Vinte e cinco vencedores da Medalha Fields, a mais alta honraria da matemática, assinaram uma declaração conjunta para alertar que os objetivos da indústria de IA e os da matemática estão “severamente desalinhados”. O documento não condena o uso de IA, mas aponta que a produção em massa de problemas resolvidos pode corroer justamente o que a disciplina busca: compreensão conceitual e insight.

O temor se intensificou porque, nos últimos meses, os grandes modelos de linguagem passaram a resolver “importantes problemas em aberto em muitas áreas da matemática”. Para as empresas, isso vira benchmark a ser conquistado. Para os matemáticos, o problema resolvido é menos importante que o raciocínio novo que levou até ele.

O texto lembra que problemas famosos sem solução funcionam como faróis e marcos para medir o avanço do entendimento. Quando alguém os resolve, a comunidade costuma passar anos desmontando a solução em palestras, discussões e simplificações. A IA ameaça encurtar esse processo: “Resolver problemas é apenas uma ferramenta e um proxy para alcançar o objetivo principal”, dizem os signatários, para quem inundar o campo com respostas em velocidade de máquina pode “destruir solo fértil em vez de dar vida a novas ideias”.

Outro risco apontado é o de atribuição. Soluções geradas por IA são anunciadas sem tempo para um registro adequado, isolamento de novos métodos e citação de trabalhos anteriores, o que levanta “graves questões de atribuição e plágio”. Sem matemáticos dispostos a cuidar do desenvolvimento e da integração dessas ideias ao cânone, a cadeia humana de transmissão do conhecimento se perderia.

O alerta surge em meio a uma controvérsia entre dois matemáticos e a OpenAI. A acusação é de que a empresa ouviu rumores sobre uma solução parcial de um Problema do Milênio e tentou chegar antes aos pesquisadores para obter publicidade. O pesquisador-chefe da OpenAI, Pachocki, havia dito durante o anúncio do Astra que a companhia escolheu deliberadamente não otimizar o modelo para matemática; pouco depois, porém, a OpenAI aparentemente treinou modelos de matemática, em resposta direta aos rumores.

Para os medalhistas, o perigo não é a IA resolver equações, mas a indústria tratar o conhecimento como placar e abandonar o processo humano que transforma respostas em entendimento.

Os signatários enxergam nisso uma ameaça mais ampla ao trabalho intelectual. Em muitas áreas, anos de treinamento não servem apenas para produzir uma resposta ou um produto, mas para desenvolver compreensão e a capacidade de formular novas perguntas. Quando a IA entrega os resultados diretamente, esses propósitos se separam.

A lacuna já aparece na educação. Tarefas de casa podem ser feitas cada vez mais por IA, enquanto exames ainda a proíbem; a distância entre esses dois desempenhos, medida em notas, segue crescendo. Para os matemáticos, o caso é um sinal do que outras profissões científicas e criativas — e a sociedade — podem enfrentar.

Um artigo da NATO Special Operations University descreve um padrão relacionado: a “tragédia dos comuns cognitivos”. Cada empresa que substitui empregos de entrada por IA obtém ganhos de eficiência, mas o custo da erosão da expertise se espalha por todo o conjunto de talentos. O que o pesquisador descreve para profissões inteiras, os matemáticos já observam em seu próprio campo.

Os matemáticos não pedem banimento. Dizem que a IA “oferece o potencial de melhorar e acelerar o estudo e a compreensão matemática genuína”, e que a profissão terá de se adaptar. A questão central, segundo eles, é que o resultado — benéfico ou destrutivo — dependerá em grande parte das decisões dos humanos que controlam a tecnologia.

O documento cita entre os 25 signatários iniciais Terence Tao, Pierre Deligne (Fields 1978), Peter Scholze (2018), Maryna Viazovska (2022), Martin Hairer (2014), Cédric Villani (2010), Manjul Bhargava (2014) e Yu Deng, vencedor deste ano (2026). Eles pedem que o problema seja tratado com urgência pela comunidade matemática, pelas empresas que constroem as ferramentas e por uma sociedade que enfrentará questões semelhantes em outras formas de trabalho intelectual. O que permanece em aberto é como medir compreensão, atribuir autoria e preservar a formação humana em um ambiente em que a resposta chega antes do aprendizado.