMind criou seus próprios dados de treinamento, gerando mais de 300 milhões de teoremas e provas matemáticas. Isso foi necessário porque não havia dados suficientes disponíveis para ensinar a máquina.
Mas como o AlphaGeometry2 funciona? Ele combina duas tecnologias: um modelo de linguagem (da família Gemini, também do Google) e um “motor simbólico”, que usa regras matemáticas para chegar às soluções.
O modelo de linguagem sugere “dicas” para resolver o problema, como adicionar pontos ou linhas ao diagrama, enquanto o motor simbólico verifica se essas sugestões fazem sentido matematicamente.
Juntos, eles formam uma dupla poderosa que explora várias soluções ao mesmo tempo, armazenando as descobertas em uma espécie de “banco de conhecimento”.
Apesar do sucesso, o sistema ainda tem limitações. Ele não consegue resolver problemas com equações não lineares, desigualdades ou um número variável de pontos.
Além disso, em um teste com problemas mais difíceis, propostos por especialistas mas nunca usados em competições, o AlphaGeometry2 acertou apenas 20 de 29 questões.
Mesmo assim, os resultados são impressionantes e mostram que a combinação de redes neurais (como o Gemini) com sistemas baseados em regras (como o motor simbólico) pode ser o caminho para criar IAs mais inteligentes e versáteis.
Essa descoberta não é importante apenas para a matemática. A capacidade de resolver problemas complexos com raciocínio lógico pode ser aplicada em áreas como engenharia, física e até mesmo no desenvolvimento de tecnologias do futuro.
A DeepMind acredita que sistemas como o AlphaGeometry2 podem ajudar a criar IA generalista, ou seja, máquinas capazes de aprender e se adaptar a diferentes tarefas, assim como os humanos.
Enquanto isso, o debate continua: qual é a melhor forma de construir IAs? Usando redes neurais, que aprendem com dados, ou sistemas simbólicos, que seguem regras pré-definidas?
O AlphaGeometry2 sugere que a resposta pode estar na combinação das duas abordagens.
