Meta usa chatbot Muse Spark para resolver cinco problemas matemáticos abertos

A Meta publicou nesta semana seis artigos de matemática produzidos em parceria entre pesquisadores humanos e o Muse Spark, seu modelo de raciocínio avançado, com cinco deles apresentando soluções para problemas que a comunidade matemática considerava abertos havia anos. Segundo o post oficial do Meta AI Research, os trabalhos cobrem seis áreas distintas: probabilidade, equações diferenciais, teoria dos grupos, otimização, física aritmética e álgebra não associativa.

O detalhe que chamou mais atenção de pesquisadores foi o método: em vez de usar um ambiente de pesquisa especializado, com scaffolding e ferramentas construídas sob medida para explorar hipóteses, as equipes trabalharam direto na interface comum de chat do Meta AI, usando o "Thinking Mode" do Muse Spark 1.1 e 1.2. A Meta descreve o processo em duas etapas: um primeiro grupo de matemáticos orientou a investigação e explorou ideias em conjunto com o modelo, e um segundo grupo, sem envolvimento na etapa anterior, revisou o resultado de forma independente antes da publicação.

Os resultados que chamaram atenção

Entre os seis artigos, dois ganharam destaque especial na comunidade. Em teoria dos grupos, a dupla formada por pesquisador e modelo encontrou um contraexemplo de 384 elementos que refuta a conjectura semiabeliana proposta por Kida em 2024, ou seja, encontrou um caso concreto que mostra que a afirmação geral não vale sempre, o tipo de achado que costuma levar meses ou anos de busca manual. Em equações diferenciais, o time provou a existência de "blow-up" em tempo finito (quando a solução de uma equação explode e deixa de existir após um tempo determinado) para uma classe específica de soluções radiais, respondendo a uma pergunta que ficou em aberto desde 2015.

Já em álgebra não associativa, a colaboração chegou a um contraexemplo tridimensional pequeno e elegante para outra conjectura, enquanto os artigos de probabilidade, otimização e física aritmética trataram, respectivamente, de quando pontos gaussianos aleatórios em alta dimensão cabem dentro de um elipsoide centrado, de uma técnica de relaxação cíclica e de uma questão de teoria de cordas. Cada artigo publicado identifica com transparência quais trechos do texto foram escritos pelos pesquisadores e quais vieram do modelo, uma prática que a Meta recomenda como padrão para esse tipo de colaboração.

Não é a primeira vez que um modelo encosta na fronteira da matemática

O anúncio da Meta chega poucas semanas depois de a OpenAI afirmar que um modelo interno seu resolveu mais de 100 problemas matemáticos em aberto, ao ponto de a empresa recrutar nove matemáticos renomados só para formar um grupo consultivo independente e checar os resultados antes de divulgá-los. Também é parecido, em espírito, com o caso do engenheiro da Cognition que usou o agente de codificação Devin para fatorar o RSA-260, um desafio criptográfico que resistia desde 1991. Em comum, os três episódios têm o fato de a tarefa pesada não ter sido feita por um sistema construído especificamente para aquele problema, mas por um modelo de uso geral guiado por humanos com conhecimento profundo do assunto.

Essa sequência de anúncios alimenta uma disputa de narrativa entre os grandes laboratórios de IA sobre qual deles está mais perto de produzir descobertas científicas originais, e não só responder perguntas com base em dados já existentes. É um critério mais difícil de inflar artificialmente do que benchmarks fechados, porque a comunidade matemática consegue checar publicamente se o resultado é mesmo novo e correto.

Por que isso importa para você

Se você usa ferramentas de IA no trabalho, o ponto prático aqui não é "a IA vai substituir matemáticos", mas o oposto: o salto de qualidade apareceu quando especialistas humanos guiaram o modelo passo a passo, revisaram cada etapa e assumiram a responsabilidade pelo resultado final. É o mesmo princípio que vale para quem usa ChatGPT, Claude ou Gemini para escrever um relatório, montar uma planilha financeira ou revisar um contrato: a ferramenta amplia o que uma pessoa com domínio do assunto consegue produzir, mas não substitui esse domínio. Quem ainda não decidiu qual assistente de IA faz mais sentido para o seu tipo de trabalho pode conferir nosso comparativo entre ChatGPT, Claude e Gemini.

Vale também notar o detalhe de transparência que a Meta adotou: separar explicitamente o que foi escrito por humanos do que veio do modelo. É uma prática que faz sentido copiar em qualquer uso profissional de IA, da pesquisa acadêmica a um parecer jurídico, porque facilita auditar o trabalho depois e evita a dor de cabeça de descobrir um erro sem saber de onde ele veio. Para quem está começando a se familiarizar com os termos técnicos que aparecem nesse tipo de notícia, nosso dicionário de inteligência artificial explica conceitos como "raciocínio" e "modelo de uso geral" em linguagem simples.

O que observar daqui para frente

Um ponto que a comunidade matemática vai cobrar nos próximos meses é a revisão por pares formal desses seis artigos, já que publicação em blog de empresa não substitui avaliação por revista acadêmica especializada. Também vale acompanhar se outros laboratórios, como Google DeepMind e Anthropic, vão divulgar resultados semelhantes, o que indicaria se o avanço é real e replicável ou se cada empresa está escolhendo seletivamente os casos de sucesso para divulgar. Por enquanto, o mais seguro é tratar esses anúncios como evidência de que modelos de raciocínio avançado já são úteis como colaboradores de pesquisa, quando usados por quem entende profundamente o problema, e não como prova de que a IA já "faz matemática" por conta própria.