A OpenAI se viu no centro de uma controvérsia após anunciar às pressas um avanço matemático para seu novo modelo GPT-5, que nunca ocorreu. Em uma publicação na plataforma de mídia social X, o diretor de produtos da empresa, Kevin Weil, afirmou que o GPT-5 havia encontrado soluções para 10 problemas de Erdős anteriormente não resolvidos e progredido em outros onze.
Fonte da imagem: Zac Wolff/Unsplash
Os colegas de Weil apoiaram essa alegação, sugerindo que a inteligência artificial (IA) havia desenvolvido provas para problemas complexos da teoria dos números, o que poderia ser um sinal de sua capacidade de fazer descobertas científicas independentes. No entanto, conforme relatado pelo The Decoder, o matemático Thomas Bloom, proprietário do site erdosproblems.com, refutou imediatamente essas alegações, chamando-as de “interpretação dramaticamente equivocada”. Ele esclareceu que o rótulo “aberto” em seu site significa apenas que ele não conhece pessoalmente a solução, não que o problema não tenha sido resolvido pela comunidade científica. Na verdade, o GPT-5 apenas descobriu artigos científicos existentes que Bloom havia ignorado, em vez de gerar novas provas.
O incidente atraiu duras críticas de importantes especialistas em IA. O CEO da DeepMind, Demis Hassabis, descreveu a situação como “embaraçosa”. Yann LeCun, chefe da equipe de IA da Meta✴, observou ironicamente que a OpenAI havia se tornado vítima de sua própria propaganda enganosa. Sob pressão dos críticos, as postagens originais foram excluídas, e os pesquisadores reconheceram o erro.
Fonte da imagem: the-decoder.com
No entanto, a verdadeira história por trás da utilidade do GPT-5 foi ofuscada. O modelo de fato provou sua eficácia como ferramenta de pesquisa, capaz de rastrear publicações acadêmicas relevantes. Isso é especialmente valioso para problemas em que a literatura científica é fragmentada ou carece de uma terminologia unificada. O renomado matemático Terence Tao vê isso como o principal potencial prático da inteligência artificial em matemática. Ele afirmou que a IA é mais útil não para resolver problemas complexos, mas para acelerar tarefas rotineiras, como pesquisas bibliográficas, o que poderia ajudar a “industrializar” a matemática e acelerar o progresso na área. Tao enfatiza que a expertise humana é fundamental para analisar, classificar e integrar com segurança os resultados da IA em pesquisas do mundo real.