A inteligência artificial acaba de cruzar uma fronteira que a matemática não conseguia atravessar há quase um século.
Um sistema interno da OpenAI produziu a prova de que as equações de Navier-Stokes podem desenvolver uma singularidade em tempo finito, resolvendo um dos problemas mais antigos e respeitados da matemática moderna. 🤯
Para quem ainda não conhece esse nome, calma que a gente explica tudo direitinho.
O Prêmio Millennium, oferecido pelo Clay Mathematics Institute, é uma lista de sete problemas matemáticos considerados os mais difíceis do mundo, cada um com uma recompensa de um milhão de dólares para quem conseguir resolver.
O problema de Navier-Stokes está nessa lista desde o ano 2000, e ficou sem resposta por décadas, desafiando os maiores matemáticos do planeta. A pergunta central de existência e suavidade das soluções para fluidos tridimensionais permaneceu em aberto por cerca de 90 anos.
O que ninguém esperava é que a solução viesse de onde veio: um sistema multiagente de IA rodando com cerca de 10 mil agentes simultâneos, trocando mais de 2,7 milhões de mensagens ao longo de aproximadamente 88 horas de trabalho ininterrupto.
Isso não é só um marco científico, é um sinal claro de que o ritmo do progresso em IA está acelerando em uma velocidade que poucos imaginavam. A OpenAI compartilhou tanto a redação completa da prova quanto uma formalização feita em Lean, uma linguagem usada justamente para verificar demonstrações matemáticas com rigor absoluto.
Mas antes de entrar nos detalhes técnicos desse feito histórico, vale entender o que exatamente foi resolvido, e por que isso importa tanto para a ciência, a tecnologia e o nosso dia a dia.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
O que são as equações de Navier-Stokes e por que elas importam tanto
As equações de Navier-Stokes são um conjunto de fórmulas matemáticas que descrevem como os fluidos se comportam, seja água, ar, sangue no corpo humano, fumaça saindo de uma chaminé ou até o plasma de uma estrela em colapso. Elas aplicam a segunda lei de Newton, aquela famosa F igual a m vezes a, para descrever o movimento dos fluidos, tratando o fluido como um meio contínuo em vez de rastrear cada molécula individualmente.
Foram formuladas no século XIX pelos físicos Claude-Louis Navier e George Gabriel Stokes, e desde então se tornaram a base de praticamente tudo que envolve dinâmica de fluidos. Engenheiros usam essas equações para projetar aviões mais eficientes. Climatologistas dependem delas para construir modelos de previsão do tempo. Médicos as utilizam para entender como o sangue flui pelas artérias. O problema é que, apesar de toda essa utilidade prática, ninguém conseguia provar matematicamente com total rigor se essas equações sempre produzem soluções estáveis e suaves, ou se em algum momento elas podem explodir, tecnicamente falando, gerando valores infinitos que quebram qualquer modelo computacional.
Esse ponto de ruptura tem um nome técnico: singularidade. Uma singularidade, nesse contexto, acontece quando a velocidade do fluido cresce sem limite dentro de um intervalo de tempo finito, ou seja, o sistema matemático simplesmente para de funcionar de maneira previsível. Imagine tentar simular o comportamento de um redemoinho de água e, em determinado momento, a equação te devolver um número infinito sem nenhuma explicação física plausível. Isso seria uma singularidade. E o mais impressionante é que essa quebra teria que acontecer apesar da presença da viscosidade, que é justamente a propriedade do fluido que tende a suavizar o movimento e desacelerar tudo.
Por décadas, a grande questão era: isso pode acontecer com as equações de fluidos na vida real, ou é apenas um problema teórico sem consequências práticas? Como nenhum fluido real consegue se mover infinitamente rápido, uma singularidade marcaria uma falha na forma como as equações modelam o fluido. A partir desse ponto, seria necessário voltar a rastrear o comportamento de cada partícula individualmente para continuar descrevendo o sistema.
Um pouco de história ajuda a dimensionar o tamanho do desafio. Em 1934, o matemático francês Jean Leray provou que existem soluções em um sentido generalizado para essas equações. Só que a pergunta sobre se essas soluções permanecem sempre suaves ficou sem resposta e virou uma das grandes obsessões da matemática moderna. Em 2000, o Clay Mathematics Institute oficializou o problema de existência e suavidade de Navier-Stokes como um dos sete Problemas do Prêmio Millennium.
A dificuldade está no fato de que as equações de Navier-Stokes são altamente não-lineares, o que significa que pequenas mudanças nas condições iniciais podem gerar resultados completamente diferentes e imprevisíveis ao longo do tempo. Isso torna impossível usar abordagens matemáticas tradicionais para analisar todos os cenários possíveis de uma só vez. É como tentar mapear cada gota de um oceano em movimento constante. E foi exatamente esse nível de complexidade que manteve o problema intocável por tanto tempo, mesmo com toda a evolução da matemática moderna, dos computadores e das ferramentas de simulação disponíveis nas últimas décadas.
Como a IA da OpenAI conseguiu o que a matemática não conseguiu sozinha
A abordagem usada pela OpenAI foi radicalmente diferente de qualquer tentativa anterior. Em vez de colocar um único modelo de linguagem para resolver o problema, a empresa desenvolveu um sistema multiagente, onde aproximadamente 10 mil agentes de inteligência artificial trabalharam de forma colaborativa e simultânea, cada um responsável por uma parte específica do problema.
Esses agentes eram alimentados por um modelo interno descrito pela OpenAI como significativamente mais capaz do que o GPT-6 Astra. Eles tinham acesso a ferramentas poderosas, como a possibilidade de ler uma versão em cache da internet e executar código. Os agentes foram divididos em grupos que podiam se comunicar entre si, e o grupo que produziu a resolução de Navier-Stokes envolveu algo na ordem de 10 mil agentes trabalhando ao mesmo tempo. 🚀
Ao longo de cerca de 88 horas contínuas de processamento, os agentes envolvidos nesse problema específico trocaram aproximadamente 2,7 milhões de mensagens e consumiram cerca de 130 bilhões de tokens de saída. Cada agente contribuía com uma peça do quebra-cabeça matemático, e o sistema como um todo ia organizando, verificando e refinando as provas geradas, num processo que se assemelha, em certa medida, ao funcionamento de um grande laboratório de pesquisa onde centenas de especialistas colaboram em paralelo, mas em uma velocidade infinitamente maior.
Um detalhe curioso é como tudo começou. A OpenAI conta que, no dia 1 de setembro, ouviu rumores de que dois problemas do Prêmio Millennium teriam sido resolvidos. Inspirada por esses rumores e pelo salto de desempenho do seu modelo interno, a equipe lançou um esforço para avaliar o sistema em todos os problemas abertos do prêmio. Diferentes grupos de agentes receberam variantes distintas do enunciado do problema, cobrindo tanto os caminhos que levariam a uma prova quanto os que levariam a uma refutação.
Um empurrão vindo das equações de Euler
Antes de chegar em Navier-Stokes, o sistema resolveu um problema considerado mais simples, mas ainda assim relevante: a questão da regularidade para as equações de Euler, que são basicamente as equações de Navier-Stokes sem o termo de viscosidade. Cerca de 100 agentes trabalharam juntos por aproximadamente 50 horas para produzir essa refutação, na versão sem força externa aplicada ao fluido. Foi justamente essa vitória que fez a equipe apostar todas as fichas em Navier-Stokes, redirecionando recursos e alimentando os agentes com a solução de Euler para acelerar o raciocínio.
O resultado foi a produção de uma prova analítica formal indicando que as equações de Navier-Stokes podem de fato desenvolver uma singularidade em tempo finito. A solução encontrada foi um vórtice, um redemoinho de fluido que gira em espiral para dentro e vai ficando cada vez mais alongado, como um fio de espaguete. Essa região central encolhe enquanto acelera, de um jeito que a energia do sistema continua finita, exatamente como as leis da física exigem.
O desafio técnico era enorme: os termos das equações que descrevem o movimento, como aceleração, gradientes de pressão, transferência de momento e viscosidade, precisavam ao mesmo tempo se tornar gigantescos e se cancelar de maneira extremamente precisa. Esse equilíbrio delicado é o que permite que exista uma força externa suave mesmo enquanto a velocidade do fluido cresce sem limites. Em termos práticos, a IA encontrou um cenário matematicamente consistente onde o sistema de equações colapsa por conta do próprio movimento do fluido, e não por causa de uma força infinita colocada artificialmente na conta.
A formalização e verificação em Lean levaram 17 horas adicionais, utilizando o GPT-6 Astra. Somando todos os problemas testados, os agentes enviaram 4,9 milhões de mensagens e consumiram cerca de 300 bilhões de tokens de saída. Vale destacar que a prova ainda precisará passar pelo processo formal de revisão pela comunidade científica, o que é absolutamente esperado e necessário para qualquer descoberta dessa magnitude. Inclusive, a própria OpenAI deixou claro que não pretende reivindicar o prêmio de um milhão de dólares por esse resultado.
Vale destacar que esse tipo de sistema multiagente representa uma evolução significativa na forma como a inteligência artificial é usada para resolver problemas complexos. Antes, os modelos de IA eram usados principalmente para auxiliar pesquisadores humanos, oferecendo sugestões, identificando padrões ou acelerando cálculos específicos. O que aconteceu aqui foi diferente: o sistema conduziu o raciocínio matemático de forma autônoma, estruturou argumentos lógicos encadeados e chegou a uma conclusão que nenhum ser humano havia alcançado antes.
Um trabalho paralelo que aconteceu ao mesmo tempo
Um capítulo interessante dessa história envolve pesquisadores de outra empresa. O rumor que deu início ao esforço da OpenAI estava relacionado a Levent Alpöge, funcionário da Anthropic, e a Tristan Buckmaster, professor de matemática na NYU. Após concluir seu projeto e a verificação em Lean, a OpenAI entrou em contato com a dupla para oferecer um lançamento conjunto e reconhecer a prioridade do trabalho deles. Descobriu-se então que, usando um modelo interno da Anthropic, eles haviam produzido uma resolução do problema de Euler com força externa aplicada.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
A OpenAI reconheceu a prioridade desse trabalho e parabenizou os pesquisadores pela conquista. Vale ressaltar que as provas são bastante diferentes: no caso de Euler, Alpöge e Buckmaster provaram um resultado com forçamento externo, enquanto o sistema da OpenAI provou um resultado sem forçamento externo. A empresa também confirmou, após investigação, que nenhum dado específico de usuário foi acessado para resolver o problema, e que nada do trabalho da equipe rival influenciou o sistema.
O que muda na prática com essa descoberta
A confirmação de que as equações de fluidos podem desenvolver singularidades tem implicações práticas bastante concretas, mesmo que à primeira vista pareça um assunto puramente teórico. Em simulações computacionais de dinâmica de fluidos, engenheiros e cientistas precisam saber se os modelos matemáticos que estão usando são confiáveis em todas as condições ou se existem cenários onde eles vão simplesmente falhar de maneira catastrófica.
Se uma singularidade pode se formar em tempo finito, isso significa que qualquer software de simulação baseado nessas equações precisa incluir mecanismos de detecção e tratamento desses colapsos, algo que antes era considerado apenas uma precaução teórica, mas que agora ganha um peso muito maior. Isso afeta desde o design de aeronaves até a modelagem de fenômenos climáticos extremos. 🌪️
Na medicina, o impacto também é relevante. Modelos computacionais de fluxo sanguíneo são usados para planejar cirurgias, prever riscos cardiovasculares e desenvolver dispositivos como válvulas cardíacas artificiais e stents. Se as equações que governam esses modelos têm pontos de falha formal, os sistemas de simulação médica precisam ser revistos com base nesse novo entendimento. Além disso, a descoberta abre caminho para que pesquisadores desenvolvam novas versões das equações, ou extensões matemáticas que se comportem de forma mais estável em condições extremas, o que pode resultar em ferramentas de simulação significativamente mais precisas e confiáveis nos próximos anos.
No campo da inteligência artificial em si, o feito demonstra que sistemas multiagentes têm um potencial enorme para atacar problemas que estavam além do alcance de qualquer abordagem individual, humana ou computacional. Isso deve acelerar o interesse e o investimento em arquiteturas de IA colaborativa, onde múltiplos modelos especializados trabalham juntos em vez de um único modelo generalista tentar resolver tudo sozinho.
A própria OpenAI enxerga esse resultado como uma fotografia de um momento específico, e não como um ponto final. A empresa afirma que estamos entrando em um novo período de progresso em IA, e reforça que um dos seus objetivos centrais é construir sistemas orientáveis, responsáveis e conectados às pessoas. Isso pode exigir escolhas mais deliberadas sobre o ritmo do avanço, à medida que a missão de garantir que a inteligência artificial geral beneficie toda a humanidade segue em curso.
O Prêmio Millennium ainda conta com outros seis problemas em aberto, e a comunidade científica já começa a especular se o mesmo tipo de abordagem poderia ser aplicado a eles. Seja como for, o que a OpenAI demonstrou aqui é que a fronteira entre o que é humanamente possível e o que a IA pode alcançar está se movendo em um ritmo que ninguém consegue mais ignorar. 🧠
