10 avanços que mostram como a Inteligência Artificial já está a transformar a investigação matemática
A OpenAI anunciou que um modelo interno de investigação – uma versão prévia do que chama Astra – produziu resolução ou avanço substancial em dez problemas matemáticos que estavam em aberto há pelo menos uma década, alguns há muito mais tempo. Para quem ensina Matemática, este não é apenas mais um anúncio tecnológico: é um sinal do que os nossos alunos vão encontrar pela frente.
Factos principais
A OpenAI anunciou, a 1 de agosto de 2026, no seu site oficial de investigação, que um modelo interno ainda não lançado publicamente – uma versão prévia do que chama “Astra” – produziu novos resultados para dez problemas de matemática e ciência da computação teórica considerados difíceis e sem progresso há, no mínimo, uma década. Os argumentos foram publicados num artigo científico e num conjunto de “narrações de raciocínio”, nas quais o modelo explica, passo a passo, como chegou a cada solução, e foram depois formalizados em Lean, uma linguagem de verificação matemática que permite confirmar, de forma automática e rigorosa, se uma demonstração está correta.
O que foi realmente anunciado
Antes de mais, uma nota de rigor importante para quem ensina: os resultados anunciados pela OpenAI não são “problemas do milénio” resolvidos, nem se comparam, em fama, à Conjetura de Poincaré ou ao Último Teorema de Fermat. São, ainda assim, problemas genuínos e reconhecidos pelas respetivas comunidades científicas – em áreas como a geometria de dimensão elevada, a teoria de códigos, a complexidade de circuitos aritméticos, a teoria de grupos, as álgebras de operadores, a complexidade quântica, a criptografia baseada em reticulados (a base da criptografia pós-quântica) e a combinatória extremal. Um exemplo ajuda a tornar isto concreto: um dos problemas perguntava se existe algum grupo (uma estrutura algébrica com uma operação, como a soma ou a composição) cuja “tabela de multiplicação” não pode ser aproximada, ainda que apenas em pedaços finitos, por simples trocas de posições num conjunto finito de elementos. A questão estava em aberto desde o ano 2000 e o modelo da OpenAI construiu um exemplo concreto de um grupo com essa propriedade.
Entre os dez resultados destacam-se, por exemplo, novos limites superiores para a densidade de empacotamento de esferas em muitas dimensões, uma demonstração da existência de grupos não sóficos (uma questão central em teoria de grupos), a refutação de uma conjetura de décadas sobre álgebras de von Neumann, e a resolução de dois problemas de Erdős em combinatória extremal, entre outros avanços em criptografia e complexidade computacional.
Em linguagem simples
Um sistema de inteligência artificial gerou, sozinho, os argumentos matemáticos para resolver ou avançar dez problemas académicos difíceis. Humanos organizaram esses argumentos em artigos científicos e o próprio modelo ajudou a verificá-los formalmente, com recurso a software de demonstração automática. A OpenAI foi transparente ao afirmar que a autoria intelectual dos argumentos pertence ao sistema, não aos investigadores humanos – algo que a própria empresa considera uma questão importante de honestidade científica.
Uma curiosidade para partilhar com os alunos
Um dos dez problemas – sobre o crescimento dos chamados números de Ramsey multicolor – tinha, literalmente, um prémio associado: o matemático húngaro Paul Erdős, conhecido por oferecer dinheiro do seu próprio bolso a quem resolvesse problemas que o intrigavam, chegou a prometer 250 dólares a quem determinasse a taxa exata de crescimento deste número, e 100 dólares apenas para provar que esse valor era finito. É um ótimo ponto de partida para mostrar aos alunos que, em Matemática, mesmo perguntas simples de formular podem resistir décadas sem resposta.
Vale ainda referir que este anúncio surge poucos meses depois de a OpenAI ter divulgado, em maio de 2026, uma refutação gerada por IA da conjetura da distância unitária de Erdős – um episódio que já tinha gerado debate na comunidade matemática e que, segundo a própria empresa, inspirou trabalho de investigação subsequente por parte de matemáticos “humanos”.
Porque é que isto interessa a quem ensina Matemática
É fácil olhar para nomes como “números de Ramsey multicolor” ou “problema do vetor mais próximo” e sentir que isto pertence a um universo distante da sala de aula do 3.º ciclo ou do secundário. Mas há pelo menos três razões concretas para os professores de Matemática prestarem atenção a este tipo de notícia.
Ideias práticas para a sala de aula
Não é preciso explicar reticulados criptográficos ou álgebras de von Neumann aos alunos para tirar partido desta notícia. Aqui ficam algumas sugestões, adaptáveis a diferentes níveis de ensino:
- 3.º ciclo: usar o anúncio como mote para uma conversa sobre o que é um “problema em aberto” em Matemática – mostrando que, ao contrário do que muitos alunos pensam, nem tudo em Matemática já foi descoberto.
- Secundário (Matemática A ou B): explorar o exemplo do empacotamento de esferas como aplicação concreta de otimização e geometria em várias dimensões, ligando-o a problemas mais simples de empacotamento em 2D e 3D que os alunos conseguem visualizar.
- Turmas com forte componente de raciocínio lógico: usar a ideia de “verificação formal em Lean” para discutir a diferença entre intuição matemática, prova informal e demonstração formal – e porque é que só a demonstração formal é aceite pela comunidade científica.
- Debate interdisciplinar (Matemática + Cidadania/Filosofia): discutir a questão da autoria – a OpenAI afirma explicitamente que atribuir a um humano uma demonstração gerada por IA seria desonesto. É um excelente ponto de partida para falar de ética, integridade académica e autoria também no contexto escolar.
“Claiming human authorship for a proof generated entirely by an AI system would misrepresent both the system’s contribution and the nature of genuine human intellectual work.”
– OpenAI, comunicado oficial (agosto de 2026)
Perguntas frequentes
A IA “resolveu” os maiores problemas da Matemática, como a Hipótese de Riemann?
Não. Os dez problemas anunciados são reconhecidos e difíceis, mas não pertencem à categoria dos “problemas do milénio”. Nenhum deles foi comparado pela OpenAI a esse nível de dificuldade ou de fama.
Como se garante que as demonstrações estão mesmo corretas?
Cada argumento foi formalizado em Lean, um sistema de verificação matemática que confirma, de forma automática, se cada passo lógico da demonstração é válido – um processo independente da confiança que se possa (ou não) ter no modelo de IA.
Isto significa que os matemáticos vão deixar de ser precisos?
Não é essa a leitura que devemos fazer. A própria OpenAI apela ao envolvimento da comunidade matemática para contextualizar estes resultados e desenvolver novas linhas de investigação a partir deles – o papel humano desloca-se, mas não desaparece.
Um horizonte mais amplo: a IA ao serviço da investigação científica
Esta notícia sobre Matemática é também um exemplo de um fenómeno mais vasto. Cada vez mais, sistemas de inteligência artificial deixam de ser apenas ferramentas de apoio e passam a atuar como colaboradores ativos em investigação científica, em áreas que vão muito além da Matemática pura. Na medicina, por exemplo, modelos de IA já ajudam a prever a estrutura tridimensional de proteínas, a identificar novos compostos com potencial terapêutico e a acelerar etapas de investigação que, até há poucos anos, exigiam longos períodos de trabalho laboratorial. Em campos como a ciência dos materiais, a modelação climática ou a biologia molecular observam-se avanços semelhantes, com potencial para encurtar de forma significativa o tempo entre a descoberta científica e a sua aplicação prática – seja no desenvolvimento de novos medicamentos, seja na resposta a desafios como as alterações climáticas.
Para quem ensina, este panorama reforça, mais do que contraria, a importância de formar alunos capazes de pensar de forma rigorosa, verificar argumentos e distinguir uma afirmação plausível de uma demonstração sólida – exatamente as competências que discutimos ao longo deste artigo a propósito da Matemática. Seja qual for a área científica, o valor do trabalho humano tende a deslocar-se da produção de respostas para a formulação de boas perguntas, a interpretação crítica dos resultados e a responsabilidade sobre o que deles se faz. É essa capacidade que a escola continua a ter a responsabilidade de desenvolver.
Fontes:
OpenAI, “Ten advances in mathematics and theoretical computer science”, 1 de agosto de 2026 – openai.com/index/ten-advances-in-mathematics
Artigo científico completo (em inglês, texto avançado): Ten Advances in Mathematics and Theoretical Computer Science (PDF)
