OpenAI e Anthropic: o que acontece quando a IA desafia uma teoria da computação?
Modelos das duas empresas produziram demonstrações que podem refutar uma conjectura central da ciência da computação
A inteligência artificial está começando a produzir resultados que desafiam ideias consolidadas da ciência.
OpenAI e Anthropic afirmam que seus modelos encontraram demonstrações matemáticas capazes de refutar a Hipótese do Tempo Exponencial (ETH), uma conjectura usada há décadas para estudar os limites da eficiência dos algoritmos.
O caso chamou a atenção de pesquisadores porque essa hipótese fundamenta centenas de trabalhos acadêmicos sobre problemas computacionais.
As duas empresas apresentaram resultados semelhantes em um intervalo curto, mas as alegações ainda precisam ser examinadas pela comunidade científica antes de serem consideradas avanços consolidados.
Leia também: OpenAI diz ter feito em 88 horas o que a matemática não resolveu em 90 anos
O QUE É A HIPÓTESE DO TEMPO EXPONENCIAL
A Hipótese do Tempo Exponencial está relacionada ao problema 3-SAT, que consiste em determinar se existe uma combinação de valores capaz de tornar verdadeira uma fórmula lógica composta por variáveis e cláusulas.
A conjectura sustenta, de maneira simplificada, que não existe um algoritmo capaz de resolver todos esses problemas em tempo subexponencial.
Segundo a Scientific American, a hipótese é uma referência importante na teoria da complexidade computacional. Pesquisadores a utilizam para demonstrar limites de eficiência em áreas como teoria dos grafos, bancos de dados e biologia computacional.
Se a ETH for realmente refutada, será necessário revisar parte dos resultados que dependem dela. Isso não significa, porém, que todos os problemas computacionais passarão a ser resolvidos rapidamente ou que a questão P versus NP estará solucionada.
COMO OPENAI E ANTHROPIC CHEGARAM A RESULTADOS SEMELHANTES
A OpenAI afirmou que seus modelos encontraram uma refutação da ETH e que a demonstração foi formalizada com Lean, uma ferramenta usada para verificar provas matemáticas. A empresa também disponibilizou os materiais para análise pública e propôs uma colaboração com pesquisadores externos para examinar as implicações do resultado.
A Anthropic apresentou uma demonstração própria, produzida com um modelo interno da família Claude. A proximidade entre os anúncios levantou dúvidas sobre a origem das soluções, a possibilidade de elas se apoiarem em trabalhos anteriores e a independência dos resultados.
POR QUE AS DESCOBERTAS AINDA PRECISAM DE REVISÃO
A formalização em Lean permite verificar se uma demonstração segue regras lógicas definidas. No entanto, a avaliação científica também precisa considerar as hipóteses adotadas, o alcance dos resultados e a relação com o conhecimento já existente.
A OpenAI informou que pesquisadores independentes vão examinar o resultado relacionado à computação, com acesso aos materiais e liberdade para publicar suas conclusões. A iniciativa busca ampliar a transparência e permitir que outros cientistas avaliem as alegações.
O episódio mostra que a IA pode contribuir para investigações complexas, mas gerar uma demonstração não encerra o debate. A confirmação independente será decisiva para determinar se os resultados representam uma mudança real na compreensão dos limites da computação.
