Cover O anúncio da “OpenAI” sobre a resolução de Navier–Stokes vai muito além do simples cálculo matemático.
O anúncio da “OpenAI” sobre a resolução de Navier–Stokes vai muito além do simples cálculo matemático.
1 / 1
O anúncio da “OpenAI” de que resolveu o problema de Navier–Stokes transcendeu rapidamente o campo da matemática. Por trás desta solução, revela-se a feroz competição entre a “OpenAI” e a Anthropic, controvérsias sobre mérito científico, dados de pesquisa e um dilema existencial: quando as empresas detentoras da infraestrutura de IA também produzem conhecimento, quem estabelece as regras do jogo?
Um problema matemático torna-se o campo de batalha de duas potências
No dia 1 de setembro, a “OpenAI” ouviu rumores. Um ou dois dos Problemas do Milénio — desafios matemáticos de renome anunciados pelo Clay Mathematics Institute em 2000 — poderiam ter sido finalmente resolvidos. As especulações apontavam para a Anthropic, a maior rival da “OpenAI” na corrida pelo desenvolvimento de inteligência artificial avançada.
Na altura, a “OpenAI” treinava um novo modelo interno com capacidades matemáticas descritas pela empresa como superiores às gerações anteriores. Em vez de aguardar a confirmação, testaram o modelo em todos os Problemas do Milénio pendentes e outros desafios relevantes. No caso de Navier–Stokes, o sistema mobilizou cerca de 10.000 agentes de IA a trabalhar simultaneamente. Segundo a “OpenAI”, os agentes trocaram 2,7 milhões de mensagens, gerando aproximadamente 130 mil milhões de unidades de texto até à resolução. A 5 de setembro, a solução estava formada e, a 8 de setembro, a “OpenAI” anunciou o resultado.
Entre os sete Problemas do Milénio, Navier–Stokes relaciona-se com equações que descrevem o movimento de fluidos e gases. A questão, que persiste há quase um século, é saber se, a partir de condições iniciais perfeitamente suaves, as equações podem criar um ponto singular onde a velocidade se torna incontrolável. Cada problema resolvido e validado pelo Clay Mathematics Institute rende um prémio de 1 milhão de dólares.
O problema é que a “OpenAI” não era a única a aproximar-se deste marco.
Leia também: Future Newsrooms Study 2026: Redações para além da era do alcance
Durante o mês de agosto, Tristan Buckmaster, professor de matemática na Universidade de Nova Iorque, estudou silenciosamente uma série de questões relacionadas em conjunto com Levent Alpöge. Alpöge é um matemático que trabalha na Anthropic, embora o projeto fosse um esforço pessoal. Ambos utilizaram vários sistemas de IA, desde a “OpenAI” e Anthropic até ao Google DeepMind, para apoiar a investigação. Basearam-se também em conceitos desenvolvidos por outros investigadores ao longo dos anos. Buckmaster sublinha que esta abordagem não é algo que pudesse surgir em poucos dias apenas por inserir o enunciado num modelo.
Após ouvir rumores sobre os progressos da Anthropic, a “OpenAI” acelerou o processo. Segundo o Financial Times, a empresa gastou milhões de dólares no esforço de resolução. Posteriormente, a “OpenAI” confirmou que estava ciente de que o rumor envolvia Buckmaster e Alpöge.
Uma corrida matemática, que tradicionalmente ocorre entre pequenos grupos de investigação, assumiu agora a escala de uma campanha industrial. De um lado, matemáticos que perseguem a investigação há semanas, com base num conjunto de ideias académicas acumuladas ao longo de anos. Do outro, modelos potentes, poder computacional massivo e a capacidade de mobilizar milhares de agentes simultaneamente.
Leia também: Tatler Longevity Curated: Diálogo sobre a qualidade de vida
Above Tristan Buckmaster, professor de matemática da Universidade de Nova Iorque, num momento de reflexão sobre os avanços da “OpenAI” e da IA.
Tristan Buckmaster, professor de matemática da Universidade de Nova Iorque, num momento de reflexão sobre os avanços da “OpenAI” e da IA.
1 / 1
O que aconteceu a seguir tornou a linha entre a ciência e a competição corporativa ainda mais ténue.
Após alcançar a solução, a “OpenAI” abordou Buckmaster. A empresa ofereceu-lhe a possibilidade de publicar os seus resultados primeiro, fornecendo recursos computacionais adicionais e até permitindo que ele aparecesse como o autor principal num artigo sobre a solução da “OpenAI”. Segundo Buckmaster, a “OpenAI” também se mostrou disposta a propor que ele e o seu colaborador recebessem o prémio de 1 milhão de dólares.
O nó górdio reside no nome do colaborador: Levent Alpöge, funcionário da Anthropic.
Buckmaster afirma que a “OpenAI” não queria Alpöge como coautor. Sébastien Bubeck, que liderou os esforços matemáticos da “OpenAI”, refutou alguns detalhes do relato de Buckmaster, mas explicou francamente ao The New York Times: da perspetiva da “OpenAI”, era difícil para um projeto interno da empresa incluir um funcionário da Anthropic como autor.
Buckmaster recusou a oferta. Disse ao The New York Times que não estava interessado no milhão de dólares, nem em saber quem cruzaria a meta primeiro. Ele “apenas queria fazer parte da história” matemática. No fim, acabou por se tornar uma personagem numa história muito maior sobre a “OpenAI” e a Anthropic. “Sou apenas alguém de fora destas competições triviais”, afirmou.
Mas Buckmaster também não está totalmente fora. Ele está a utilizar as mesmas ferramentas fornecidas por ambos os lados para conduzir a sua investigação. E é esse o ponto que torna o caso difícil de classificar como uma simples disputa de autoria.
As ferramentas também podem tornar-se rivais
Durante a investigação, Buckmaster utilizou o Codex da “OpenAI” para ajudar a processar e limpar os argumentos matemáticos complexos gerados no seu trabalho com IA. Após a “OpenAI” anunciar a solução, ele questionou: o conteúdo que introduziu no sistema terá contribuído para a capacidade do modelo subsequente?
Buckmaster deixou claro que não tem provas de que tal tenha ocorrido. A “OpenAI” também refutou a possibilidade de que os seus comandos nos dois meses anteriores à publicação pudessem influenciar o sistema utilizado para resolver Navier–Stokes. A empresa afirmou que o modelo foi construído com base num modelo pré-treinado e desenvolvido através de aprendizagem por reforço em larga escala; após investigação, a “OpenAI” declarou que os dados de entrada após 3 de julho não poderiam afetar o sistema da forma que Buckmaster suspeitava.
Noutra declaração citada pelo Financial Times, a “OpenAI” referiu que não acedeu a dados específicos de nenhum utilizador para resolver o problema, embora não possa descartar totalmente a possibilidade de dados anonimizados da utilização dos seus produtos terem contribuído para o aperfeiçoamento do modelo.
Durante décadas, um cientista podia utilizar computadores, software estatístico ou bases de dados como ferramentas de apoio. O fabricante da ferramenta raramente era, ao mesmo tempo, um agente capaz de intervir diretamente no problema, mobilizar recursos muito superiores aos de um laboratório universitário e gerar resultados que competem com o próprio utilizador do produto.
A IA desempenha três papéis que começam a confundir-se.
É uma ferramenta, pois o cientista utiliza-a para desenvolver hipóteses e processar trabalho.
É uma infraestrutura, pois o modelo, o poder computacional, os dados e as condições de acesso pertencem a um punhado de empresas.
E torna-se cada vez mais claro que pode tornar-se um agente de investigação, criando diretamente provas, programas ou descobertas onde anteriormente o ser humano era o sujeito central.
Above A evolução tecnológica da “OpenAI” está a transformar a própria natureza da investigação científica moderna.
A evolução tecnológica da “OpenAI” está a transformar a própria natureza da investigação científica moderna.
1 / 1
No caso Navier–Stokes, os três papéis sobrepõem-se. Isto levanta um problema: quando um cientista envia pensamentos não publicados, passos de tentativa e erro ou hipóteses rudimentares para um sistema de IA, como deve ser entendida a relação entre eles e a empresa fornecedora?
Esta não é apenas uma questão de propriedade intelectual em sentido legal. Relaciona-se com a posição da infraestrutura privada na formação do conhecimento. Se a capacidade de descoberta depende cada vez mais de sistemas computacionais massivos, o poder científico também pode deslocar-se para as organizações que os controlam.
Buckmaster observa essa mudança no seu próprio trabalho. Ele partilha que a experiência de investigação com IA é estimulante, mas também inquietante. Quando o modelo começa a avançar mais rapidamente do que o humano nos passos do raciocínio, ele questiona se o seu papel é o de um descobridor ou se está gradualmente a tornar-se um leitor e verificador dos resultados da máquina. “Onde fica a parte do ser humano?”, pergunta ele.
Uma corrida que ninguém consegue parar
A relação entre a “OpenAI” e a Anthropic faz com que a história de Navier–Stokes vá muito além de uma disputa matemática.
A Anthropic surgiu em 2021 de um grupo de ex-funcionários da “OpenAI”, devido a divergências sobre como desenvolver sistemas de IA cada vez mais potentes. Desde então, a empresa construiu a sua imagem em torno de uma filosofia mais cautelosa em relação aos riscos da inteligência artificial. Contudo, anos depois, ambos tornaram-se rivais diretos em quase todas as frentes: talento, tecnologia, produtos, reputação e mercado de capitais. O Financial Times descreve esta como uma das competições mais intensas na indústria da IA atual.
Tanto a “OpenAI” quanto a Anthropic reconheceram repetidamente os riscos associados aos sistemas de IA em rápida evolução. No entanto, a competição pela capacidade dos modelos, talentos e quota de mercado continua a crescer. Este ano, a Anthropic ajustou algumas das suas políticas de desenvolvimento responsável, citando a pressão dos rivais e as limitações dos compromissos unilaterais quando outras empresas não estão sujeitas às mesmas restrições.
Surge um paradoxo difícil de resolver: uma empresa pode querer ser mais cautelosa, mas reduzir a velocidade sozinha pode significar ceder vantagem à concorrência. O caso Navier–Stokes ilustra este mecanismo: ao saber que o rival estava perto de uma grande conquista, a “OpenAI” mobilizou imediatamente recursos computacionais massivos.
Três dias após a “OpenAI” anunciar a solução, Terence Tao e 24 outros vencedores da Medalha Fields emitiram uma declaração conjunta intitulada A Severe Misalignment of AI in Mathematics (Um desalinhamento severo da IA na matemática). Não negam a capacidade matemática crescente da IA. O que alertam é que a utilização de problemas famosos como métrica de capacidade pode empurrar os objetivos corporativos e os da comunidade matemática em direções opostas.
Above Terence Tao alerta sobre os perigos do desalinhamento da IA nos objetivos científicos globais.
Terence Tao alerta sobre os perigos do desalinhamento da IA nos objetivos científicos globais.
1 / 1
Uma solução importante abre frequentemente novos métodos, conceitos e interpretações, sendo depois estudada, testada, simplificada e integrada no conhecimento comum. Quando a capacidade de gerar soluções aumenta mais rapidamente do que a capacidade da comunidade de as absorver, questões de crédito, citações e prioridade tornam-se cada vez mais complexas.
Por isso, o alerta de Tao e dos seus colegas é notável, pois surge precisamente quando um problema académico foi arrastado para a órbita competitiva entre duas grandes empresas tecnológicas.
Navier–Stokes é, talvez, um caso favorável para observar esta transição. A matemática tem padrões de verificação claros e uma tradição de reconhecimento de mérito, mas, mesmo nesse ambiente, a fronteira entre ferramentas, colaboradores e rivais tornou-se difusa.
Se isto aconteceu na matemática, questões semelhantes serão ainda mais intrincadas na biomedicina, na farmacêutica ou no design de chips, onde o conhecimento científico está diretamente ligado a ativos comerciais.
O caso Navier–Stokes não determina quem vencerá a corrida da IA, seja a “OpenAI” ou a Anthropic. Ele demonstra um problema a longo prazo: quando marcos científicos se tornam métricas de capacidade tecnológica, a competição entre empresas pode impactar negativamente a forma como o conhecimento é gerado, registado e distribuído.
A matemática é apenas o terreno onde esta mudança surgiu mais cedo e de forma mais clara.
LEIA TAMBÉM
Quando o “laboratório aberto” lidera o ecossistema de tecnologia estratégica
Quando os robôs entram no bloco operatório: A ambição da Cornerstone Robotics
Futures in Education: Transformar o conhecimento em desenvolvimento
Lang Minh
