25 laureados com a Medalha Fields publicaram uma declaração conjunta na qual apontam diretamente para uma «séria divergência de objetivos» entre as empresas que desenvolvem IA e a comunidade matemática. O documento surgiu em 11 de setembro de 2026 no Le Monde e no blog de Terence Tao; entre os signatários estão Pierre Deligne, Peter Scholze, Marina Viazovska, Manjul Bhargava, Yu Deng e outros. A declaração surgiu no contexto dos recentes anúncios da OpenAI sobre a resolução do problema de Navier-Stokes em 88 horas com a ajuda de milhares de agentes e milhões de mensagens.
A essência da objeção não está no fato de a IA resolver problemas, mas em como exatamente isso acontece e quais valores são promovidos nesse processo. A matemática tradicionalmente valoriza não o simples fato da resolução, mas a compreensão das estruturas, o isolamento da nova contribuição, a verificação minuciosa, a citação correta e o tempo para a reflexão. As empresas, por sua vez, otimizam em função da velocidade e dos benchmarks públicos: quanto mais rápido o modelo «fecha» um problema conhecido, maior é a sua avaliação aos olhos dos investidores e usuários. Essa aceleração, na opinião dos laureados, destrói o «solo fértil» para novas ideias e mina o processo de formação de estudantes e de ideias.
Metodologicamente, a declaração baseia-se na observação de incidentes reais. Os matemáticos observam que os sistemas de IA frequentemente apresentam soluções sem uma exposição escrita completa, sem destacar o que é realmente novo e sem levar em conta os trabalhos anteriores. Isso está diretamente ligado às recentes controvérsias em torno da prioridade em problemas nos quais a OpenAI supostamente utilizou resultados obtidos com modelos de outros laboratórios, sem a devida atribuição de autoria. Ao contrário do processo matemático tradicional, em que a demonstração passa por revisão por pares e discussão na comunidade, a abordagem automática deixa pouco espaço para essa reflexão.
Em comparação com abordagens anteriores de integração de ferramentas computacionais à matemática, a situação atual difere pela escala e pela pressão comercial. Antes, os computadores eram usados para verificação ou busca de contraexemplos, mas não para a produção em massa de «soluções» de problemas conhecidos em prazos recordes. Esforços paralelos de laboratórios como DeepMind ou Anthropic também se concentram em benchmarks, mas foi a OpenAI que, nas últimas semanas, promoveu de forma mais agressiva a narrativa do «avanço» nos Millennium Prize Problems. Isso cria uma dinâmica competitiva em que a velocidade se torna a principal vantagem, e não a profundidade da compreensão.
As consequências para o campo são evidentes: se a comunidade começar a orientar-se pelas soluções automáticas como principal forma de avanço, o espaço para um trabalho lento, mas fundamental, diminuirá. Estudantes e jovens pesquisadores podem perder a motivação para o estudo aprofundado, uma vez que as «respostas» já existem em acesso aberto. Além disso, surge o risco de diluição da autoria e da responsabilidade — quem é responsável por um erro numa demonstração de IA, se ela é composta de milhares de fragmentos?
A declaração não nega a utilidade da IA para a matemática, mas enfatiza a necessidade de uma discussão urgente sobre as regras de interação. Os laureados apelam à comunidade matemática, aos desenvolvedores e à sociedade em geral para que elaborem mecanismos que preservem o valor da compreensão conceitual e da citação correta. Sem tais mecanismos, a divergência de objetivos só se intensificará, afetando não apenas a matemática, mas também outras áreas do trabalho intelectual.
A questão central que permanece em aberto: será que a comunidade de matemáticos conseguirá impor os seus padrões de verificação e autoria aos desenvolvedores de IA, ou a lógica comercial redefinirá definitivamente o que é considerado «progresso» na ciência fundamental.
