OpenAI adota revisão externa após erro invalidar provas matemáticas geradas por IA

Três descobertas, um processo de verificação diferente

Em 26 de outubro de 2026 a OpenAI anunciou três resultados científicos, em matemática, ciência da computação e física, segundo o Canaltech. O anúncio vem menos de um mês depois da publicação de centenas de manuscritos produzidos com inteligência artificial pela empresa.

A diferença desta vez está no processo. Para os trabalhos de ciência da computação e física, a OpenAI passou a usar especialistas externos, chamados de shepherds, que acompanham a análise antes da divulgação pública. A mudança veio depois de um problema concreto: em 7 de outubro de 2026 a empresa retirou três manuscritos sobre classes de Weil e a conjectura de Hodge, porque pesquisadores encontraram um erro de sinal que invalidava os argumentos principais. Outros 14 manuscritos precisaram de correção.

O que cada área entregou

Por que a prova sobre ETH interessa a quem programa

A Hipótese do Tempo Exponencial foi proposta em 1999 por Impagliazzo e Paturi e é usada há décadas para explicar por que certos problemas computacionais resistem a soluções rápidas. Ela sustenta boa parte do raciocínio sobre limites de velocidade de algoritmos em ciência da computação teórica.

O trabalho da OpenAI apresenta um algoritmo capaz de contar todas as combinações possíveis que satisfazem uma fórmula lógica, incluindo o problema conhecido como 3-SAT (descobrir se existe uma combinação de valores verdadeiro ou falso que atenda a todas as condições de uma fórmula). Segundo a empresa, o método faz esse cálculo em menos tempo do que se esperava para esse tipo de problema, usando uma quantidade controlada de memória. Se a prova estiver correta, ela muda uma premissa que orienta há mais de 25 anos o desenho de algoritmos e as estimativas de dificuldade computacional.

Nada disso está confirmado. Impagliazzo, Paturi (ambos da UC San Diego) e Williams (MIT) deixaram isso explícito em carta aberta à comunidade de Ciência da Computação Teórica: participar da revisão não é validar a prova, e um resultado desse tamanho só vira ciência depois que outros pesquisadores reconstroem a demonstração de forma independente.

Como a checagem está sendo organizada

A pedido do grupo, a OpenAI liberou os materiais para consulta pública. Os pesquisadores montaram três canais para coordenar a participação de voluntários:

• Repositório ETH_Repository: reúne notas, explicações e correções produzidas por quem está analisando a prova
• Ethdiscussion.blog: espaço aberto para debate técnico sobre o argumento e suas consequências
• Formulário de feedback: organiza contribuições e ajuda a planejar uma reunião virtual até o fim de 2026

O grupo quer discutir também regras para pesquisa produzida por IA: quem recebe acesso antecipado a um resultado, como declarar conflito de interesse e como dividir crédito entre a descoberta feita pela IA e o trabalho humano de verificar cálculos, corrigir erros e explicar o resultado. Os pesquisadores também apontam a necessidade de apoiar estudantes que precisam se adaptar a esse novo modo de produzir ciência.

A crítica que a OpenAI ainda não resolveu

O painel consultivo de matemática AGMAI criticou justamente a escolha de revisores feita pela própria empresa que divulga o resultado. Segundo o grupo, selecionar pesquisadores específicos para receber descobertas antes do público pode dar acesso privilegiado a alguns acadêmicos, associar a reputação deles a provas ainda não verificadas e favorecer certas linhas de análise.

O AGMAI defende que laboratórios de IA publiquem os trabalhos em repositórios acadêmicos abertos, com provas formalizadas em Lean, além de transparência na escolha dos problemas de pesquisa e financiamento para verificação independente. Nesse último ponto a OpenAI já andou: destinou 5 milhões de dólares para apoiar matemáticos na análise das descobertas, segundo o Canaltech.

O que muda pra quem constrói com IA

O detalhe mais relevante pra quem desenvolve software não é a descoberta em si, é o artefato que a acompanha. Publicar a prova de matemática no GitHub com formalização em Lean cria algo que um chat de IA sozinho não entrega: um esqueleto lógico que pode ser checado passo a passo por uma ferramenta, em vez de depender só da explicação em linguagem natural do modelo.

Isso importa pra qualquer time que usa IA para gerar código, prova ou análise técnica e precisa decidir o quanto confiar no resultado sem reexecutar tudo do zero. O próprio caso do erro de sinal, que passou despercebido até invalidar três manuscritos inteiros, mostra que até um processo com revisão ainda deixa passar falha de nível básico quando ela está escondida numa cadeia longa de raciocínio.

A conta final ainda está em aberto. A física segue sem dados completos divulgados, a reunião virtual sobre a prova de ETH está marcada só para o fim de 2026 e, até esta data, nenhum dos três resultados anunciados em 26 de outubro passou por verificação independente concluída.

Fonte: Canaltech