OpenAI reivindica três avanços científicos enquanto pesquisadores independentes iniciam análise

Três alegações colocam décadas de pesquisa sob escrutínio

A OpenAI anunciou em 26 de outubro de 2026 que seus modelos de IA produziram demonstrações que abordam três problemas antigos da matemática, da ciência da computação e da física, incluindo um desafio a uma hipótese computacional usada em centenas de artigos de pesquisa. A empresa divulgou seus materiais de matemática e computação, enquanto um grupo liderado pelo ganhador do Nobel de Física David Gross analisará o trabalho de física antes de publicar sua própria explicação.

A alegação na área da computação diz respeito à Hipótese do Tempo Exponencial (ETH, na sigla em inglês), proposta em 1999. A OpenAI afirma que seu modelo encontrou um algoritmo que contradiz a hipótese ao resolver uma determinada família de problemas de lógica mais rapidamente do que ela permite. Dois pesquisadores que ajudaram a propor a ETH, Russell Impagliazzo e Ramamohan Paturi, conduzirão uma análise independente ao lado do professor do MIT Ryan Williams.

Na matemática, a empresa afirma ter demonstrado a conjectura de suavização local de Christopher Sogge, proposta em 1991, para a equação de ondas euclidiana em toda dimensão espacial igual ou superior a dois. A OpenAI diz que o argumento também produz resultados sobre as conjecturas de Kakeya e a conjectura de restrição de Stein, conectando o movimento das ondas a questões difíceis sobre geometria e frequências.

A alegação na área da física diz respeito à existência matemática de certas teorias quânticas de campos interagentes em quatro dimensões, incluindo a cromodinâmica quântica (QCD, na sigla em inglês), que descreve as interações entre quarks e glúons. A OpenAI também afirma que o trabalho abrange a teoria de Yang-Mills pura e uma determinada extensão unificada do Modelo Padrão da física de partículas.

A análise independente é a próxima etapa nos três projetos. Pesquisadores examinarão os argumentos, suas premissas e as afirmações matemáticas precisas a que se referem. O anúncio não estabeleceu prazo para a conclusão dessas análises nem para a divulgação dos materiais de física retidos.

O que a demonstração sobre ondas afirma explicar

A conjectura de suavização local de Sogge trata do grau de concentração das ondas enquanto se propagam. Uma onda pode ficar fortemente concentrada em um determinado momento. A conjectura descreve os limites matemáticos dessa concentração quando seu comportamento é medido ao longo de um intervalo de tempo.

Imagine observar uma onda por meio de uma sequência de fotografias, em vez de avaliá-la pelo seu instante mais dramático. Uma única imagem pode mostrar um pico intenso, enquanto a sequência revela por quanto tempo esse pico dura. Os matemáticos expressam essa relação por meio de estimativas para as soluções da equação de ondas, usada para descrever como as ondas se propagam.

A OpenAI afirma que seu argumento introduz uma nova equação diferencial parcial auxiliar. Esse tipo de equação descreve como grandezas mudam no espaço e no tempo; uma equação auxiliar serve como ferramenta adicional para estudar o problema original. A empresa diz que essa abordagem estabelece as estimativas desejadas em todas as dimensões espaciais iguais ou superiores a dois.

O escopo alegado amplia um marco anterior importante. Larry Guth, Hong Wang e Ruixiang Zhang demonstraram a suavização local em duas dimensões espaciais em 2019. O anúncio da OpenAI diz respeito a um argumento geral que também abrange dimensões superiores, em vez de outro resultado limitado a uma única dimensão.

Como a geometria e as frequências entram na alegação

O problema de Kakeya pergunta quão pequeno pode ser um conjunto que contenha um segmento de reta de comprimento unitário em todas as direções. A dificuldade decorre da diferença entre volume comum e dimensão matemática. Um conjunto pode ocupar pouquíssimo volume e, ainda assim, ter uma estrutura complexa que os matemáticos medem por meio da dimensão.

Hong Wang e Joshua Zahl estabeleceram um resultado importante sobre a conjectura de Kakeya em três dimensões em 2025. A OpenAI afirma que seu novo argumento sobre ondas resulta tanto na conjectura maximal de Kakeya quanto na conjectura da dimensão de Kakeya em várias dimensões, ampliando o alcance muito além daquele marco anterior, caso a demonstração resista à análise.

A conjectura de restrição de Stein pertence à mesma rede de problemas. Ela trata de como as informações sobre frequências se comportam quando restritas a superfícies curvas. A descrição detalhada da OpenAI afirma que há estimativas de restrição esférica em toda a região interior do intervalo conjecturado. Essa formulação especifica o intervalo de estimativas que os pesquisadores precisarão examinar ao avaliar a alegação mais ampla sobre a conjectura de Stein.

Por que o resultado de computação é importante

A Hipótese do Tempo Exponencial trata da satisfatibilidade booleana, um problema construído com variáveis que podem ser verdadeiras ou falsas. Uma fórmula estabelece regras para combinar essas variáveis, e a tarefa é descobrir se alguma atribuição de valores faz com que todas as regras sejam satisfeitas.

No 3-SAT, cada cláusula contém no máximo três termos. Uma cláusula pode exigir que pelo menos uma de três afirmações seja verdadeira, enquanto a fórmula inteira exige que todas as cláusulas sejam satisfeitas. À medida que o número de variáveis aumenta, o número de atribuições possíveis dobra a cada nova variável: 10 variáveis permitem 1.024 atribuições, enquanto 20 permitem 1.048.576.

A ETH sustenta que, no pior caso, resolver o 3-SAT exige um tempo que cresce exponencialmente com o número de variáveis. Impagliazzo, Paturi e Francis Zane ajudaram a formular a hipótese em 1999. Desde então, pesquisadores a utilizam como premissa para explicar por que muitos problemas em teoria dos grafos, biologia computacional, bancos de dados e geometria computacional resistem a soluções mais rápidas.

A alegação da OpenAI é mais específica do que uma promessa geral de computação mais rápida. A empresa afirma que seu modelo produziu um algoritmo determinístico que conta exatamente as atribuições satisfatórias de fórmulas na forma normal conjuntiva com largura fixa de cláusula. Forma normal conjuntiva significa uma organização em cláusulas que precisam ser todas satisfeitas; largura fixa impõe um limite constante ao número de termos em cada cláusula.

O algoritmo alegado usa tempo subexponencial e espaço polinomial. O crescimento subexponencial é mais lento do que o crescimento exponencial exigido pela ETH para o 3-SAT. Espaço polinomial significa que o requisito de memória é limitado por uma potência fixa do tamanho da entrada. Contar as atribuições satisfatórias também responde à pergunta mais simples sobre existência: uma contagem acima de zero significa que a fórmula pode ser satisfeita.

O que os pesquisadores precisam esclarecer sobre o algoritmo

Centenas de artigos usam a ETH para deduzir limites condicionais para algoritmos. Suas conclusões costumam assumir a forma: se a ETH for válida, determinado problema não poderá ser resolvido dentro de um limite de tempo especificado. Uma refutação aceita exigiria que os pesquisadores reavaliassem as premissas que sustentam esses limites.

A computação prática representa outra tarefa. Os pesquisadores precisariam compreender as constantes do algoritmo, os requisitos de implementação e seu desempenho em entradas de tamanhos úteis. Uma taxa de crescimento matematicamente melhor ainda pode envolver um tempo de computação substancial, especialmente para os tamanhos de problema encontrados em aplicações reais.

P versus NP é uma pergunta diferente: saber se todo problema cuja resposta proposta pode ser verificada com eficiência também pode ser resolvido com eficiência. Nesse contexto, eficiência geralmente significa tempo polinomial. Um algoritmo subexponencial pertence a uma categoria mais ampla; por isso, a análise se concentrará na velocidade exata alegada e em suas consequências para a ETH.

Impagliazzo e Paturi, ambos da Universidade da Califórnia em San Diego, e Williams organizarão a análise independente. Em sua carta aberta à comunidade de pesquisa, os três cientistas da computação descreveram o cuidado necessário:

Nossa participação não deve ser entendida como uma certificação da alegação. Um resultado dessa importância exige um exame cuidadoso e independente,

Física investiga os fundamentos das teorias de partículas

A teoria quântica de campos descreve partículas e suas interações por meio de campos que se estendem pelo espaço e pelo tempo. A alegação da OpenAI na área da física diz respeito a teorias interagentes com campos de calibre e férmions em quatro dimensões, geralmente entendidas como três dimensões espaciais e uma temporal.

A QCD descreve a interação forte entre quarks e glúons. Os quarks são constituintes de prótons e nêutrons, enquanto os glúons carregam a força forte. Os físicos já usam a QCD para explicar fenômenos observados. A tarefa matemática, neste caso, é construir a teoria rigorosamente e estabelecer que seus objetos fundamentais existem sob condições precisas.

A OpenAI afirma que o trabalho se baseia em uma abordagem desenvolvida por Tadeusz Balaban na teoria quântica de campos construtiva. Essa área busca construir teorias quânticas com controle matemático, fornecendo uma base para as grandezas que os físicos calculam.

A teoria de Yang-Mills pura também está incluída na alegação. O problema de Existência de Yang-Mills e Lacuna de Massa do Instituto Clay de Matemática exige tanto uma construção rigorosa quanto uma lacuna de massa positiva, isto é, uma energia positiva mínima que separe o vácuo da excitação mais leve. O resultado anunciado pela OpenAI trata da existência; a exigência da lacuna de massa continua sendo outra parte do problema do prêmio.

Gross, que recebeu o Nobel de Física em 2004, liderará o grupo de física. Os demais integrantes são Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov. A pedido do grupo, os materiais de IA estão sendo retidos enquanto os pesquisadores preparam seu próprio relato do trabalho.

A sequência entre os resultados do modelo e o anúncio

A OpenAI situa as descobertas alegadas entre setembro e outubro de 2026. A sequência distingue a geração de argumentos escritos de sua posterior formalização em Lean, um sistema que verifica demonstrações expressas em uma linguagem matemática precisa.

• 9 de setembro: O modelo gerou a demonstração de existência alegada para a teoria de Yang-Mills pura.
• 18 de setembro: O modelo gerou a demonstração alegada para a QCD.
• 6 de outubro: A OpenAI divulgou 722 manuscritos de matemática em uma publicação de pesquisa anterior.
• 16 de outubro: O modelo gerou a refutação da ETH, e a demonstração de existência de Yang-Mills concluiu a formalização em Lean.
• 17 de outubro: O argumento sobre a ETH concluiu a formalização em Lean.
• 18 de outubro: O modelo gerou o argumento sobre suavização local.
• 19 de outubro: O argumento matemático concluiu a formalização em Lean.
• 26 de outubro: A OpenAI anunciou os três projetos e os acordos para sua análise.

Os textos de matemática e ciência da computação e os materiais de demonstração formal foram disponibilizados publicamente no GitHub. O grupo de física escolheu outra sequência: sua explicação será publicada antes da divulgação dos materiais de IA subjacentes.

Como a verificação formal se encaixa na análise científica

O Lean permite escrever uma demonstração como uma sequência de afirmações precisas, verificadas por software segundo definições e regras lógicas. Isso possibilita inspecionar raciocínios complexos com um nível de detalhe difícil de manter em prosa comum.

Os revisores humanos também examinam como as definições formais correspondem à questão de pesquisa original, quais premissas a demonstração utiliza e como o resultado se relaciona com trabalhos anteriores. No caso da alegação sobre computação, isso inclui compreender o algoritmo e seu tempo de execução. No caso da alegação sobre ondas, inclui as dimensões e os intervalos de estimativas abrangidos.

A OpenAI descreve os resultados do modelo como dados brutos de pesquisa que precisam ser transformados em conhecimento científico. Os três acordos de divulgação atribuem essa tarefa de formas diferentes: análise aberta para matemática, grupo organizado e acesso público para ciência da computação e explicação inicial por um grupo selecionado para física.

Williams afirmou que os revisores da área de computação não assinaram acordos de confidencialidade e não receberiam pagamento. A OpenAI concordou com os pedidos deles para divulgar os dados brutos da ETH e financiar uma conferência na qual pesquisadores pudessem examinar a alegação. Participantes externos têm liberdade para chegar a conclusões e publicá-las independentemente da empresa.

Acesso, financiamento e reconhecimento entram no debate

O anúncio da OpenAI vem após críticas à divulgação anterior de centenas de manuscritos de matemática e ao trabalho necessário para avaliá-los. Os novos acordos incluem acadêmicos identificados no processo, mas também geram um debate sobre quem terá acesso primeiro.

O painel consultivo de matemática AGMAI da empresa recomendou que pesquisadores selecionados não tivessem acesso antecipado a resultados de IA. Entre as preocupações estavam o acesso desigual, o viés de seleção e a possibilidade de que a reputação de pesquisadores renomados desse credibilidade ao trabalho antes da conclusão da análise.

O painel recomendou divulgar os resultados por meio de repositórios acadêmicos, incluindo formalizações em Lean e informações sobre como os problemas foram escolhidos. Também pediu apoio aos pesquisadores que verificam e explicam os resultados. O contraste com os materiais de física retidos torna o acesso uma questão concreta neste anúncio.

A OpenAI afirma que não busca crédito acadêmico pelas descobertas e que deseja que os pesquisadores recebam reconhecimento pelas explicações que produzirem. A carta dos revisores da área de computação pergunta como o reconhecimento deve contemplar a descoberta, bem como a verificação, correção, simplificação, explicação e extensão de um resultado. Também pergunta como estudantes e pesquisadores podem receber apoio à medida que os métodos de pesquisa mudam.

Uma contribuição de US$ 5 milhões anunciada anteriormente à Fundação Simons visa apoiar oficinas, conferências e programas de pesquisa sobre resultados de IA. Financiar essas atividades ajudaria a distribuir o trabalho de análise para além dos pequenos grupos citados no anúncio.

Principais pontos

• A OpenAI anunciou três avanços alegados em 26 de outubro de 2026. Ainda é necessária uma análise independente.
• A alegação matemática abrange a suavização local em todas as dimensões espaciais iguais ou superiores a dois, além de outros resultados alegados sobre Kakeya e restrição.
• A alegação sobre computação propõe um algoritmo que refutaria a Hipótese do Tempo Exponencial se fosse verificado.
• Russell Impagliazzo, Ramamohan Paturi e Ryan Williams lideram a análise independente da ETH.
• David Gross lidera a análise de física, que abrange demonstrações de existência alegadas, incluindo as da QCD e da teoria de Yang-Mills pura.
• Os materiais de matemática e computação são públicos. Os materiais de física estão sendo retidos enquanto os pesquisadores preparam uma explicação.
• Não foi anunciado prazo para a conclusão das análises nem para a divulgação dos materiais de física.