A inteligência artificial generativa, popularizada pelo ChatGPT, está se expandindo para além da criação de texto e imagens, adentrando o domínio da pesquisa científica fundamental. Pesquisadores ligados à OpenAI anunciaram recentemente ter feito descobertas significativas em matemática, física e ciência da computação, incluindo a potencial refutação de uma suposição central que rege a ciência da computação há quase três décadas: a Hipótese do Tempo Exponencial (ETH).
Proposta há cerca de 30 anos, a ETH tenta estabelecer um limite teórico para a velocidade com que computadores podem resolver certos tipos de problemas lógicos. A hipótese postula que, embora possam existir atalhos, o tempo necessário para resolver um problema cresce exponencialmente à medida que sua complexidade aumenta. Essencialmente, ela sugere que, para problemas difíceis, a única maneira garantida de encontrar uma solução é testar todas as combinações possíveis — um processo que se torna impraticável rapidamente. A alegação é que modelos de IA desenvolveram um algoritmo capaz de superar esse limite de velocidade previamente assumido, o que, se confirmado, invalidaria a ETH.
O Legado da Hipótese do Tempo Exponencial
A ETH é um conceito fundamental na área de complexidade computacional. Ela está intrinsecamente ligada à famosa questão "P versus NP", que investiga se problemas cujas soluções são fáceis de verificar também são fáceis de resolver. Se a ETH fosse verdadeira, isso reforçaria a ideia de que existem problemas inerentemente difíceis de resolver. A confirmação de sua refutação, contudo, não resolve a questão P versus NP, mas abre um leque de novas possibilidades e questionamentos.
Cientistas da computação e matemáticos reagiram com uma mistura de surpresa e ceticismo. Fedor Fomin, da Universidade de Bergen, descreveu o anúncio como um "choque completo", pois "ninguém esperava" tal resultado. Leslie Goldberg, da Universidade de Oxford, salientou que, "assumindo que seja confirmado, este é um avanço enorme". No entanto, a cautela prevalece. "É preciso verificar se a afirmação formalmente provada significa o que os autores dizem que significa", pondera Stefan Szeider, da TU Wien, na Áustria. Um grupo independente, incluindo os próprios proponentes da ETH, foi convocado para examinar os achados — o que demonstra reconhecimento da magnitude da alegação e da necessidade de validação rigorosa.
Implicações para a Ciência da Computação
Se a refutação da ETH for confirmada, as consequências para a ciência da computação seriam profundas. Muitas descobertas e teorias estabelecidas na área assumem a validade da ETH. Se ela se provar falsa, as conclusões sobre os limites computacionais se tornariam obsoletas, exigindo uma "revisão completa de várias áreas de algoritmos e complexidade", como Fomin antecipa. Um livro didático que ele coescreveu sobre o assunto, por exemplo, poderia se tornar obsoleto. A descoberta também levanta questões sobre o futuro da pesquisa em algoritmos e o papel da academia, com alguns acadêmicos expressando preocupação com a velocidade com que a IA está gerando descobertas — um fenômeno que Magnus Wahlström, da Royal Holloway, University of London, descreveu como "matemática feita por encomenda".
Descobertas em Outras Áreas
Paralelamente à refutação da ETH, outras descobertas foram relatadas. Em matemática, a IA teria provado uma conjectura de 1991 sobre a impossibilidade de ondas permanecerem intensamente focadas por muito tempo. Em física teórica, afirma-se ter demonstrado que teorias de campo quântico, como a cromodinâmica quântica, fazem sentido matemático, indo além da simples correspondência com previsões experimentais. Essas descobertas, embora promissoras, ainda aguardam confirmação externa e validação independente, especialmente no caso de problemas matemáticos complexos como a teoria de Yang–Mills, que faz parte de um desafio com prêmio de um milhão de dólares.
O Futuro da Descoberta Científica com IA
A velocidade e a natureza das descobertas anunciadas levantam debates sobre o futuro da pesquisa científica. A capacidade da IA de processar vastas quantidades de dados e identificar padrões complexos pode acelerar o progresso científico de maneiras sem precedentes. No entanto, a questão de "provar algo e entender por que é verdadeiro não são a mesma coisa", como aponta Clément Canonne, da Universidade de Sydney. A rede de descobertas que dependem da ETH "colapsou", ele observa, e "ainda não sabemos por quê". Formas de organizar a verificação independente dos resultados estão sendo exploradas, mas a disrupção é inegável. "Este resultado destrói muito, mas também abre muitas novas oportunidades e novas questões que ninguém esperava", conclui Fomin.
As implicações dessas descobertas, caso confirmadas, vão muito além dos laboratórios de pesquisa. Elas tocam na própria fundação do conhecimento computacional e podem redefinir o que é possível no desenvolvimento de algoritmos e na resolução de problemas complexos, abrindo um novo capítulo na relação entre inteligência artificial e descoberta científica.
Com reportagem de Brazil Valley
Source · New Scientist
