A Olimpíada Internacional de Matemática (IMO) é uma competição anual de matemática para estudantes do ensino médio de todo o mundo. Fundada em 1959, a IMO é uma das mais prestigiadas competições acadêmicas internacionais para jovens matemáticos. Os estudantes que se destacam na IMO muitas vezes são reconhecidos internacionalmente e têm a oportunidade de seguir carreiras acadêmicas ou profissionais em matemática e áreas relacionadas.

Desse modo, a IMO serve como um ponto de referência valioso para os estudantes avaliarem suas habilidades e determinar se possuem o potencial necessário para se destacarem no campo da matemática. Mas agora, a Inteligência Artificial (IA) passou no teste, pelo menos na parte de geometria.

É evidente que essa integração bem-sucedida da IA representa um marco importante, sugerindo que a tecnologia está se tornando cada vez mais capaz de lidar com problemas matemáticos complexos. Contudo, uma questão que cerca a discussão é se – e até que ponto – a IA pode resolver os mistérios matemáticos que surpreendem até mesmo as mentes mais brilhantes da área.

IA resolve problemas geométricos sem demonstrações humanas

Em um estudo divulgado em janeiro pela revista Nature, um grupo de pesquisadores da DeepMind, uma empresa do Google, apresentou uma inovadora IA denominada AlphaGeometry. Esta IA demonstrou uma habilidade super interessante para resolver desafios de geometria sem depender de orientação humana ou exemplos prévios.

Em geral, quando se trata de problemas matemáticos, os grandes modelos de linguagem [como o ChatGPT] essencialmente pontuam zero. A complexidade aumenta quando a IA se depara com desafios que envolvem problemas algébricos de palavras ou problemas combinatórios, nos quais é solicitado encontrar o número de permutações, ou variações, de uma sequência numérica.

A AlphaGeometry escolheu a geometria por ser “visualmente atraente e estar em todo lugar”. Além disso, projetar um solucionador de geometria é uma das tarefas mais fáceis para uma IA matemática. Imagem: Canva

Para enfrentar desafios matemáticos desse nível, a AlphaGeometry se baseia em uma fusão de duas abordagens distintas de IA. A primeira é uma técnica simbólica, caracterizada por sua precisão, embora operando em um ritmo mais lento. Em paralelo, utiliza-se uma rede neural que se assemelha aos grandes modelos de linguagem (LLMs), desempenhando o papel de resolver rapidamente e de forma criativa os problemas apresentados.

“Problema conceitual”

Embora as ferramentas de IA baseadas em LLMs tenham experimentado um crescimento significativo nos últimos dois anos, esses modelos frequentemente enfrentam desafios ao lidar com problemas matemáticos.

Essa dificuldade é uma das razões pelas quais o AlphaGeometry se destaca entre outras soluções. No entanto, é importante ressaltar que essa conquista não implica automaticamente que a IA esteja pronta para abordar problemas matemáticos de nível superior.

De acordo com Marijin Heule, Ph.D. e professor associado de ciência da computação na Carnegie Mellon University, “Quando se trata de resolver problemas matemáticos ou em geral, o desafio da IA ​​é que [ela] não consegue criar novos conceitos.”

Heule acrescenta que essa restrição afeta tanto a IA simbólica quanto as redes neurais de maneiras distintas. Ambas enfrentam desafios devido à dependência de um conjunto preexistente de conhecimento humano. Porém, essa não é exatamente a situação do AlphaGeometry, pois ele se apoia em dados sintéticos. Estes dados, por sua vez, não são derivados de exemplos humanos, mas são criados para se assemelharem a eles.

No futuro próximo, a IA estará principalmente auxiliando os humanos. Elas são particularmente habilidosas em identificar argumentos incorretos e fornecer contraexemplos, o que pode ser extremamente útil para os pesquisadores distinguirem entre becos sem saída e caminhos promissores na pesquisa matemática.

IA geral

Thang Luong, Ph.D. e cientista pesquisador sênior do Google acredita que esse modelo de IA pode ajudar a conceber uma IA generalizada.

“Se quisermos falar sobre a construção de uma inteligência artificial geral, onde queremos que a IA seja tão inteligente quanto um ser humano, acho que a IA precisa ser capaz de realizar um raciocínio profundo […] Isso significa que a IA precisa ser capaz de planejar com antecedência muitas etapas [e] ter uma visão geral de como as coisas se conectam… a IMO é o teste perfeito para isso”, explica Luong.