IA da Anthropic Gera Prova do Último Teorema de Fermat, Mas Desafia Adoção Ampla

A demonstração da Anthropic de uma prova gerada por IA para o Último Teorema de Fermat, validada em Lean, representa um marco impressionante na capacidade da IA. É importante contextualizar: a IA não resolveu o teorema, que já havia sido provado por Andrew Wiles em mil novecentos e noventa e quatro. O feito da Anthropic é a geração autônoma de uma prova formal, verificável mecanicamente.

A prova, com massivas treze milhões de linhas de código, desafia o que se entende por praticidade em verificação formal. Embora sua correção seja inegável, atestada por múltiplos verificadores, incluindo um kernel independente em Rust (nanoda), a escala do artefato impede sua análise e reuso por humanos. Os 29.511 teoremas intermediários não são legíveis ou citáveis como conceitos matemáticos padrão, limitando a contribuição direta ao conhecimento matemático modular e estruturado como o Mathlib.

Coberturas anteriores do CEVIU, como a de 3 de julho de 2026, sobre o "Desafio Ramanujan", destacavam que a IA ainda lutava para ir além da geração de fórmulas, para criar provas matemáticas reais. O desenvolvimento da Anthropic muda essa percepção, mostrando a capacidade de gerar uma prova completa e formal para um teorema complexo. O que antes era uma luta, agora é uma realidade técnica.

Houve uma evolução notável nos requisitos de hardware. O artigo-fonte observa que, em agosto de dois mil e vinte e seis, verificações de provas de IA eram possíveis em hardware de consumo. Agora, a prova da Anthropic exige cerca de 300 GB de RAM para verificação completa, uma barreira que limita o acesso e a capacidade de auditoria independente da maioria dos desenvolvedores e pesquisadores. A expectativa de que qualquer pessoa pudesse verificar se transformou em um requisito institucional.

Este avanço tem implicações diretas para a verificação formal de software, uma área crítica para a segurança e confiabilidade de sistemas. A capacidade de gerar provas mecanicamente verificáveis, mesmo que em grande volume, aponta para um futuro onde a correção de sistemas complexos pode ser garantida com maior rigor. Por outro lado, a ilegibilidade e a não-reusabilidade das provas geradas pela IA levantam questões sobre a experiência do desenvolvedor (DX) e a integração dessas ferramentas em fluxos de trabalho existentes. A IA é excelente em "preencher a prova" quando a "pergunta" já foi formulada por humanos. O trabalho de formalizar e definir problemas permanece humano.

O gargalo da revisão humana de código gerado por IA é evidente. A comunidade Mathlib, conforme o artigo-fonte detalha, já tem milhares de Pull Requests aguardando revisão. Adicionar treze milhões de linhas de código gerado por IA, de difícil interpretação, agravaria enormemente essa situação. Isso força a indústria a repensar como a IA pode contribuir para bases de conhecimento colaborativas, mantendo a qualidade, a interpretabilidade e a modularidade essenciais para o desenvolvimento de software.