Google usa agentes de IA para provar teoremas matemáticos e reescrever códigos

Renê Fraga
9 min de leitura

Principais destaques

  • Matemática comprovada por IA: agentes do Google formalizaram as conjecturas de Weil em uma demonstração com 1,8 milhão de linhas de código Lean.
  • C++ está dando lugar ao Rust: o sistema reescreveu componentes importantes do Android e do ecossistema Google, com ganhos de desempenho de até 30%.
  • Pesquisa aberta a cientistas: o Google liberou o acesso ao /teamwork e oferecerá seis meses de uso gratuito para 10 mil pesquisadores acadêmicos.

O Google está levando os agentes de inteligência artificial para um território que, até pouco tempo atrás, parecia reservado a matemáticos especializados e equipes de engenharia altamente qualificadas.

O Google Research apresentou resultados impressionantes do /teamwork, recurso multiagente de sua plataforma Antigravity. Entre eles estão a formalização de importantes demonstrações matemáticas, a migração de grandes bases de código C++ para Rust e avanços em pesquisas científicas.

O detalhe mais interessante é que não estamos falando apenas de uma IA que escreve código ou responde perguntas. São grupos de agentes especializados que trabalham em conjunto, dividem tarefas e submetem os resultados à verificação independente.

Uma demonstração matemática que levou décadas para ser concluída 🔬

Um dos resultados mais ambiciosos envolve as conjecturas de Weil, um conjunto de problemas fundamentais da matemática relacionados à contagem de soluções de equações polinomiais sobre corpos finitos.

A demonstração definitiva foi concluída pelo matemático Pierre Deligne em 1974, trabalho que lhe rendeu a Medalha Fields em 1978.

Agora, o Google afirma que seu framework /teamwork-LEAP, desenvolvido com Google Cloud AI, conseguiu produzir uma formalização completa dessa demonstração, com verificação automática por máquina.

Os números impressionam:

  • 1,8 milhão de linhas de código Lean.
  • 28.800 invocações de subagentes.
  • Formalização completa, de ponta a ponta, da demonstração matemática.

O Lean é uma linguagem de programação e um assistente de provas matemáticas que permite transformar demonstrações em estruturas verificáveis por computador.

💡 A diferença é importante: não basta uma IA apresentar uma resposta matematicamente convincente. O objetivo é produzir uma demonstração formal que possa ser conferida por um sistema independente.

Não foi o único problema matemático resolvido

O Google também apresentou outros resultados envolvendo formalização matemática.

Um deles produziu mais de 919 mil linhas de código Lean para formalizar uma demonstração recente do décimo problema de Hilbert sobre anéis de inteiros gerais.

Outro resultado envolveu as equações de Navier-Stokes em três dimensões, relacionadas a um dos Problemas do Milênio.

O sistema reproduziu a formalização de uma demonstração de existência de explosão em tempo finito (finite-time blowup).

A pesquisa matemática também contou com a participação de pesquisadores do Google, da Universidade Chinesa de Hong Kong (CUHK), da Universidade do Sul da Califórnia (USC) e da Universidade Carnegie Mellon (CMU).

Juntos, eles utilizaram o sistema para demonstrar, em toda a sua generalidade, a conjectura de Courtade-Kumar, apresentada em 2013 na teoria da informação.

Essa formalização em Lean 4 chegou a aproximadamente 50 milhões de linhas de código.

O próximo passo: trocar C++ por Rust com ajuda de agentes 🚀

Se a matemática já chama atenção, os resultados na engenharia de software também merecem destaque.

Em uma campanha de duas semanas, o /teamwork reescreveu o restante do código C++ do microkernel Zircon, acrescentando aproximadamente 800 mil linhas de Rust seguro.

O Zircon é o núcleo do sistema operacional utilizado pelo Fuchsia, projeto do Google.

O novo código passou por todos os testes unitários do kernel e conseguiu inicializar em hardware com arquitetura ARM64.

E teve também o desafio do vídeo:

O sistema portou a libgav1, decodificador de vídeo AV1 do Google, para aproximadamente 170 mil linhas de Rust.

Inicialmente, o código convertido era cerca de quatro vezes mais lento que a implementação original em C++.

Mas os agentes receberam ferramentas de profiling, capazes de identificar gargalos de desempenho, e começaram a otimizar o resultado.

O desempenho final ficou entre 20% e 30% superior ao código C++ original e ao assembly otimizado manualmente, nas arquiteturas x86_64 e ARM.

O mais interessante não é apenas converter uma linguagem de programação em outra, mas permitir que agentes identifiquem problemas, testem soluções e otimizem o próprio trabalho.

Agentes também estão entrando na química 🧪

O Google apresentou ainda um fluxo de trabalho científico com 30 agentes de IA para identificar estruturas moleculares a partir de dados de ressonância magnética nuclear (RMN).

O sistema alcançou 95% de precisão na primeira opção em moléculas de referência.

É um exemplo de como a arquitetura multiagente pode ultrapassar o desenvolvimento de software e atuar em pesquisas que exigem interpretação de dados, experimentação e validação.

Outro resultado veio da infraestrutura interna do Google.

A empresa relatou uma redução de 24% na preempção de cargas de trabalho de TPU em determinados tipos de hardware no Borg, seu sistema de gerenciamento e escalonamento de recursos computacionais.

Por que vários agentes podem funcionar melhor que um único modelo?

A arquitetura do /teamwork foi desenvolvida para enfrentar um problema recorrente nos sistemas de inteligência artificial: os erros que se acumulam em tarefas muito longas.

Em vez de entregar um projeto inteiro a um único agente, o Google distribui o trabalho entre especialistas.

Cada agente recebe somente os arquivos, ferramentas e informações necessários para executar sua parte.

Além disso, críticos e auditores independentes verificam os resultados sem ter acesso ao raciocínio do agente original.

Essa separação ajuda a reduzir erros e evita que uma falha inicial contamine todas as etapas seguintes.

Na prática, é uma abordagem que lembra uma equipe de desenvolvimento tradicional, com profissionais responsáveis por diferentes partes de um projeto, revisão de código e testes independentes.

A diferença é que boa parte dessa equipe agora é formada por agentes de IA.

Google abre o /teamwork para pesquisadores e desenvolvedores 🌎

O anúncio também tem uma dimensão estratégica.

O Google informou que usuários externos já podem utilizar os modelos Gemini 4 com /teamwork, /boost e Deep Review dentro do Antigravity.

A empresa também abriu inscrições para oferecer seis meses de acesso gratuito ao nível mais alto de utilização para até 10 mil pesquisadores acadêmicos.

Outras novidades chegarão posteriormente:

  • O padrão de formalização de demonstrações matemáticas será disponibilizado no Antigravity.
  • O padrão de reescrita de código em Rust também será incorporado.
  • Tutoriais e materiais de orientação estão previstos para as próximas semanas.

O movimento merece atenção.

Durante muito tempo, a evolução da IA foi medida principalmente pela capacidade de produzir textos, imagens, códigos e respostas cada vez melhores.

Agora, o Google está tentando demonstrar algo diferente: sistemas capazes de organizar equipes de agentes, executar projetos complexos por longos períodos e produzir resultados que podem ser verificados independentemente.

Se essa abordagem continuar avançando, o Antigravity poderá representar uma mudança importante na maneira como pesquisadores e engenheiros trabalham.

E talvez a próxima grande competição entre laboratórios de IA não seja apenas sobre qual modelo responde melhor, mas sobre qual consegue coordenar a equipe mais eficiente de agentes autônomos.

Apoie o Eurisko
Este conteúdo é independente, sem anúncios e feito por pessoas.
A inteligência artificial e as mudanças recentes do Google reduziram significativamente o alcance dos sites independentes. Se este conteúdo foi útil para você, considere apoiar o Eurisko e todo o ecossistema de projetos com qualquer valor.
Quero apoiar
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