For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/pt/articles/openai-math-release-backlash-ahm-statemen-ac66e132.md.
O lançamento de matemática da OpenAI em 6 de outubro de 2026 provocou um dos debates mais intensos até agora sobre o que acontece quando a I...
O lançamento de matemática da OpenAI em 6 de outubro de 2026 provocou um dos debates mais intensos até agora sobre o que acontece quando a IA de fronteira começa a produzir pesquisas mais rapidamente do que as comunidades humanas conseguem absorver.
A OpenAI publicou centenas de manuscritos matemáticos gerados por um modelo interno de fronteira, abrangendo diversas áreas da matemática e da ciência da computação teórica. O repositório inicial continha 722 manuscritos organizados em 372 famílias de resultados.
O lançamento imediatamente despertou grande atenção.
Alguns matemáticos viram uma aceleração histórica no ritmo das descobertas.
Outros temeram que centenas de argumentos difíceis tivessem sido colocados no domínio público antes que especialistas humanos tivessem tempo suficiente para compreendê-los, verificá-los, contextualizá-los ou explicá-los.
A crítica organizada mais contundente veio da Association for Human Mathematics (AHM), que publicou uma declaração em 7 de outubro instando os matemáticos a interromperem o trabalho com a OpenAI e defendendo uma visão da ciência centrada na compreensão humana.
Terence Tao ampliou a visibilidade da declaração ao republicá-la como uma publicação convidada em seu blog pessoal de matemática.
Esse detalhe é importante.
Tao não foi o autor da declaração da AHM, e a declaração pública da AHM é assinada pelo Communications Working Group da organização. O blog de Tao a descreve explicitamente como uma publicação convidada republicada a partir da própria página de declarações da AHM.
Portanto, a história não pode ser resumida corretamente como “Terence Tao liderou os matemáticos em uma declaração de guerra contra a OpenAI”.
Uma descrição mais precisa seria:
A AHM publicou uma declaração contundente contra o modelo de lançamento da OpenAI, e Tao deu visibilidade adicional à declaração ao republicá-la.
A declaração da AHM é breve, mas sua posição é particularmente direta.
A organização argumenta que a publicação em massa de matemática gerada por IA pela OpenAI entra em conflito com as normas científicas existentes e com recomendações anteriores feitas pelo Advisory Group on Mathematics and Artificial Intelligence (AGMAI), um grupo consultivo independente.
As objeções centrais da AHM não se limitam à questão de saber se provas individuais estão corretas.
A declaração se concentra no processo.
Sua posição pode ser resumida em quatro pontos:
A declaração da AHM termina instando os matemáticos a interromperem o trabalho com a OpenAI.
Esse é um chamado real ao boicote.
Mas ele não deve ser confundido com uma posição consensual de toda a comunidade matemática.
A AHM é uma organização associativa com compromissos públicos relacionados à matemática produzida por humanos e a limites para a colaboração com empresas comerciais de IA. Sua associação está aberta a membros da comunidade de pesquisa matemática em nível de pós-graduação ou superior.
No momento da verificação final, a página pública de membros da AHM listava 809 membros, incluindo 532 membros em seu grupo de defesa de uma matemática sem IA.
Trata-se de uma organização relevante, mas não de um órgão formal representativo de todos os matemáticos.
Scott Aaronson posteriormente fez explicitamente a mesma distinção: os membros da AHM falam por si mesmos, não por toda a comunidade matemática.
A controvérsia fica mais fácil de entender quando examinamos as recomendações da AGMAI.
A AGMAI é um grupo independente sediado no Institute for Advanced Study. Entre seus membros estão matemáticos como Timothy Gowers, Martin Hairer, Edward Witten, Ravi Vakil e outros.
A OpenAI entrou em contato com alguns dos membros para criar um grupo consultivo externo, mas o grupo opera de forma independente e não recebe pagamentos da OpenAI.
Em 29 de setembro, a AGMAI publicou suas diretrizes Responsible Release of AI-Generated Mathematics.
O primeiro parágrafo afirma que o grupo não endossa que laboratórios de IA de fronteira testem problemas matemáticos avançados em modelos proprietários inacessíveis à comunidade científica mais ampla.
O grupo pede explicitamente que eles parem de fazer isso.
Esse foi o ponto posteriormente destacado pela AHM.
Ainda assim, a OpenAI continuou avaliando seu modelo interno em problemas de pesquisa em aberto.
Ao mesmo tempo, a OpenAI afirma ter consultado a AGMAI sobre como divulgar os resultados de forma responsável depois que eles já existissem.
Essas são duas perguntas diferentes:
Os laboratórios de fronteira devem testar modelos proprietários em problemas de pesquisa em aberto?
e:
Se eles já tiverem resultados importantes gerados por IA, como esses resultados devem ser divulgados?
A AHM argumenta que a OpenAI ignorou a primeira pergunta enquanto utilizava a consulta sobre a segunda para conferir legitimidade ao lançamento.
A posição da OpenAI é que a avaliação científica interna contínua é importante para desenvolver ferramentas de pesquisa melhores, enquanto o processo de divulgação ainda pode ser aperfeiçoado por meio do feedback da comunidade.
As recomendações da AGMAI de 29 de setembro são mais detalhadas do que uma simples mensagem de “parem”.
Para resultados matemáticos gerados por IA que ainda não sejam compreendidos por humanos, o grupo recomenda que os laboratórios:
A OpenAI implementou algumas dessas recomendações.
A empresa publicou o material em um repositório público no GitHub, com versionamento e protocolos de citação.
Ela divulgou formalizações em Lean para muitas provas.
Publicou 10 resumos abreviados do raciocínio.
Divulgou estimativas aproximadas do uso de computação e estatísticas de avaliação.
Também prometeu financiar workshops, conferências e outros programas para ajudar os humanos a compreender os principais resultados produzidos por IA.
Mas o lançamento continuou controverso porque sua escala era sem precedentes e porque grande parte do trabalho ainda não havia sido assimilada pelos matemáticos humanos.
O lançamento original continha:
| Detalhe do lançamento | Dados públicos da OpenAI |
|---|---|
| Manuscritos iniciais | 722 |
| Famílias de resultados | 372 |
| Problemas aproximados apresentados ao modelo | 4.000 |
| Computação média por resultado | ~3 horas equivalentes ao modo de raciocínio do ChatGPT Pro |
| Resumos abreviados do raciocínio | 10 |
| Formalizações em Lean | Muitas, mas não todos os manuscritos |
O repositório oficial descreve uma “família” como um grupo de artigos relacionados que pode incluir um resultado principal, provas alternativas, consequências ou argumentos complementares.
Isso é importante porque:
722 manuscritos ≠ 722 problemas resolvidos sem relação entre si
A OpenAI também não informou que o modelo foi bem-sucedido em todos os problemas que tentou.
O repositório afirma que o modelo interno recebeu aproximadamente 4.000 problemas durante a avaliação.
A fonte BAAI repete um número do texto de Scott Aaronson publicado em 7 de outubro, “Mathocalypse”: aproximadamente 8.000 problemas tentados e uma taxa de sucesso aproximada de 5%.
Aaronson escreveu que isso era algo que, aparentemente, ele havia ouvido.
O repositório da própria OpenAI agora apresenta um número diferente:
aproximadamente 4.000 problemas
Como o repositório é o registro de divulgação da primeira parte responsável pelo lançamento, este artigo utiliza o número da OpenAI como referência principal.
Também é mais seguro não calcular uma simples “taxa de sucesso” dividindo 372 por 4.000.
Uma família de resultados não corresponde necessariamente, de forma individual, a um único prompt tentado, e o repositório afirma que o catálogo foi filtrado e agregado com base na relevância.
O número original de “722 manuscritos” já não é a contagem atual.
O histórico do repositório da OpenAI mostra que um erro de sinal invalidou um manuscrito e dois artigos dependentes.
Três manuscritos foram retirados.
A OpenAI também revisou outros 14 manuscritos, com reparos em provas, correções de afirmações, hipóteses mais claras, ajustes de dependências e correções de citações.
Na verificação mais recente, o repositório contém:
719 manuscritos
372 famílias de resultados
Isso constitui uma evidência importante para os dois lados do debate.
Para os críticos, demonstra por que a publicação em massa antes da compreensão humana completa pode criar problemas de controle de qualidade.
Para os defensores, mostra que a OpenAI mantém um processo visível de revisão e retirada, em vez de fingir que o primeiro lançamento é imutável.
O repositório preserva versões antigas e inclui avisos de retirada que explicam lacunas específicas.
O impacto emocional do lançamento é mais fácil de perceber na reação de cientistas da computação teórica.
Scott Aaronson chamou o evento de “Mathocalypse”.
Seu texto lista afirmações importantes em teoria da complexidade, algoritmos, teoria dos números, física matemática e outras áreas.
Um dos resultados mais marcantes para Aaronson foi a suposta prova da Conjectura dos Jogos Únicos (UGC).
Sua esposa, Dana Moshkovitz, trabalhou em questões relacionadas à UGC durante grande parte de sua carreira.
O manuscrito divulgado veio acompanhado de um certificado em Lean, mas Aaronson enfatizou que a verificação formal não é a mesma coisa que a compreensão humana.
A reação inicial de Moshkovitz não foi simplesmente “a prova está errada”.
Em vez disso, ela descreveu o manuscrito como extremamente difícil de ler.
Ela criticou o uso pouco claro de resultados anteriores, as citações confusas, as construções desconhecidas e uma exposição que tornava o argumento quase impossível de acompanhar sem assistência de IA.
Ao mesmo tempo, sua reação não foi puramente negativa.
A publicação de Aaronson também a cita imaginando um futuro no qual matemáticos com visão criativa poderiam usar IA para verificar e implementar ideias, afirmando que talvez haja muito a aprender com as construções desconhecidas.
Essa é uma reação mais complexa do que a caracterização de “desespero” apresentada no artigo de origem.
A dificuldade não está apenas em saber se a IA consegue resolver um problema.
A questão é saber se os humanos conseguem absorver de forma significativa aquilo que a IA descobriu.
Uma das distinções mais importantes no debate é a diferença entre:
correção formal
e:
compreensão matemática humana
O Lean pode verificar mecanicamente se uma prova formal decorre dos axiomas declarados e de lemas previamente verificados.
Essa é uma forma poderosa de garantia.
Mas uma prova em Lean não responde automaticamente a perguntas como:
A matemática tradicional faz mais do que certificar a verdade.
Ela constrói uma estrutura intelectual reutilizável em torno da verdade.
Esse é o cerne do que a AHM e a AGMAI querem dizer quando enfatizam a compreensão humana.
O anúncio da OpenAI de 6 de outubro não afirma que o processo científico se encerra com o carregamento do repositório.
A empresa afirma que deseja que os resultados façam avançar o conhecimento humano e que financiará:
A OpenAI também afirma estar explorando alternativas hospedadas pela comunidade para evitar que o material fique apenas em um repositório controlado pela empresa.
A empresa se comprometeu a melhorar os lançamentos futuros.
Isso inclui uma melhor exposição e apresentação matemática.
O argumento da OpenAI é essencialmente:
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Os resultados já existem. Publicá-los com artefatos, revisões e provas formais permite que a comunidade comece a compreendê-los.
O contra-argumento da AHM é:
Criar e publicar resultados mais rapidamente do que a comunidade consegue compreendê-los altera o próprio ecossistema de pesquisa, e a existência de uma carga de verificação não é neutra.
Esse não é o mesmo desacordo que opor “a IA é boa” a “a IA é ruim”.
São visões concorrentes sobre o que constitui progresso científico responsável.
O título da BAAI apresenta o episódio como se Tao tivesse “liderado” um boicote coletivo.
As fontes primárias não sustentam essa formulação.
O blog de Tao afirma:
Esta é uma publicação convidada da Association for Human Mathematics,
republicada a partir da página de declarações da organização.
A própria declaração é assinada por:
Association for Human Mathematics
Communications Working Group
O nome de Tao não aparece na lista pública atual de membros da AHM.
Isso não significa que ele discorde de todas as preocupações levantadas pela AHM.
Tao discutiu repetidamente os desafios criados pelo avanço extremamente rápido da IA na matemática, incluindo o risco do que chamou de uma forma de “indigestão de provas”: os resultados podem chegar mais rápido do que a comunidade consegue absorvê-los.
Mas republicar uma declaração não é o mesmo que escrevê-la, assiná-la ou liderar a organização que a emitiu.
A seção conceitual mais forte do artigo de origem trata do que acontece depois que um problema difícil é “resolvido”.
Na matemática tradicional, um resultado importante frequentemente produz anos de trabalho secundário:
A prova em si é apenas o começo.
Uma nova técnica poderosa pode ser mais valiosa do que o teorema que ela prova inicialmente.
A preocupação é que a IA agora consiga produzir mais argumentos de fronteira do que a comunidade tem tempo para assimilar.
Isso cria uma assimetria:
Capacidade de geração da IA
↓
centenas de provas
Capacidade dos especialistas humanos
↓
leitura, verificação, explicação e ensino lentos
Se a produção crescer muito mais rapidamente do que a compreensão, os pesquisadores podem acabar dedicando cada vez mais tempo à interpretação da matemática produzida por máquinas, em vez de escolherem suas próprias direções de pesquisa.
A AGMAI explicita essa preocupação.
Sua resposta de 6 de outubro afirma que o futuro da pesquisa matemática não pode consistir apenas em humanos compreendendo resultados selecionados e produzidos por laboratórios de IA.
Os matemáticos ainda precisam poder escolher suas próprias perguntas e seguir direções que não sejam definidas pelas prioridades de avaliação de uma empresa privada.
O artigo de origem às vezes enquadra a controvérsia como uma reação de matemáticos que se sentem “substituídos”.
A ansiedade profissional claramente faz parte da reação.
Mas as declarações primárias apresentam um argumento mais amplo.
A matemática não é apenas uma lista de perguntas em aberto esperando para ser eliminada.
Os pesquisadores também valorizam:
Um modelo capaz de produzir provas rapidamente altera uma parte desse ecossistema.
Ele não substitui automaticamente o restante.
A disputa mais profunda diz respeito a quem controla a agenda de pesquisa quando uma organização tem acesso a um instrumento matemático muito mais poderoso do que a comunidade pública de pesquisa.
A AGMAI descreve isso como o risco de criar um sistema de dois níveis, no qual os laboratórios proprietários ultrapassem o ritmo da área.
Há também uma preocupação de pesquisa mais sutil.
Para alguns matemáticos, descobrir o caminho até uma resposta importa tanto quanto o teorema final.
Se uma solução aparece de repente, mesmo sem uma explicação clara, as tentativas futuras deixam de ser psicologicamente independentes.
Os pesquisadores sabem:
Essa informação pode alterar permanentemente o processo de busca.
O artigo de origem descreve isso como “contaminação”.
Um termo menos carregado seria perda de independência informacional.
Depois que uma área conhece o destino, os pesquisadores já não conseguem vivenciar a incerteza original da mesma maneira.
Se isso é prejudicial depende do que se entende como finalidade da pesquisa matemática.
Se o único objetivo é acumular teoremas verdadeiros, a solução rápida é claramente atraente.
Se o objetivo também inclui cultivar a descoberta e a percepção humanas independentes, a resposta é menos simples.
A reação de Yann LeCun representa a visão oposta.
Em um comentário público, ele argumentou que a matemática está entrando em uma nova era, em vez de estar morrendo.
Sua posição é que, à medida que a prova formal se torna cada vez mais automatizada, a atenção humana pode se voltar para:
A analogia é conhecida:
Uma tecnologia pode tornar uma habilidade humana menos central e, ao mesmo tempo, ampliar o conjunto de coisas que as pessoas podem fazer.
Nessa visão, a prova automatizada não mata a matemática.
Ela muda a vantagem comparativa dos matemáticos humanos.
Scott Aaronson adota uma posição igualmente mista.
Ele critica duramente as empresas de IA quando acredita que seu comportamento merece críticas, mas também rejeita a ideia de que as empresas devam simplesmente se abster de resolver problemas matemáticos em aberto porque os pesquisadores humanos querem resolvê-los primeiro.
Sua conclusão é que a matemática precisará se adaptar.
É muito cedo para saber quantos dos resultados de 6 de outubro sobreviverão ao escrutínio detalhado dos especialistas em sua forma atual.
A própria OpenAI alerta que alguns resultados não formalizados podem conter problemas.
As três retiradas imediatas mostram que é necessário ter cautela.
Ao mesmo tempo, também é difícil descartar todo o lançamento como “lixo de IA”.
Alguns manuscritos têm formalizações em Lean verificáveis por máquina.
Especialistas estão lendo ativamente os principais resultados.
A coleção contém afirmações sobre problemas nos quais pesquisadores sérios trabalharam durante anos.
Portanto, o padrão adequado não é nem a aceitação cega nem a rejeição automática.
Cada resultado precisa de seu próprio caminho de verificação:
Manuscrito gerado por IA
↓
verificação formal quando possível
↓
leitura por especialistas
↓
verificação da literatura e da originalidade
↓
reconstrução expositiva
↓
aceitação ou rejeição pela comunidade
Esse processo levará tempo.
| Afirmação | Status atual |
|---|---|
| A OpenAI lançou mais de 700 manuscritos matemáticos gerados por IA | Confirmado |
| O repositório inicial continha 722 manuscritos | Confirmado |
| O repositório atual contém 719 manuscritos | Confirmado após 3 retiradas |
| A coleção contém 372 famílias de resultados | Confirmado |
| O modelo foi testado em aproximadamente 8.000 problemas | Relatado por Scott Aaronson, mas o repositório da OpenAI informa aproximadamente 4.000 |
| A computação média foi de aproximadamente 3 horas de raciocínio do ChatGPT Pro por resultado | Confirmado pela OpenAI |
| Muitos manuscritos têm formalizações em Lean | Confirmado |
| Todos os manuscritos foram formalmente verificados | Falso |
| Todos os resultados são plenamente compreendidos por especialistas humanos | Não |
| A AHM pediu aos matemáticos que interrompessem o trabalho com a OpenAI | Confirmado |
| Terence Tao foi o autor ou líder da declaração da AHM | Não sustentado pelas fontes primárias |
| Tao republicou a declaração da AHM em seu blog | Confirmado |
| A AGMAI endossou todo o processo da OpenAI | Não; ela afirma explicitamente que sua função não representa um endosso |
| A OpenAI está financiando programas para ajudar na compreensão humana | Confirmado |
| Todas as 372 famílias de resultados já são teoremas matemáticos aceitos | Não |
A controvérsia provavelmente sobreviverá a este repositório específico.
Se os modelos de fronteira continuarem melhorando, a comunidade matemática precisará de fluxos de trabalho capazes de acompanhar esse avanço.
Vários requisitos estão se tornando claros.
Cada resultado deve informar qual modelo o produziu, quais prompts foram utilizados, quanta computação foi empregada e que edição humana foi realizada.
Sempre que possível, as provas devem vir acompanhadas de artefatos verificáveis por máquina.
Uma prova correta não é suficiente se os especialistas não conseguem compreender por que ela funciona.
Os sistemas de IA precisam de fluxos de trabalho mais robustos para identificar técnicas anteriores relacionadas e atribuir crédito.
Os resultados científicos não devem depender inteiramente de uma infraestrutura controlada pela empresa que os gerou.
Se um laboratório divulga centenas de resultados avançados, o trabalho de explicá-los não deve ser transferido inteiramente para acadêmicos não remunerados.
Uma comunidade de pesquisa não pode permanecer intelectualmente independente se apenas algumas empresas têm acesso aos sistemas matemáticos mais avançados.
Esses pontos estão muito mais próximos do debate real da AGMAI do que a manchete simplificada “humanos contra IA”.
A OpenAI lançou um grande repositório público de manuscritos matemáticos e artefatos de provas produzidos por um modelo interno de fronteira. O lançamento inicial continha 722 manuscritos agrupados em 372 famílias de resultados.
A OpenAI retirou três manuscritos depois de encontrar um erro de sinal em um argumento que também afetava dois artigos dependentes. O repositório mantém o histórico de versões e os avisos de retirada.
As fontes primárias não sustentam essa descrição. A declaração foi emitida pelo Communications Working Group da Association for Human Mathematics; Tao a republicou como uma publicação convidada em seu blog pessoal.
A AHM é uma organização dedicada a preservar a matemática como uma prática intelectual humana na era da IA. A associação está aberta a pesquisadores em nível de pós-graduação ou superior que concordem com seus compromissos, incluindo restrições a determinadas colaborações com empresas comerciais de IA e à publicação de textos matemáticos gerados por IA.
A AGMAI é o Advisory Group on Mathematics and Artificial Intelligence, um grupo consultivo independente sediado no Institute for Advanced Study. Ele aconselha laboratórios de IA sobre a interação responsável com a pesquisa matemática, mas não possui autoridade decisória sobre a OpenAI.
A AGMAI afirma que sua função consultiva não deve ser interpretada como um endosso do processo que produziu os resultados. O grupo recebeu positivamente o envolvimento construtivo, mas afirmou que a comunidade matemática deve avaliar até que ponto suas recomendações foram seguidas.
Não. A OpenAI afirma que muitas provas possuem formalizações em Lean, mas não todas. O repositório alerta explicitamente que alguns resultados não formalizados podem conter problemas.
Uma prova formalmente correta estabelece a validade lógica, mas a matemática também depende de explicação, ideias reutilizáveis, estrutura conceitual, contexto histórico e novas direções de pesquisa. A compreensão humana é o que transforma um teorema isolado em parte de uma disciplina viva.
O lançamento de matemática da OpenAI em 6 de outubro é simultaneamente um marco de pesquisa e um teste de estresse para as normas da pesquisa matemática. A empresa publicou centenas de manuscritos gerados por IA, muitos com artefatos formais, mas a compreensão humana não acompanhou o volume de produção.
A AHM respondeu instando os matemáticos a interromperem o trabalho com a OpenAI e a preservarem uma ciência centrada na compreensão humana. Tao ampliou a visibilidade da declaração ao republicá-la, mas não foi seu autor nem seu líder. A AGMAI adota uma posição mais processual: opõe-se ao teste de modelos proprietários em problemas de pesquisa em aberto, ao mesmo tempo que publica recomendações detalhadas para a divulgação responsável quando esses resultados já existem.
O próprio repositório continua evoluindo. Três manuscritos foram retirados, outros foram revisados, e as comunidades de especialistas estão começando o trabalho muito mais lento de compreender o que o modelo realmente descobriu.
O conflito central não é simplesmente entre matemáticos humanos e IA. A questão é saber se a produção de novos teoremas pode crescer muito mais rapidamente do que os processos humanos que verificam, explicam, contextualizam e escolhem o que a matemática deve se tornar.
Comece com uma frase e tenha um site completo em minutos.
