Uma IA resolve um quebra-cabeça de geometria de 80 anos. O que os matemáticos acham disso?

Oito décadas depois de Paul Erdős ter proposto o problema da distância unitária em 1946, uma IA de propósito geral gerou configurações que superam os limites conjecturados de longa data, provando pelo menos n^(1+δ) pares de distância unitária para algum δ>0. Matemáticos da Princeton verificaram o resultado, com nomes como Tim Gowers e Arul Shankar chamando-o de um avanço significativo.

• Principais conclusões:
• OpenAI resolveu o quebra-cabeça de Paul Erdős de 1946 com construções de n^(1+δ) distâncias unitárias.
• Princeton verificou o resultado, dando um impulso de credibilidade para a IA em 2026 na matemática.
• Tim Gowers diz que o avanço pode influenciar criptografia e provas além da geometria.

Um enigma geométrico de 80 anos finalmente saiu do lugar quando um sistema da OpenAI costurou, de forma improvável, uma construção que superou expectativas de longa data. O problema da distância unitária, proposto por Paul Erdős em 1946, pergunta quantos pares de pontos exatamente a 1 unidade de distância podem existir entre n pontos no plano; a IA encontrou configurações que crescem mais rápido do que o “manual” clássico permitia. Matemáticos da Princeton checaram o trabalho, e autoridades como Tim Gowers e Arul Shankar deram atenção. Além do troféu simbólico, o resultado sugere um novo tipo de colaborador para a matemática: um que usa inferência geral para ultrapassar heurísticas humanas.

A IA desvenda um mistério matemático de 80 anos com uma solução breakthrough

Alguns problemas insistem em cutucar a paciência humana no limite. O problema da distância unitária, proposto em 1946 por Paul Erdős, fez uma pergunta aparentemente simples: com n pontos em um plano, quantos pares podem ficar exatamente a 1 unidade de distância. Gerações tentaram atacá-lo com grades, simetria e persistência. O progresso vinha em “fatias”, nunca em saltos. Então, silenciosamente, uma IA entrou em cena.

Um problema de décadas, finalmente resolvido

A abordagem clássica organizava pontos em grades quadradas, ajustando a escala para provocar mais pares na distância 1. Esse método sugeria um crescimento apenas acima do linear, aproximadamente n multiplicado por um fator que mal supera n quando n cresce. O campo se consolidou em torno da ideia de que a melhor cota inferior ficava perto de n^(1+o(1)), um degrau acima de n — não um passo adiante.

Como a IA superou as conjecturas

De acordo com pesquisadores envolvidos, um modelo interno da OpenAI propôs uma nova família de configurações de pontos que ultrapassa um limiar há muito considerado inalcançável. O sistema gerou construções com pelo menos n^(1+δ) pares de distância unitária, para um δ fixo maior que 0 que não desaparece conforme n aumenta. Isso é uma melhoria polinomial real, não um detalhe pequeno.

A abordagem combinou intuição geométrica com teoria avançada de números algébricos, uma ferramenta surpreendente para um problema espacial de contagem. Não veio de um mecanismo especializado em matemática. Em vez disso, emergiu de um modelo geral de inferência em avaliação, sugerindo capacidades de raciocínio mais amplas que conseguem transitar entre domínios quando o espaço de busca é vasto.

Confirmado por especialistas, celebrado pelo campo

Matemáticos independentes na Universidade de Princeton revisaram as construções da IA e confirmaram o resultado, de acordo com pessoas familiarizadas com a análise. Vozes respeitadas, incluindo Sir Tim Gowers e Arul Shankar, elogiaram o avanço como um passo significativo para o campo. Este é o tipo de caso em que uma nova cota inferior, antes imóvel por muito tempo, finalmente se move porque uma IA encontrou a lente certa.

Implicações para a matemática e além

O que significa quando um modelo generalista ultrapassa conjecturas entrincheiradas. Primeiro, sugere um fluxo de trabalho em que máquinas expõem estruturas candidatas e humanos as testam sob estresse. Além da geometria, áreas como combinatória, teoria de códigos e criptografia podem ver colaborações semelhantes quando as provas dependem de construções raras.