Introdução
Um dos problemas matemáticos mais desafiadores da história, a Hipótese de Riemann, pode estar mais próximo de uma solução graças aos avanços da inteligência artificial. A Anthropic, empresa responsável pelo Claude, anunciou que um modelo ainda não lançado conseguiu fazer progressos significativos neste problema que desafia matemáticos há mais de 150 anos. O feito reacende o debate sobre o papel da IA na descoberta científica e matemática, especialmente considerando que existe um prêmio de US$ 1 milhão para quem conseguir provar a hipótese.
O que torna este desenvolvimento ainda mais impressionante é a forma como foi alcançado: um funcionário da Anthropic sem formação matemática significativa simplesmente pediu ao modelo para ‘tentar seriamente’ resolver o problema, deixando o sistema trabalhar autonomamente por um dia e meio. Este resultado sugere capacidades emergentes de raciocínio matemático profundo que podem transformar a forma como abordamos problemas científicos complexos.
O que é a Hipótese de Riemann e por que importa
A Hipótese de Riemann, proposta pelo matemático alemão Bernhard Riemann em 1859, é uma conjectura sobre a distribuição dos números primos – aqueles números que só podem ser divididos por 1 e por eles mesmos. Embora possa parecer abstrata, esta hipótese tem implicações profundas para a criptografia moderna, incluindo os sistemas de segurança que protegem transações bancárias e comunicações digitais no Brasil e no mundo.
O problema é tão fundamental para a matemática que foi incluído entre os sete Problemas do Milênio pelo Clay Mathematics Institute, cada um com uma recompensa de US$ 1 milhão para quem apresentar uma solução. Até hoje, apenas um desses problemas foi resolvido, demonstrando o nível de dificuldade envolvido.
Como o modelo da Anthropic abordou o problema
O modelo não lançado da Anthropic utilizou uma abordagem inovadora de coordenação multi-agente para atacar o problema. Durante aproximadamente 36 horas, o sistema testou 650 ideias diferentes, coordenando o trabalho entre 60 sub-agentes especializados. Esta arquitetura distribuída permitiu que o modelo explorasse múltiplas abordagens simultaneamente, algo que seria impossível para um matemático humano trabalhando sozinho.
Dos 60 sub-agentes, apenas dois foram responsáveis pelo desenvolvimento das ideias matemáticas fundamentais que levaram ao progresso. Outros 13 contribuíram com ideias para esses agentes principais, enquanto 30 tentaram desenvolver novas abordagens sem sucesso. Treze agentes atuaram como validadores, verificando a correção dos argumentos matemáticos, e dois ajudaram a redigir o artigo inicial descrevendo os resultados.
O progresso específico alcançado foi o aumento significativo do limite inferior de soluções para as quais a hipótese é válida – um avanço incremental, mas importante, na direção de uma prova completa. Os resultados foram verificados por dois matemáticos internos da Anthropic e formalizados usando o assistente de provas open-source Lean, garantindo rigor matemático.
O contexto mais amplo: IA na pesquisa matemática
Este não é um caso isolado de IA fazendo progressos em matemática avançada. Ao longo de 2026, vários problemas matemáticos históricos foram resolvidos ou avançados por modelos de linguagem. Diversos problemas de Erdős, outro conjunto de questões matemáticas famosas, foram solucionados por sistemas de IA este ano. A OpenAI recentemente divulgou dez resultados matemáticos importantes provados por seu modelo interno ‘Astra’, enquanto outro esforço da Anthropic conseguiu refutar a conjectura Jacobiana, que permanecia em aberto por décadas.
Para o contexto brasileiro, onde a pesquisa em matemática pura muitas vezes enfrenta desafios de financiamento e recursos, esses avanços sugerem novas possibilidades. Universidades e centros de pesquisa no Brasil poderiam potencialmente usar essas ferramentas para acelerar descobertas matemáticas, competindo em pé de igualdade com instituições internacionais mais bem financiadas.
Reações da comunidade matemática
A crescente capacidade da IA em matemática tem gerado reações mistas na comunidade acadêmica. Em junho, um grupo de matemáticos proeminentes assinou a Declaração de Leiden, expressando preocupações de que a IA poderia minar valores fundamentais do campo, particularmente o padrão de que provas matemáticas devem ser ‘atribuíveis a autores específicos que assumem crédito pela descoberta e responsabilidade por sua correção’.
No entanto, nem todos compartilham dessas preocupações. Timothy Gowers, vencedor da Medalha Fields (o ‘Nobel da Matemática’), questionou em um post de blog se a influência da IA poderia transformar a matemática de formas mais complexas e potencialmente positivas. Gowers sugere que, se chegarmos a um mundo onde teoremas matemáticos não são mais associados a matemáticos individuais, isso pode não ser mais problemático do que o fato de estrelas não serem nomeadas em homenagem a astrônomos.
Implicações para o mercado e a pesquisa científica
Os avanços da Anthropic e outras empresas de IA têm implicações significativas para diversos setores no Brasil. Na área acadêmica, pesquisadores podem começar a usar esses modelos como assistentes de pesquisa, acelerando descobertas e explorando hipóteses que seriam muito trabalhosas para investigar manualmente. Empresas de tecnologia e fintechs brasileiras, que dependem de criptografia e algoritmos matemáticos complexos, podem se beneficiar de insights gerados por esses sistemas.
Além disso, o modelo de coordenação multi-agente demonstrado pela Anthropic sugere novas arquiteturas para resolver problemas complexos em outras áreas. Imagine sistemas similares sendo aplicados a desafios brasileiros como otimização logística na Amazônia, modelagem climática para agricultura ou desenvolvimento de novos materiais para a indústria nacional.
O custo computacional também é um fator importante: o modelo gastou 31 milhões de tokens no processo, o que representa um investimento significativo em recursos computacionais. Isso levanta questões sobre acessibilidade e democratização dessas tecnologias, especialmente para instituições de pesquisa com orçamentos limitados.
O futuro da colaboração humano-IA em ciência
O caso da Hipótese de Riemann ilustra um novo paradigma de pesquisa científica onde humanos e IA trabalham em conjunto. O fato de um não-especialista ter conseguido direcionar o modelo para fazer progresso significativo sugere que o papel do pesquisador humano pode estar evoluindo de ‘solucionador de problemas’ para ‘direcionador de investigações’.
Para o ecossistema brasileiro de inovação, isso representa tanto oportunidades quanto desafios. Startups e centros de pesquisa que souberem integrar essas ferramentas em seus processos podem ganhar vantagens competitivas significativas. Por outro lado, será necessário desenvolver novas competências e frameworks éticos para garantir que os avanços sejam utilizados de forma responsável e que o crédito seja adequadamente atribuído.
Conclusão
O progresso da Anthropic na Hipótese de Riemann marca um momento histórico na intersecção entre inteligência artificial e matemática pura. Embora o problema ainda não tenha sido completamente resolvido, o avanço demonstra que modelos de IA podem contribuir significativamente para questões que desafiam a humanidade há séculos. Para o Brasil, isso representa uma oportunidade de repensar como conduzimos pesquisa científica e matemática, potencialmente nivelando o campo de jogo global através do acesso a ferramentas de IA avançadas.
À medida que esses sistemas se tornam mais sofisticados, a questão não é mais se a IA pode contribuir para descobertas matemáticas, mas como integraremos essas capacidades de forma ética e produtiva em nossos processos de pesquisa. O futuro da matemática e da ciência pode muito bem ser uma colaboração simbiótica entre a criatividade e intuição humanas e o poder computacional e exploratório da inteligência artificial.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria “An unreleased Anthropic model made progress on one of math’s biggest unsolved problems” publicada em TechCrunch, disponível em https://techcrunch.com/2026/08/11/an-unreleased-anthropic-model-made-progress-on-one-of-maths-biggest-unsolved-problems/.
