OpenAI recorre a especialistas acadêmicos para transformar resultados de IA em compreensão científica

A OpenAI apresentou três resultados atribuídos a seus modelos internos: uma prova da conjectura de local smoothing em todas as dimensões (o que, segundo a empresa, resolve também as conjecturas de Kakeya e de restrição de Stein), uma refutação da Hipótese do Tempo Exponencial (ETH) e uma prova de existência rigorosa para teorias quânticas de campos em quatro dimensões, incluindo a QCD e Yang, Mills puro. Tudo isso é alegação da empresa. Os próprios grupos externos ainda vão verificar e explicar os resultados.

O ponto central é o processo. A OpenAI trata os manuscritos como dados brutos de pesquisa e convidou especialistas como shepherds. Cada área ficou com uma estratégia: matemática publica a saída da IA e deixa a comunidade se organizar; ciência da computação (grupo de Impagliazzo, Paturi e Williams) publicou a prova em linguagem natural e a formalização em Lean no GitHub, e a OpenAI aceitou financiar uma conferência; física (grupo de David Gross) decidiu segurar os artefatos da IA e escrever o trabalho por conta própria. As datas internas: a saída de matemática veio em 18 de outubro de 2026 e foi formalizada em Lean no dia seguinte, a refutação da ETH em 16 de outubro, e a formalização de Yang, Mills terminou em 16 de outubro de 2026. A empresa admite que não sabe qual abordagem funciona melhor e que a escolha dos shepherds cria assimetria de informação.

Em 22 de setembro de 2026, o CEVIU noticiou "OpenAI cria grupo consultivo para impulsionar a IA na Matemática", e em 7 de outubro de 2026, "OpenAI Revela Avanços de IA em Matemática com Repositório Aberto", com resultados publicados no GitHub e protocolos de revisão. A novidade agora é a extensão para ciência da computação e física e a troca do modelo de release: em vez de só publicar o repositório, a empresa entrega materiais a grupos externos que decidem o que divulgar. A matemática segue a estratégia de publicação direta adotada na versão de 6 de outubro de 2026.

Para quem trabalha com IA e pesquisa, a leitura é que o gargalo deixa de ser gerar provas e passa a ser verificar e interpretar. A formalização em Lean vira o filtro prático de confiança. Já a decisão do grupo de física de não publicar os artefatos mostra que não há consenso sobre como divulgar resultados de IA, e a ETH, citada em centenas de artigos, só terá peso depois da verificação independente.