Aletheia, do Google DeepMind, resolve 13 problemas abertos de Erdős

Renê Fraga
4 min de leitura

Principais destaques

  • A Aletheia, agente do Google DeepMind baseado no Gemini Deep Think, solucionou 13 problemas matemáticos em aberto ligados a Paul Erdős
  • Quatro dessas soluções são consideradas descobertas autônomas genuinamente inovadoras pelos pesquisadores
  • Apesar do avanço, apenas 6,5% das respostas avaliadas foram classificadas como significativamente corretas

O Google DeepMind anunciou nesta semana um novo passo na aplicação da inteligência artificial à matemática de nível profissional.

A empresa apresentou a Aletheia, um agente especializado construído sobre o Gemini Deep Think, capaz de analisar e propor soluções para problemas matemáticos complexos que permaneciam sem resposta.

Em testes documentados em artigos publicados em 11 de fevereiro, o sistema avaliou 700 conjecturas listadas no banco de dados Erdős Problems, organizado por Thomas Bloom. A coletânea reúne desafios propostos pelo lendário matemático do século 20 Paul Erdős, conhecido por sua produtividade extraordinária e influência duradoura na matemática moderna.

O resultado chamou atenção: 13 problemas foram resolvidos pelo agente, sendo que quatro soluções foram classificadas pelos pesquisadores como descobertas autônomas genuinamente inovadoras.

Como a Aletheia trabalha na prática

Diferentemente de sistemas que brilham em olimpíadas ou competições matemáticas, a Aletheia foi projetada para atuar em contexto acadêmico. Seu funcionamento se baseia em um ciclo iterativo de gerar, verificar e revisar, inspirado na lógica da revisão por pares utilizada na pesquisa científica.

O sistema inclui um verificador em linguagem natural que examina possíveis falhas lógicas nas soluções propostas. Caso não consiga resolver determinado problema, a própria IA pode reconhecer explicitamente essa limitação.

Entre os casos mais notáveis está a construção de um contraexemplo que derrubou uma conjectura apresentada em 2015 sobre otimização submodular online. O tema vinha desafiando pesquisadores há quase uma década. O agente também contribuiu para estudos relacionados aos problemas de Max-Cut e Árvore de Steiner, importando ferramentas matemáticas de áreas distintas para avançar nas análises.

Em outro episódio, a matemática Lisa Carbone, da Universidade Rutgers, utilizou o modo Deep Think para revisar um artigo técnico. O sistema identificou uma falha lógica que havia passado despercebida por revisores humanos, reforçando o potencial da IA como ferramenta de apoio à pesquisa.

Resultados promissores, mas longe da perfeição

Apesar das manchetes entusiasmadas, os próprios pesquisadores destacam limites claros. Das 200 soluções avaliadas de forma definitiva por especialistas humanos, apenas 6,5% foram consideradas significativamente corretas.

Grande parte das respostas apresentava erros fundamentais. Em outros casos, as soluções eram tecnicamente válidas, mas baseadas em interpretações equivocadas do problema original. Segundo a equipe, a IA tende a reformular a questão de maneira mais simples, ainda que isso não reflita exatamente a intenção matemática inicial.

Também foram levantadas preocupações sobre o chamado plágio subconsciente, situação em que o modelo pode reproduzir ideias absorvidas durante o treinamento sem atribuição explícita.

O que isso significa para o futuro da pesquisa

O DeepMind propôs uma taxonomia para classificar o nível de contribuição da IA em pesquisas matemáticas. No estágio atual, a empresa não afirma ter alcançado descobertas revolucionárias ou avanços históricos.

Os próprios autores ressaltam que a responsabilidade final por qualquer artigo matemático continua sendo humana. A IA pode auxiliar, sugerir caminhos e detectar falhas, mas a validação e a autoria permanecem sob responsabilidade de pesquisadores.

Ainda assim, o recado é claro: a inteligência artificial já começou a colher alguns frutos entre problemas considerados acessíveis, e sua presença no ambiente acadêmico tende a se expandir. O debate agora gira em torno de como integrar essas ferramentas sem comprometer rigor, autoria e ética científica.

✨ Curtiu este conteúdo?

O GDiscovery está aqui todos os dias trazendo informações confiáveis e independentes sobre o universo Google - e isso só é possível com o apoio de pessoas como você. 🙌

Com apenas R$ 5 por mês, você ajuda a manter este trabalho no ar e leva informação de qualidade para ainda mais gente!

Clique aqui e faça parte da nossa rede de apoiadores.

Seguir:
Renê Fraga é fundador do Google Discovery (GD) e editor-chefe do Eurisko. Profissional de marketing digital, com pós-graduação pela ESPM, acompanha o Google desde os anos 2000 e escreve há mais de duas décadas sobre tecnologia, produtos digitais e o ecossistema da empresa. Criador do Google Discovery em 2006, tornou-se referência na cobertura do Google no Brasil e foi colunista do TechTudo (Globo.com), compartilhando análises e conhecimento com um grande público.
Nenhum comentário