A OpenAI afirma ter encontrado uma solução para o problema da existência e suavidade das equações de Navier-Stokes, um dos sete Problemas do Milênio. A empresa apresentou nesta terça-feira um artigo com a demonstração proposta, escrita em Lean, para que matemáticos independentes possam examinar o trabalho.
O resultado teria sido obtido em 88 horas por um modelo de inteligência artificial ainda não disponibilizado ao público. A companhia diz que utilizou até 10 mil agentes de IA ao mesmo tempo, organizados em grandes equipes. Pesquisadores da OpenAI transferiam ideias importantes entre os grupos durante o processo.
O que está em análise
As equações de Navier-Stokes descrevem o movimento da água e de outros fluidos e são frequentemente usadas na previsão do clima. O desafio matemático procura determinar se elas podem falhar completamente em determinadas circunstâncias.
A demonstração apresentada pela OpenAI afirma ter identificado uma dessas situações. Em tese, isso significaria que as leis da física poderiam falhar sob condições específicas. O texto também menciona, como exemplo teórico, a possibilidade de uma explosão espontânea da água. Matemáticos e físicos, porém, não consideram que uma falha matemática necessariamente produziria esse efeito no mundo real.
O problema foi incluído pelo Clay Mathematics Institute entre os sete desafios selecionados em 2000 para acompanhar o avanço da matemática. O instituto ofereceu US$ 1 milhão pela primeira solução correta de cada problema. Antes do anúncio da OpenAI, apenas um deles havia sido resolvido.
Debate entre matemáticos
Sebastian Bubeck, pesquisador da OpenAI, classificou a nova solução como “um desfecho espetacular” para o desenvolvimento observado nos últimos 12 meses. O anúncio reacendeu o debate sobre o papel dos sistemas de inteligência artificial em uma área que, durante muito tempo, esteve entre as maiores expressões da capacidade intelectual humana.
Terence Tao, professor da Universidade da Califórnia em Los Angeles (UCLA), afirmou que os Problemas do Milênio funcionam como pontos de referência para direcionar os esforços científicos. Ele também alertou que a resolução de questões difíceis por máquinas, com pouca participação humana, pode reduzir a compreensão das pessoas sobre a matemática.
Para Tao, o caminho até uma solução tem valor próprio porque permite aprender durante a investigação. Ele comparou a situação a ter máquinas levantando pesos no lugar de alguém em uma academia: o resultado pode ser alcançado, mas o processo de aprendizado é perdido.
Ao mesmo tempo, pesquisadores ainda participam da operação dos sistemas. Dan Roberts, da OpenAI, comparou o trabalho dos cientistas ao de uma abelha que faz polinização cruzada entre diferentes grupos, levando informações de um para outro.
Como o sistema foi treinado
As empresas de inteligência artificial usam redes neurais, que aprendem ao analisar grandes volumes de dados digitais. Há cerca de dois anos, também passaram a aperfeiçoar esses sistemas com aprendizado por reforço, método baseado em tentativa e erro.
Na matemática, a técnica permite treinar modelos com milhares de problemas e indicar quais métodos levam às respostas corretas. Os sistemas podem ainda produzir demonstrações de teoremas na linguagem de programação Lean, criada originalmente para matemáticos humanos.
A OpenAI informou que concentrou esforços em Navier-Stokes depois de saber que outros pesquisadores investigavam questões semelhantes. A empresa declarou, porém, que não teve acesso aos trabalhos deles. Tristan Buckmaster, professor de matemática da Universidade de Nova York (NYU), havia informado que estudava temas parecidos com um matemático ligado à Anthropic, concorrente da OpenAI.
A companhia também disse que o uso de até 10 mil agentes tornou o processo “muito caro”, devido ao consumo de energia dos chips especializados. Noam Brown, cientista da OpenAI, afirmou que os custos tendem a diminuir conforme as empresas aumentam sua eficiência.
O resultado ainda será submetido à avaliação de matemáticos independentes. A demonstração em Lean foi publicada justamente para permitir essa análise e verificar como os agentes chegaram à solução proposta.
