Por décadas, uma das questões não resolvidas mais importantes da matemática ficou na interseção entre a física e a abstração pura: as equações que descrevem como os fluidos se movem sempre produzem respostas sensatas, ou elas podem falhar? No dia 8 de setembro, a OpenAI anunciou que gerou uma demonstração provando que elas podem, de fato, falhar. Isso a torna o primeiro problema em aberto verdadeiramente importante da matemática a ser resolvido por um computador, de acordo com a empresa.
O Problema que Deixou Matemáticos Sem Resposta por Gerações
As equações de Navier-Stokes são o modelo matemático padrão para o movimento de fluidos. Elas descrevem como líquidos e gases se comportam, desde o sangue fluindo pelas artérias até o ar se movendo ao redor da asa de uma aeronave. A questão no centro de um dos sete “Problemas do Milênio” propostos pelo Clay Mathematics Institute era enganosamente simples: essas equações sempre produzem soluções suaves e comportadas, ou podem gerar algo fisicamente impossível?
A resposta da OpenAI é a segunda opção. De acordo com o cientista da computação Ven Chandrasekaran, que falou em uma coletiva de imprensa, a demonstração prova que existem fluidos que, quando regidos pelas equações de Navier-Stokes, podem teoricamente atingir velocidade infinita em um tempo finito. Esse resultado é fisicamente impossível para qualquer fluido real. Nenhum líquido ou gás se comporta realmente dessa maneira. O que o resultado revela é que, sob certas condições, as equações podem não espelhar de forma confiável a realidade física. Em outras palavras, a matemática pode produzir absurdos, e agora existe uma demonstração formal disso.
Cada um dos sete Problemas do Milênio oferece um prêmio de US$ 1 milhão do Clay Mathematics Institute. Martin Bridson, o presidente do instituto, descreveu o anúncio como “um dia empolgante” enquanto o mundo contempla “avanços importantes na compreensão humana da matemática.”
Uma Corrida Com Múltiplas Frentes
O que torna este momento particularmente marcante é que a OpenAI não estava sozinha na busca pelo problema. O anúncio veio em meio a um conjunto de esforços paralelos que se desenrolaram a poucos dias uns dos outros.
No dia 7 de setembro, os matemáticos Levent Alpöge, da Universidade de Harvard, e Tristan Buckmaster, da Universidade de Nova York, divulgaram um artigo apresentando uma solução para uma versão simplificada do enigma do movimento de fluidos: o caso em que o fluido não tem viscosidade. O trabalho deles também demonstrou que a velocidade infinita poderia ser alcançada sob essas condições. Para chegar a esse resultado, eles usaram uma combinação de ferramentas: o modelo Claude da Anthropic AI, e os modelos Codex e Astra da OpenAI. Eles também afirmaram que uma solução para o problema mais geral estava a caminho.
No mesmo dia, Anima Anandkumar, cientista da computação do California Institute of Technology, e seus colaboradores divulgaram sua própria solução para a versão sem viscosidade, usando uma abordagem técnica diferente: uma rede neural informada pela física, em vez de um grande modelo de linguagem de uso geral.
A OpenAI, por sua vez, vinha testando seu protótipo de IA mais recente em todos os seis Problemas do Milênio atualmente não resolvidos. No dia 1º de setembro, após ouvir relatos de que Alpöge e Buckmaster estavam perto de um resultado, a empresa redirecionou seus recursos especificamente para o problema de Navier-Stokes. A escala de computação envolvida foi substancial. O matemático da OpenAI Sebastian Bubeck disse aos jornalistas que o modelo primeiro resolveu uma versão simplificada da questão em 50 horas, usando 1.000 agentes de IA. A equipe então escalou o processo, implantando 10.000 agentes para enfrentar o problema completo de Navier-Stokes. Bubeck descreveu o momento como “o culminar espetacular do arco que vimos nos últimos 12 meses,” à medida que os sistemas de IA enfrentavam problemas de crescente complexidade e importância.
Terence Tao, matemático da Universidade da Califórnia em Los Angeles, descreveu o trabalho de Alpöge e Buckmaster como uma “conquista notável.”
Por Que Isso Importa Além das Equações
Aqui está o que a maior cobertura desta história corre o risco de perder: a importância não está apenas no fato de que um problema famoso foi resolvido. Está no que o processo revela sobre a relação em mudança entre a expertise humana e o poder computacional na descoberta científica.
O resultado de Navier-Stokes não emergiu de um único sistema de IA trabalhando de forma isolada. Ele emergiu de uma colaboração densa: matemáticos humanos direcionando o esforço, modelos de IA gerenciando a carga computacional em uma escala que nenhuma equipe humana conseguiria sustentar, e múltiplos grupos de pesquisa trabalhando em paralelo, cada um usando ferramentas e abordagens diferentes. Os 10.000 agentes que a OpenAI implantou representam uma forma de trabalho intelectual que amplia o que os pesquisadores humanos podem buscar, e não uma substituição para a intuição matemática que estruturou a questão em primeiro lugar.
O fato de três grupos separados terem chegado a resultados relacionados em questão de dias uns dos outros também sinaliza algo sobre o momento atual da ciência auxiliada por IA. As ferramentas alcançaram um limiar onde problemas genuinamente difíceis, problemas que resistiram ao esforço humano por gerações, estão agora ao alcance. Isso muda o que as equipes de pesquisa podem tentar, e muda o ritmo em que a matemática e a física podem avançar.
Resumindo
A OpenAI anunciou no dia 8 de setembro que provou que as equações de Navier-Stokes podem falhar, resolvendo um dos sete Problemas do Milênio propostos pelo Clay Mathematics Institute. A demonstração mostra que fluidos teóricos regidos por essas equações podem atingir velocidade infinita, um resultado fisicamente impossível que revela limites no próprio modelo. Outros dois grupos de pesquisa, um liderado pelos matemáticos Alpöge e Buckmaster usando múltiplas ferramentas de IA, e um liderado por Anandkumar usando uma rede neural informada pela física, divulgaram resultados relacionados no mesmo dia. A OpenAI usou 10.000 agentes de IA para enfrentar o problema completo. O resultado é um marco não apenas para a matemática, mas para o que a pesquisa científica aumentada por IA agora pode realizar.
Com base em reportagem de Nature: Machine Learning.