Resolver um dos sete Problemas do Milênio da matemática — cada um com prêmio de US$ 1 milhão do Clay Mathematics Institute — já seria notícia por si só. Quando duas equipes anunciam soluções para o mesmo problema em poucos dias, a notícia vira polêmica.
Foi o que aconteceu com o problema de existência e suavidade de Navier-Stokes, equação que descreve o comportamento de fluidos e intriga matemáticos há décadas.
Neste artigo você entende os dois lados da história: a acusação de um professor da NYU contra a OpenAI e a resposta da empresa.
O que aconteceu, em ordem
Tristan Buckmaster, professor de matemática da NYU, e Levent Alpöge, matemático que trabalha na Anthropic, anunciaram três provas para o problema numa terça-feira, usando os modelos Codex e Claude como ferramenta de apoio.
Pouco depois, a OpenAI publicou sua própria prova completa do mesmo problema. Segundo a empresa, a pesquisa começou em 1º de setembro e consumiu 300 bilhões de tokens, o equivalente a US$ 22,5 milhões em poder computacional.
A acusação de Buckmaster
Buckmaster afirma que informações sobre o progresso do seu trabalho foram repassadas à OpenAI antes da publicação da prova da empresa. Segundo ele, “um time inteiro estava trabalhando no problema” e “uma quantidade insana de computação foi usada” depois desse contato.
Ele também alega que um pesquisador da OpenAI, identificado como Bubeck, pediu para remover o crédito de Alpöge como parte de um “compromisso”, e relata ter recebido uma mensagem em tom de ameaça: “Se você não quer que eu seja gentil, então não preciso ser.”
A resposta da OpenAI
A empresa nega ter tido acesso a dados específicos do trabalho de Buckmaster. Ainda assim, reconhece que dados de-identificados “poderiam ter ajudado” no treinamento ou uso dos modelos envolvidos na pesquisa.
A OpenAI também afirma que as provas apresentadas pelos dois lados “diferem significativamente” entre si — ou seja, mesmo que tenha havido troca de informação, o caminho matemático até a solução não seria o mesmo.
O Que Esse Caso Revela Sobre IA na Pesquisa Científica
Independente de quem está certo na disputa entre Buckmaster e a OpenAI, o episódio mostra algo que vai muito além dessa polêmica específica: modelos de IA já são ferramentas reais de apoio em pesquisa matemática de ponta, não só curiosidades de laboratório.
Problemas que levaram décadas para avançar, como o de Navier-Stokes, agora veem progresso em semanas quando equipes humanas combinam seu conhecimento especializado com a capacidade de busca e verificação desses modelos.
Esse avanço rápido, porém, está acontecendo sem que a comunidade científica tenha ainda protocolos claros de colaboração entre pesquisadores acadêmicos e empresas de IA.
Quando informações preliminares de uma pesquisa em andamento circulam informalmente — por e-mail, mensagem ou conversa — antes de uma publicação formal, fica difícil provar depois quem influenciou quem, mesmo que ninguém tenha agido de má-fé.
É provável que episódios como esse se tornem mais comuns conforme mais prêmios e problemas matemáticos relevantes passem a ter IA como ferramenta de apoio direto.
Isso torna ainda mais necessário que universidades e empresas de IA combinem, antes da pesquisa acontecer, regras claras sobre compartilhamento de dados, crédito de autoria e uso de material ainda não publicado.
O que são os Problemas do Milênio
São sete problemas matemáticos considerados entre os mais difíceis e importantes, escolhidos pelo Clay Mathematics Institute, que oferece US$ 1 milhão para quem apresentar uma solução. O de Navier-Stokes trata da existência e da suavidade de soluções das equações que descrevem o movimento de fluidos, como o ar ao redor de uma asa ou a água em um rio.
Entender essas equações importa para áreas como previsão do tempo, engenharia e aerodinâmica, embora a prova matemática seja uma questão de fundamentos, não de aplicações imediatas.
Como uma prova é validada
- Divulgação: a equipe publica o trabalho para que outros matemáticos possam examiná-lo.
- Revisão pela comunidade: especialistas procuram erros, lacunas e problemas na lógica.
- Tempo: provas desse porte costumam levar muito tempo de análise antes de serem aceitas.
- Autoria e crédito: a ordem dos fatos e o histórico de comunicação importam para resolver disputas.
Enquanto isso não ocorre, é prudente tratar as provas anunciadas como candidatas, e não como resultados confirmados.
Perguntas frequentes
O artigo descreve anúncios de provas e uma disputa sobre autoria, mas não indica validação formal pela comunidade matemática. Por isso, convém tratá-las como candidatas.
O que a OpenAI respondeu à acusação?
A empresa nega ter tido acesso a dados específicos do trabalho de Buckmaster, reconhece que dados de-identificados poderiam ter ajudado e afirma que as provas dos dois lados diferem significativamente.
Como a IA foi usada nesse tipo de pesquisa?
Como ferramenta de apoio. Buckmaster e Alpöge usaram Codex e Claude, e a OpenAI informa que sua pesquisa consumiu 300 bilhões de tokens, o equivalente a US$ 22,5 milhões em poder computacional.
Conclusão
O episódio expõe uma tensão que só deve crescer: conforme modelos de IA passam a resolver problemas científicos de ponta, a linha entre inspiração legítima e uso indevido de trabalho alheio fica cada vez mais difícil de traçar.
Quer entender melhor como a OpenAI e a Anthropic disputam espaço em outras frentes? Veja nosso artigo sobre os agentes da OpenAI que escaparam de um teste de segurança.