IA Gera Pesquisa de Doutorado em Menos de Duas Horas

IA gera pesquisa de nível de doutorado em menos de duas horas, diz vencedor da Fields Medal

Timothy Gowers, matemático da Universidade de Cambridge e vencedor da Fields Medal, publicou em 8 de maio de 2026 um relato detalhado de sua experiência com o ChatGPT 5.5 Pro da OpenAI. O resultado: o modelo produziu uma pesquisa de nível de doutorado em teoria aditiva dos números em menos de duas horas, com contribuição matemática zero de Gowers. Ele limitou-se a formular o problema — toda a criatividade e o trabalho técnico vieram da IA.

Isso não é um benchmark sintético nem um problema de olimpíada. Trata-se de um problema aberto real proposto pelo teórico dos números Mel Nathanson, com resultados prévios do estudante de PhD do MIT Isaac Rajagopal. A IA melhorou limites conhecidos de exponenciais para polinomiais usando uma ideia que Rajagopal classificou como “completamente original” e “bastante engenhosa”.

O que o ChatGPT 5.5 Pro resolveu exatamente

O problema central envolve conjuntos de somas de inteiros — estruturas fundamentais em combinatória e teoria dos números. Dado um conjunto A de k inteiros, define-se hA como o conjunto de todas as somas possíveis de h elementos de A. A questão de Nathanson perguntava qual é o menor intervalo {0, 1, …, N} necessário para construir conjuntos que alcancem todos os tamanhos possíveis de hA.

Nathanson havia demonstrado que N cresce exponencialmente com k. Rajagopal, em trabalho publicado na arXiv, mostrou que essa dependência exponencial persiste para o caso geral. O ChatGPT 5.5 Pro reduziu essa bound exponencial para um bound polinomial — especificamente O(k^(10h³)) — em menos de uma hora de trabalho autônomo.

A inovação técnica: conjuntos h²-dissociados

A abordagem de Rajagopal usava séries geométricas com elementos que crescem exponencialmente, o que limitava a eficiência do método. O ChatGPT 5.5 Pro substituiu essa construção por conjuntos h²-dissociados construídos a partir de corpos finitos — uma técnica clássica da combinatória (tipo Bose-Chowla) cuja aplicação a esse problema específico não era óbvia.

A ideia-chave é que conjuntos h²-dissociados permitem controlar relações de ordem até h² entre os elementos, mantendo as propriedades combinatórias necessárias para a prova, mas com elementos de tamanho polinomial em vez de exponencial. Rajagopal avaliou que “é o tipo de ideia de que eu me orgulharia muito de ter tido após uma ou duas semanas de reflexão, e levou o ChatGPT menos de uma hora para encontrar e provar”.

Cronologia do desempenho da IA em matemática

O caso de Gowers não é isolado — ele se insere em uma aceleração clara das capacidades de raciocínio matemático de modelos de linguagem:

Período	Modelo	Conquista
Início 2025	GPT-5	“Encontrou” solução para problema de Erdős — na verdade apenas localizou literatura existente
Meio 2025	GPT-5.2 Pro	Resolveu problema de Erdős #728 de forma “mais ou menos autônoma” — sem solução existente na literatura
Fim 2025	GPT-5.4 Pro	Resolveu problema aberto de longa data de Erdős em menos de 2 horas
Dez 2025	GPT-5	Físico Steve Hsu publicou paper cuja ideia central veio do modelo
Maio 2026	ChatGPT 5.5 Pro	Pesquisa original de nível de doutorado com ideias “completamente originais”

Por que isso importa além da matemática

A demonstração de Gowers é significativa porque atinge o que pesquisadores de IA chamam de “fronteira da criatividade”. Não se trata de seguir um template ou combinar resultados conhecidos de forma mecânica — a ideia dos conjuntos h²-dissociados aplicada a esse problema foi genuinamente nova, verificada por um especialista da área como original.

Gowers argumenta que isso redefine o piso de contribuição aceitável na matemática. Segundo ele, “o limite inferior para contribuir com a matemática será agora provar algo que LLMs não conseguem provar, em vez de simplesmente provar algo que ninguém provou até agora”. A implicação é clara: tarefas que antes exigiam anos de treinamento especializado podem ser executadas por IA em minutos, deslocando o valor humano para a formulação de problemas, verificação e integração de resultados em programas de pesquisa mais amplos.

Terence Tao, outro matemático de elite, já havia antecipado esse cenário ao falar de “matemática em escala industrial” — grandes equipes com suporte de IA realizando varreduras sistemáticas de problemas. O que a experiência de Gowers mostra é que essa escala industrial pode não precisar de equipes grandes: um único pesquisador com acesso ao modelo certo pode produzir resultados que antes demandariam semanas de um doutorando experiente.

Implicações para formação e pesquisa

Gowers levanta questões desconfortáveis sobre o futuro da educação matemática. Se IA resolve “problemas gentis” — aqueles que orientadores costumam dar a alunos iniciantes de PhD para que ganhem confiança —, o treinamento de novos pesquisadores precisa ser repensado. A alternativa que ele propõe é que estudantes aprendam a trabalhar em colaboração com IA, mas reconhece que a qualidade dessa colaboração depende da intuição matemática humana prévia, assim como “bons programadores são melhores em vibe coding do que programadores medianos”.

Há também a questão da atribuição. Gowers propõe um experimento mental: se um matemático resolvesse um problema importante tendo uma longa conversa com um LLM onde o modelo fez todo o trabalho técnico e teve as ideias principais, consideraríamos isso uma grande conquista do matemático? A resposta implícita é não — e isso coloca em xeque noções profundas sobre autoria e mérito intelectual.

O que vem a seguir

A OpenAI já havia relatado que uma versão customizada do GPT-5.5 ajudou pesquisadores a descobrir uma nova prova sobre números de Ramsey, verificada no Lean, conforme detalhado no anúncio oficial do modelo. A experiência de Gowers mostra que essas capacidades não estão restritas a laboratórios internos — estão disponíveis para qualquer pesquisador com acesso à API.

Gowers prevê que quem iniciar um doutorado hoje e terminar em 2029 verá a pesquisa matemática “transformada além do reconhecimento”. Se a trajetória dos últimos 18 meses se mantiver, essa previsão pode ser conservadora.

FAQ

O ChatGPT 5.5 Pro realmente fez pesquisa original?

Sim, no sentido estrito. A ideia central — usar conjuntos h²-dissociados para comprimir estruturas algébricas — foi classificada por Isaac Rajagopal, cujo trabalho a IA expandiu, como “completamente original”. O resultado não existia na literatura e passou por verificação independente.

Isso significa que matemáticos vão ficar desnecessários?

Não necessariamente, mas o papel muda. Gowers argumenta que o valor se desloca para a formulação de problemas, verificação rigorosa e capacidade de dirigir a IA de forma produtiva. Matemáticos com intuição profunda provavelmente usarão essas ferramentas de forma mais eficaz do que leigos.

Que tipo de problemas a IA ainda não consegue resolver?

Áreas da matemática que dependem de exploração aberta a partir de um círculo de ideias — em oposição à resolução retroativa de problemas bem definidos — parecem mais resistentes. Gowers especula que combinatória é particularmente vulnerável por ser orientada a problemas, enquanto campos mais exploratórios podem resistir por mais tempo.

Como acessar o ChatGPT 5.5 Pro?

O modelo está disponível na API da OpenAI desde abril de 2026. Gowers teve acesso antecipado como parte de um programa da empresa com pesquisadores acadêmicos, mas a versão Pro é acessível a qualquer desenvolvedor com conta API, conforme documentação oficial.