O fim do visionário

Visionário. O elogio mais cobiçado por aqueles que trabalham sentados vê seu valor desabar junto com os insights que o inspiravam. Onde existe uma mesa de reunião ou uma bancada tem uma nuvem acumulando ideias promissoras, não fosse por estarem empilhadas com outras tantas, igualmente criadas com inteligência artificial.

A publicação das 370 soluções de problemas pela OpenAI no início do mês põe a matemática nesse circuito em que a abundância é tão grande que, nas palavras de um professor da Sorbonne, "se as IAs sumissem agora [...] o campo passaria os próximos dez anos tentando entender o que sobrou".

Não se trata apenas do momento mais importante da história da disciplina, mas também daquele em que ficou claro que o jogo de resolver os grandes desafios está acabando para os humanos, com bolsa de pesquisa cancelada e carreira inteira varrida numa semana. Deixemos a tristeza de lado e fiquemos com as consequências.

A entrada das máquinas no cume das exatas deixa o mundo com mais soluções do que gente para apreciá-las. O desconhecido, que era feito do que ninguém descobriu, passa a incluir também o que ninguém entendeu, dada a maneira pouco ortodoxa como a IA chega aos resultados. Uma professora do Texas que passou anos tentando provar uma das conjecturas que caíram agora recebeu a demonstração pronta e precisou de uma IA para lê-la.

Essa mudança atinge o cerne da produção científica. Veja, o que a gente chama de entendimento é a integração de uma ideia a modelos mentais preexistentes, gerando a sensação de que as coisas se encaixam e diretrizes para a descoberta seguinte. O problema é que isso é incompatível com uma realidade em que resultados importantes e complexos se acumulam na nuvem, exigindo que algum sistema de capacidade sobre-humana, a própria IA, os conecte e nos devolva uma visão de conjunto. O conhecimento começa a avançar sem passar por nenhuma cabeça, conosco do lado de fora.

A abundância muda também o tratamento do que já está pronto. Na programação, ninguém mais conserta código: o agente refaz do zero porque descobrir onde mexer no que está lá custa mais do que escrever de novo. A mesma regra valerá para as provas produzidas por IA, que não serão lidas porque sai mais barato pedir outra.

Se hoje assusta ver a máquina realizar uma descoberta digna da medalha Fields (o segredinho é que a façanha saiu de milhares de tentativas, a maioria fracassada), em alguns anos ela fará o mesmo como etapa normal de um pedido do usuário, que vai tratar a resposta como descartável.

De quebra, teremos mais incerteza. Um dia depois de soltar essa bomba, a OpenAI retirou três manuscritos porque um erro pequeno numa prova derrubou duas outras que dependiam dela. Numa pilha que ninguém lê, o erro lá de baixo sobe junto com a torre. Com isso, estaremos um pouco mais no campo das ciências inexatas, com efeitos colaterais que ninguém sabe explicar.

Nada disso será exclusividade da matemática, mas valerá para qualquer área em que seja possível checar automaticamente se um resultado está certo. Este é o caso da física feita no papel: num estudo recém-publicado por 35 físicos, a IA resolveu 49 de 50 problemas inéditos, do tipo que só um punhado de especialistas sabe resolver, a menos de US$ 3 cada.

Visionário, daqui a pouco, vai virar elogio de máquina.