A OpenAI afirma ter encontrado uma solução para o problema de existência e regularidade das equações de Navier-Stokes, um dos sete Problemas do Milênio da matemática. A companhia diz que um sistema interno de inteligência artificial chegou ao resultado em cerca de 88 horas, com a atuação coordenada de aproximadamente 10 mil agentes de IA.
A afirmação, porém, não significa que o problema tenha sido oficialmente retirado da lista de grandes questões em aberto. Pelas regras do Clay Mathematics Institute, responsável pelo prêmio de US$ 1 milhão associado a cada Problema do Milênio, uma solução precisa ser publicada em um veículo qualificado, passar por pelo menos dois anos e obter aceitação geral da comunidade matemática antes de ser considerada para o prêmio.
O episódio vai além da disputa por um prêmio. Ele coloca em discussão até onde sistemas de IA conseguem avançar em matemática, qual deve ser o papel dos pesquisadores humanos na validação de novas descobertas e se máquinas podem deixar de ser apenas ferramentas de apoio para participar diretamente da produção de conhecimento.
Leia mais:
Juros começam a recuar, mas contas públicas ainda limitam cortes maiores na Selic
O que a OpenAI afirma ter descoberto?
O problema envolve as equações de Navier-Stokes, um conjunto de equações diferenciais utilizado para descrever o movimento de fluidos, como água e ar. Elas estão presentes em modelos relacionados à dinâmica dos fluidos e ajudam a representar fenômenos que vão desde correntes de água até o comportamento do ar.
A questão matemática central é bastante específica: partindo de condições inicialmente suaves, é possível que a solução das equações desenvolva uma singularidade em um intervalo finito de tempo?
Em termos simplificados, os matemáticos querem saber se um fluido tridimensional que começa com um comportamento regular pode chegar a uma situação em que determinadas grandezas matemáticas deixam de permanecer controladas.
A OpenAI afirma ter apresentado justamente um exemplo desse tipo. Segundo a empresa, seu sistema produziu uma prova analítica segundo a qual uma configuração inicialmente suave pode desenvolver uma singularidade em tempo finito, além de uma formalização da demonstração no Lean, sistema utilizado para verificação formal de provas matemáticas.
Por que o problema de Navier-Stokes é tão difícil?
As equações de Navier-Stokes são conhecidas há muito tempo e possuem aplicações importantes na descrição matemática de fluidos. O desafio do Problema do Milênio, entretanto, não está simplesmente em encontrar uma maneira de resolver uma equação específica.
O que precisa ser estabelecido é se, para determinadas condições iniciais, as soluções tridimensionais permanecem suaves e bem comportadas para sempre ou se podem ocorrer singularidades em tempo finito.
A dificuldade está relacionada à interação extremamente complexa entre velocidade, pressão, viscosidade e transporte de quantidade de movimento. Pequenas estruturas do escoamento podem evoluir de maneira complicada, tornando difícil demonstrar matematicamente o comportamento do sistema em todas as situações possíveis.
A própria OpenAI descreve sua construção como um vórtice que se contrai e se alonga progressivamente. De acordo com a empresa, a dinâmica permite que a velocidade cresça sem limite enquanto a energia permanece finita.
Como a inteligência artificial chegou ao resultado?
A escala do experimento é uma das partes mais incomuns do anúncio.
A OpenAI afirma ter iniciado a investigação em 1º de setembro de 2026, depois de tomar conhecimento de rumores relacionados a avanços em outros problemas matemáticos. A empresa então direcionou seu novo modelo interno para os Problemas do Milênio ainda em aberto.
No caso de Navier-Stokes, foram utilizados grupos de agentes capazes de trabalhar em paralelo e trocar informações. A equipe responsável pela resolução teria envolvido aproximadamente 10 mil agentes simultâneos.
De acordo com a OpenAI, o sistema chegou à resolução em 5 de setembro, aproximadamente 88 horas depois do início da operação. A formalização e a verificação no Lean exigiram outras 17 horas.
Ao longo de todo o experimento, os agentes teriam produzido 4,9 milhões de mensagens e utilizado aproximadamente 300 bilhões de tokens de saída. Para o problema de Navier-Stokes especificamente, a empresa relata 2,7 milhões de mensagens e cerca de 130 bilhões de tokens.
O que significa usar milhares de agentes?
Não significa que 10 mil computadores tenham simplesmente calculado a mesma equação ao mesmo tempo.
A proposta é mais parecida com uma equipe virtual de pesquisadores. Diferentes grupos recebem versões do problema, exploram estratégias distintas e compartilham resultados. Posteriormente, outros agentes consolidam os caminhos considerados mais promissores.
A OpenAI afirma que utilizou seu sistema Codex para reunir ideias produzidas pelos diferentes grupos e orientar etapas posteriores da busca.
Esse modelo representa uma mudança relevante em relação ao uso tradicional de IA para matemática. Em vez de simplesmente responder a uma pergunta feita por um pesquisador, a máquina participa de uma busca prolongada por uma estratégia que possa levar a uma nova demonstração.
A solução já foi oficialmente aceita?
Não.
Essa é uma das principais diferenças entre dizer que uma empresa “resolveu” um problema e afirmar que a comunidade matemática reconheceu oficialmente a solução.
A OpenAI publicou sua demonstração e uma formalização em Lean, o que permite que pesquisadores examinem o trabalho. A formalização é particularmente relevante porque sistemas como o Lean podem verificar mecanicamente se os passos apresentados obedecem às regras formais do sistema utilizado.
Mas a validação de um resultado matemático dessa magnitude não depende apenas de uma empresa apresentar uma prova ou de um sistema computacional conseguir verificá-la.
As regras do Clay Mathematics Institute determinam que uma solução de um Problema do Milênio precisa ser publicada em uma publicação qualificada, permanecer publicada por pelo menos dois anos e alcançar aceitação geral da comunidade matemática. Só depois desses requisitos o instituto pode considerar a atribuição do prêmio.
Por isso, a formulação mais precisa neste momento é que a OpenAI afirma ter encontrado uma solução para o problema de Navier-Stokes, e não que o Clay Mathematics Institute já reconheceu oficialmente o problema como resolvido.
Então a OpenAI vai receber o prêmio de US$ 1 milhão?
Não.
A própria empresa declarou que não pretende reivindicar o Prêmio do Milênio por esse resultado.
Além disso, mesmo que a companhia mudasse de posição, o anúncio não seria suficiente para receber o prêmio. As regras do Clay estabelecem um processo de avaliação que inclui publicação, período mínimo de dois anos e aceitação pela comunidade matemática.
O valor de US$ 1 milhão, portanto, continua sendo uma referência importante para explicar a dimensão histórica do problema, mas não representa um pagamento imediato pela demonstração divulgada pela OpenAI.
O que é o Lean e por que ele importa?
O Lean é uma linguagem de programação e um sistema de prova formal criado para permitir que afirmações matemáticas sejam expressas e verificadas de maneira rigorosa.
Em uma prova matemática tradicional, pesquisadores analisam os argumentos e verificam se cada passo é válido. Em uma formalização, a demonstração também pode ser transformada em uma estrutura que um sistema computacional verifica segundo regras lógicas precisas.
Isso não significa que o computador tenha “entendido” a matemática exatamente como um ser humano entende. Significa que a demonstração foi expressa em uma forma que permite uma checagem formal das etapas.
A utilização do Lean é, portanto, um componente importante do anúncio da OpenAI. Ela cria uma camada adicional de verificabilidade para uma afirmação extraordinariamente complexa.
Por que ainda é necessária uma análise humana?
Porque verificar formalmente uma prova e compreender o significado matemático de uma descoberta são tarefas relacionadas, mas diferentes.
Uma demonstração pode estar formalmente correta e ainda assim levantar questões sobre sua interpretação, sobre as hipóteses utilizadas ou sobre a relação do resultado com o problema original.
É também necessário determinar se a construção apresentada realmente corresponde, em todos os seus detalhes, ao enunciado oficial do Problema do Milênio.
Esse processo é especialmente importante quando a descoberta é produzida por uma tecnologia cujo funcionamento interno é difícil de interpretar. O resultado precisa ser reproduzível, analisável e compreensível por outros pesquisadores.
A IA pode substituir matemáticos?
O episódio não permite concluir que matemáticos serão substituídos.
O que ele demonstra é que sistemas de IA estão avançando de forma significativa em tarefas que exigem raciocínio matemático prolongado, exploração de diferentes estratégias e produção de provas formais.
A mudança pode ser mais profunda do que simplesmente automatizar cálculos. Se os sistemas conseguirem encontrar conjecturas, identificar padrões e desenvolver demonstrações que pesquisadores humanos ainda não haviam encontrado, a relação entre matemáticos e computadores pode mudar.
O matemático poderia passar a atuar menos como alguém que executa cada etapa da demonstração e mais como alguém que formula problemas, avalia estratégias, interpreta resultados e define quais perguntas merecem ser investigadas.
Existe um risco para a própria pesquisa matemática?
Sim, e esse é um dos debates levantados pelo avanço da IA.
Um dos valores da matemática não está apenas na resposta final. O caminho utilizado para chegar a uma solução frequentemente revela novas técnicas, relações entre áreas diferentes e perguntas que podem gerar pesquisas futuras.
Se uma máquina produzir automaticamente uma demonstração extremamente complexa, mas os pesquisadores tiverem dificuldade para compreender por que aquela estratégia funciona, parte desse conhecimento pode permanecer inacessível aos humanos.
Isso cria uma situação paradoxal: a tecnologia pode aumentar a capacidade de resolver problemas enquanto, ao mesmo tempo, torna mais difícil compreender o processo intelectual que levou à resposta.
O que muda na prática?
Para o público em geral, a descoberta não significa que computadores passarão imediatamente a prever todos os movimentos de líquidos ou que aplicações cotidianas serão transformadas da noite para o dia.
O Problema do Milênio é essencialmente teórico. Sua importância está na compreensão matemática das equações de Navier-Stokes e nos limites das soluções que elas descrevem.
O impacto mais imediato está na própria ciência.
Se o resultado for confirmado, o episódio poderá representar uma demonstração de que sistemas de IA são capazes de participar de pesquisas matemáticas de fronteira, indo além da resolução de exercícios conhecidos.
Isso pode acelerar investigações em matemática, física, computação e outras áreas nas quais pesquisadores precisam explorar enormes espaços de possibilidades.
O episódio também abriu uma disputa entre empresas de IA
A descoberta ocorreu em meio a uma disputa envolvendo pesquisadores associados à OpenAI e à Anthropic.
A própria OpenAI afirmou que tomou conhecimento de rumores sobre avanços relacionados a problemas do milênio e, posteriormente, entrou em contato com pesquisadores Tristan Buckmaster, da Universidade de Nova York, e Levent Alpöge, ligado à Anthropic. A empresa diz que os trabalhos eram diferentes e que sua investigação concluiu que os prompts de Buckmaster utilizados no Codex não influenciaram o resultado da OpenAI.
A controvérsia mostra que o avanço da IA na ciência não envolve apenas capacidade computacional. Também surgem questões sobre autoria, prioridade científica, uso de dados de pesquisadores e os limites éticos para empresas que desenvolvem ferramentas utilizadas em pesquisas.
Nesse sentido, o caso de Navier-Stokes pode acabar sendo lembrado não apenas pela matemática, mas também como um dos primeiros grandes testes sobre as regras de produção científica em uma era de sistemas de IA cada vez mais autônomos.
O que acontece agora?
O próximo passo é a análise independente do trabalho.
Matemáticos terão de examinar a demonstração publicada pela OpenAI, verificar suas premissas, avaliar a formalização e determinar se o argumento realmente resolve o problema conforme o enunciado estabelecido pelo Clay Mathematics Institute.
Esse processo pode levar bastante tempo. A exigência de dois anos prevista pelo Clay não é um detalhe burocrático: ela existe justamente para permitir que uma alegada solução seja submetida a um período prolongado de escrutínio pela comunidade matemática.
Por enquanto, portanto, a notícia mais precisa é menos definitiva do que a manchete pode sugerir: uma inteligência artificial produziu uma demonstração que a OpenAI considera uma solução para um dos problemas matemáticos mais difíceis do mundo, mas a comunidade científica ainda precisa determinar se ela de fato encerra a questão.
Conclusão
A possível solução de um dos Problemas do Milênio marca um novo capítulo na relação entre inteligência artificial e ciência. Se a demonstração apresentada pela OpenAI for confirmada pela comunidade matemática, o episódio poderá mostrar que sistemas de IA já são capazes não apenas de auxiliar pesquisadores, mas também de participar da busca por respostas para questões que permaneceram abertas por décadas.
Por enquanto, ainda é preciso cautela. A análise independente dos matemáticos será fundamental para determinar se o resultado realmente resolve o problema de Navier-Stokes nos termos estabelecidos pelo Clay Mathematics Institute. Mais do que a resposta para uma antiga questão, o caso coloca uma pergunta ainda maior: até onde a inteligência artificial poderá avançar na produção de conhecimento que, durante séculos, foi construído exclusivamente por seres humanos?
