A IA acabou de resolver Navier-Stokes? O que a alegação da OpenAI realmente prova

A OpenAI está afirmando que um de seus sistemas internos resolveu um dos Problemas do Prêmio Millennium do Instituto Clay. É uma história e tanto, e representaria a maior descoberta matemática com apoio de IA até agora. Mas há uma segunda história rolando: uma briga por quem merece o crédito.

Eis o que de fato aconteceu: a OpenAI ouviu um rumor de que o modelo de um laboratório rival havia avançado em um dos problemas mais famosos e não resolvidos da matemática. Esse rumor foi suficiente para disparar um sprint: para atacar o problema, a OpenAI usou 10.000 agentes de IA em paralelo, 88 horas de computação e cerca de US$ 22,5 milhões em custos acumulados. Agora, a empresa afirma ter uma prova real. E sobre o prêmio de US$ 1 milhão? A OpenAI diz que não pretende reivindicá-lo. (Talvez não precise do dinheiro.)

Resposta rápida: o Prêmio Millennium de US$ 1 milhão para Navier-Stokes não foi conquistado. O que a OpenAI diz ter provado mira uma variante específica do problema, o blow-up com forçamento suave, que ainda não foi verificada por matemáticos independentes. Se isso satisfaz o problema completo, como a maioria dos especialistas o entende, é algo genuinamente contestado.

O que é a equação de Navier-Stokes e por que vale US$ 1 milhão?

Para entender o que a OpenAI está alegando, primeiro é preciso entender por que Navier-Stokes é tão difícil.

As equações de Navier-Stokes descrevem como os fluidos se movem: água, ar, sangue. Elas sustentam a previsão do tempo, o projeto de aeronaves e a medicina circulatória. Formuladas no século XIX, funcionam incrivelmente bem na prática. A questão matemática é se elas sempre funcionam: soluções suaves e bem-comportadas existem sempre, ou um fluido regido por essas equações pode desenvolver uma singularidade, um ponto onde a velocidade se torna infinita, em tempo finito?

Essa questão, conhecida como o problema da "existência e suavidade", é um dos sete Problemas do Prêmio Millennium do Clay Mathematics Institute, cada um com recompensa de US$ 1 milhão. Até hoje, apenas um dos Problemas do Millennium foi resolvido: a conjectura de Poincaré, em 2003.

Por que este problema importa: às vezes, problemas matemáticos são mais acadêmicos do que práticos. Mas este não é apenas um quebra-cabeça abstrato. Todo modelo meteorológico, simulação de avião e ferramenta de engenharia que depende dessas equações assume implicitamente que elas se comportam bem, mas ninguém provou que essa suposição sempre vale. Se ficar provado que soluções podem explodir em tempo finito, isso exporia um verdadeiro descompasso entre a matemática em que confiamos e os sistemas físicos que ela deveria descrever.

O que a OpenAI afirma ter provado de fato

A história não começa com um insight matemático, e sim com um rumor. Sam Altman admitiu que a OpenAI iniciou o esforço após ouvir que os modelos da Anthropic haviam resolvido um grande problema de matemática, escrevendo no X: "Ficamos curiosos se os nossos também conseguiriam."

O sprint de uma semana cobriu vários Problemas do Millennium e consumiu 300 bilhões de tokens de saída no total, cerca de US$ 22,5 milhões em computação somando tudo o que foi tentado. O problema de Navier-Stokes sozinho usou aproximadamente 130 bilhões desses tokens e 2,7 milhões de mensagens. Dez mil agentes trabalharam em paralelo de 1º a 6 de setembro. E então - este é o ponto que chama atenção - a OpenAI disse que não pretende reivindicar o prêmio de US$ 1 milhão, enquadrando o resultado como evidência de quão rápido seus modelos estão avançando.

Antes de chegar a Navier-Stokes, os agentes da OpenAI primeiro resolveram o problema de regularidade de Euler sem forçamento, usando quase 100 agentes em cerca de 50 horas. Ao estabelecer o comportamento de blow-up no cenário mais simples de Euler primeiro, os agentes construíram a base conceitual que tornou a abordagem de Navier-Stokes tratável.

É aqui que os detalhes fazem diferença. A formulação oficial do Clay para Navier-Stokes inclui quatro opções, rotuladas A, B, C e D. As opções A e B pedem soluções globais suaves sem forçamento externo, no espaço tridimensional comum ou em um domínio periódico. As opções C e D permitem exemplos de blow-up com um termo de forçamento suave. A prova da OpenAI mira as opções C e D, ou seja, a variante forçada faz parte, de fato, do problema oficial do Clay.

Dito isso, muitos matemáticos consideram as opções A e B como a questão mais profunda, porque o forçamento é imposto externamente: você está escolhendo a força para causar o blow-up, em vez de perguntar se as equações podem quebrar sozinhas. Ainda não está claro se a abordagem pode ser estendida para remover o forçamento e abordar A e B, e essa questão permanece em aberto. O intervalo entre o que foi mostrado e o que muitos especialistas consideram o coração do problema é o verdadeiro ponto aqui.

Por dentro da disputa por crédito

Agora que mapeamos o que foi realmente provado, a história humana fica mais clara, se você se afastar do diz-que-diz.

Em 15 de agosto, Tristan Buckmaster e Levent Alpöge, da Anthropic, provaram que as equações de Euler, a versão sem atrito de Navier-Stokes, podem explodir sob forçamento suave, estendendo uma abordagem desenvolvida por Diego Córdoba e Luis Martínez-Zoroa. Seus resultados também cobriram as equações de Boussinesq e de meios porosos incompressíveis. Esse trabalho levou cerca de um ano. Estava inédito, em andamento, construído silenciosamente. Então a notícia vazou.

O sprint da OpenAI começou em 1º de setembro após ouvir um rumor que depois foi conectado a Alpöge e Buckmaster. Buckmaster enviou um e-mail particular à OpenAI em 3 de setembro ao saber que seu trabalho havia chegado à empresa. Depois de concluir o projeto e a verificação em Lean em 6 de setembro, a OpenAI entrou em contato para propor uma publicação simultânea. A versão de Buckmaster sobre o que veio a seguir é bem mais contundente: ele descreve ligações em que, segundo ele, foi pressionado sobre publicação e autoria, incluindo sugestões para excluir Alpöge por seu emprego na Anthropic.

Buckmaster alega que, quando sinalizou sua intenção de tornar públicas essas preocupações, ouviu: "Por que você estragaria sua carreira?" e "Se você não quer que eu seja legal, então eu não preciso ser legal." Bubeck chamou essas alegações de "falsas e inflamadas". A OpenAI nega ter acessado quaisquer prompts privados ou trabalhos inéditos.

Não vou arbitrar quem está certo. São relatos contestados de uma conversa privada, e os detalhes são realmente incertos. Mas o padrão não precisa ser resolvido para merecer ser nomeado: um ano de trabalho inédito de um pesquisador independente virou o recurso em torno do qual um laboratório com grande financiamento fez um sprint multimilionário, e agora é o pesquisador independente que está tendo que responder sobre sua carreira.

Dá para confiar em uma prova de matemática escrita por IA?

Com a disputa por crédito na mesa, a questão técnica mais difícil permanece: a prova se sustenta?

Navier-Stokes é um problema do Prêmio Millennium, e o padrão de evidência é uma prova divulgada e verificável. A OpenAI publicou um manuscrito de 166 páginas e uma formalização em Lean em 8 de setembro, ambos públicos para escrutínio. A revisão independente por pares ainda não aconteceu.

Se você não conhece o Lean, saiba que é um sistema de verificação formal de provas que checa se cada passo lógico decorre do anterior. Uma prova verificada em Lean não pode ser "convencida" a parecer correta: se passa, a cadeia lógica é sólida. O que o Lean não faz é dizer se a abordagem é conceitualmente significativa, se ela trata o problema como os especialistas o entendem ou se um matemático reconheceria aquilo como uma solução genuína.

Terence Tao, provavelmente o matemático mais proeminente em atividade, fez um alerta sobre essa dinâmica em 5 de setembro, antes do anúncio da OpenAI. Escrevendo no Mathstodon em resposta aos rumores que circulavam à época, ele observou que era uma preocupação hipotética: "há um custo de oportunidade substancial em transformar um problema historicamente produtivo e motivador como a regularidade de Navier-Stokes em um mero post viral nas redes sociais anunciando algum progresso de benchmark, em vez de realmente avançar a área e desenvolver a próxima geração tanto de problemas a serem propostos quanto de pessoas para trabalhar neles." Após o anúncio, Tao elogiou o trabalho de Buckmaster-Alpöge como "um feito notável" e destacou que seus argumentos foram formalizados em Lean. Ele não endossou publicamente a prova específica reivindicada pela OpenAI.

Por que essa briga é maior do que um problema de matemática

Um rumor, não um resultado publicado, não uma revisão por pares — um rumor — foi suficiente para mobilizar um dos laboratórios de IA com mais recursos do mundo em um sprint multimilionário. A OpenAI enquadrou o resultado como evidência de quão rapidamente seus sistemas mais avançados estão melhorando, ou seja, como um ativo de marketing. Este é um problema do Prêmio Millennium sendo usado como demonstração de benchmark às vésperas de uma oferta pública.

A Axios colocou a questão incômoda de forma direta: o que acontece quando a empresa que fornece aos cientistas ferramentas de pesquisa com IA também pode mobilizar recursos vastamente maiores para competir com eles? Buckmaster e Alpöge usaram o Codex da própria OpenAI ao longo de seu ano de trabalho. As ferramentas que um pesquisador usa para construir um resultado podem pertencer à mesma organização que consegue ultrapassá-lo com essas mesmas ferramentas em escala 10.000x. Isso não é conspiração. É uma característica estrutural do momento atual, e é o cenário que as pessoas vinham temendo, independentemente de a OpenAI ter feito algo errado aqui ou não.

Há também uma ironia que vale notar: a OpenAI pausou determinados treinamentos de RL de fronteira por questões de segurança em agosto e, em setembro, rodou um modelo inédito do mesmo programa de desenvolvimento a plena capacidade por 88 horas para buscar uma manchete em matemática. Essa justaposição não prova má-fé, mas também não é irrelevante.

Então, Navier-Stokes está resolvido ou não?

Aqui está a situação reald:

O modelo de sprint produziu um resultado. Se ele produziu um Resultado, no sentido que os matemáticos usam, é outra história — e uma que vai levar bem mais tempo para ser respondida.