Resumo:
Menos de um mês após a última vez que lançou centenas de artigos, a OpenAI anunciou mais três resultados "importantes" nas áreas de matemática, ciência da computação e física em 26 de outubro e, pela primeira vez, tentou deixar especialistas externos liderarem o processo de compreensão e divulgação dos resultados como um "pastor".
A maior diferença da abordagem anterior é a diferenciação das estratégias de divulgação: para resultados em ciência da computação e física, a OpenAI convida especialistas externos para liderar uma equipe para interpretar os resultados; para problemas matemáticos, os especialistas recomendam tornar público diretamente o resultado da IA e permitir que os pesquisadores organizem seu próprio trabalho de interpretação. A OpenAI posicionou os três manuscritos como uma espécie de “dados originais de pesquisa” em seu blog oficial e admitiu que “ainda não se sabe qual dos três métodos é o mais útil”.
Entre os três resultados, os resultados matemáticos visam a análise harmônica. Sogge propôs a "conjectura de suavidade local" em 1991 para discutir o comportamento das ondas durante o foco - o foco mais extremo deve ter vida curta e a intensidade do foco em momentos aleatórios é muito menor do que no pior caso. Como esta conjectura é extremamente básica, ela contém tanto a conjectura de Kakeya quanto a conjectura limitante de Stein. Em 2019, Guth, Wang e Zhang provaram a situação bidimensional e, em 2025, Wang e Zahl provaram a conjectura de Kakeya de três manutenções; e o modelo OpenAI deu prova da conjectura de suavidade local em qualquer dimensão, resolvendo assim a conjectura de Kakeya e a conjectura do limite de Stein em todas as dimensões. A nova prova é baseada em uma nova equação diferencial parcial auxiliar. A saída do modelo foi obtida em 18 de outubro de 2026, e a formalização Lean foi concluída no dia seguinte.
Na ciência da computação, os resultados apontam para a falsificação da “Hipótese do Tempo Exponencial” (ETH). ETH é uma conjectura de longo prazo sobre a complexidade computacional da satisfatibilidade das fórmulas booleanas. Está intimamente relacionado ao problema P vs. NP. Ele tem sido usado por um grande número de artigos no passado para derivar resultados condicionalmente difíceis em teoria dos grafos, biologia computacional, bancos de dados, geometria computacional e outros campos. OpenAI afirma que seu sistema prova que ETH não é verdadeiro e completou a verificação em Lean: o artigo fornece um algoritmo determinístico que pode contar com precisão o número de atribuições satisfatórias da fórmula CNF de largura fixa em tempo subexponencial e ocupa apenas espaço polinomial. O caso 3-SAT constitui uma refutação da ETH. Este trabalho foi examinado e interpretado por um grupo de trabalho independente liderado por Russell Impagliazzo, Ramamohan Paturi e Ryan Williams. Impagliazzo e Paturi foram os proponentes originais da ETH (em colaboração com Francis Zane). A pedido do grupo de trabalho, os materiais relevantes foram imediatamente tornados públicos; A OpenAI também se comprometeu a financiar uma conferência para discutir as implicações dos resultados para todo o campo. A contraprova em nível de linguagem natural foi gerada no dia 16 de outubro e formalizada no dia 17 de outubro.
Os resultados físicos fornecem uma prova estrita da existência de certas teorias de campos quânticos em interação contendo campos de calibre e férmions em quatro dimensões, abrangendo a cromodinâmica quântica (QCD) e uma versão unificada e completa do Modelo Padrão. O trabalho se baseia na abordagem de Balaban na teoria quântica de campos construtiva e também inclui como um subproblema uma prova da existência de uma teoria Yang-Mills pura - esta última faz parte do problema do Prêmio Milênio "Teoria Quântica Yang-Mills" do Clay Mathematics Institute. O Modelo Padrão não pode ser extrapolado para distâncias arbitrariamente curtas, e esta prova de existência é para a teoria grande unificada mais simples envolvendo os campos de calibre e férmions do Modelo Padrão. Este trabalho foi liderado por David Gross, vencedor do Prêmio Nobel de Física de 2004, e incluiu Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov; Jaffe co-pôs o Problema do Milênio Yang-Mills com Witten e co-fundou o Clay Institute of Mathematics, e Douglas acompanha o problema há vinte anos. O grupo de trabalho solicita que todos os contatos relevantes sejam enviados para
[email protegido]
. A prova do modelo em linguagem natural foi dada em 9 de setembro para a existência de Yang – Mills e em 18 de setembro para QCD. Devido à extensão e complexidade extremamente elevadas, o lançamento foi adiado para 16 de outubro, quando a formalização do Lean foi concluída; o grupo decidiu não divulgar os produtos gerados por IA por enquanto, mas escrever eles próprios o artigo.A OpenAI estabeleceu quatro princípios para estas colaborações externas: transparência, não exigindo que os participantes assinem acordos de confidencialidade, discussão livre, partilha de produtos intermédios e publicação de conclusões; não pedir honras académicas, não procurar crédito académico pelas descobertas geradas por modelos internos e convidar investigadores a participar não significa que tenham feito alguma coisa. Produziu as descobertas originais; reconhece as contribuições, o grupo de trabalho é creditado pela compreensão que construiu e pelos manuscritos e outros materiais que escreveu, e é responsável por citar adequadamente os pesquisadores, técnicas e ideias em que se baseia; independente, a participação é voluntária e não remunerada, os membros não falam em nome da OpenAI e a OpenAI não os representa.
Mas o modelo em si é controverso. A OpenAI reconhece que a escolha do “pastor” inicial determinará inevitavelmente quem participa primeiro e cria assimetria de informação, por isso acolhe opiniões externas sobre como expandir a participação. Críticas mais diretas vieram do AGMAI Mathematical Advisory Group formado pela própria OpenAI: No dia anterior (25 de outubro), o grupo afirmou claramente que "recomenda que as empresas de IA não devem adotar a prática de designar grupos específicos de pessoas para obter resultados primeiro, citando acesso desigual, tomando emprestada a reputação de outros e preconceito na seleção".
Em termos de apoio à investigação científica, a OpenAI mencionou o investimento anteriormente anunciado de 5 milhões de dólares para a Fundação Simons. Este fundo é gerido e distribuído pela fundação para apoiar seminários, conferências e programas especiais para ajudar os investigadores a compreender e continuar a trabalhar com base nos resultados gerados pela IA.
Comentários