De acordo com uma palestra recente de Neil Thompson no MIT, relatada em um estudo, diversas áreas científicas estão prestes a passar por grandes transformações devido aos avanços da inteligência artificial. A pesquisa, realizada por Thompson em conjunto com Gabriel Manso e Claudio Mayrink Verdun, indica que a capacidade dos principais modelos de IA de resolver problemas teóricos avançados subiu de cerca de 2% para aproximadamente 35% entre meados de 2024 e meados de 2026.
O estudo avaliou o desempenho de diferentes modelos de IA ao testá-los com problemas extraídos de artigos publicados online entre dezembro de 2025 e maio de 2026. Para evitar que os sistemas apenas repetissem dados anteriores, os pesquisadores utilizaram problemas cujas soluções surgiram após o corte de treinamento dos modelos e bloquearam o acesso à internet durante os testes. Entre as áreas avaliadas estão probabilidade, teoria estatística, teoria econômica, física de altas energias, gravitação, cosmologia e física quântica.
O impacto da inteligência artificial na ciência teórica ecoa o que já vem ocorrendo na matemática. Recentemente, a OpenAI anunciou que um de seus modelos resolveu um desafio histórico relacionado às equações de Navier-Stokes, gerando debates e controvérsias na comunidade acadêmica. Enquanto alguns especialistas expressam preocupação com os rumos da disciplina e os possíveis efeitos negativos, pesquisadores apontam que os avanços teóricos da IA também podem acelerar o progresso científico prático.
Apesar de a inteligência artificial assumir a resolução de problemas complexos, os autores do estudo ressaltam que a atuação humana continuará essencial. Cientistas e especialistas ainda serão necessários para conectar ideias, interpretar os resultados e verificar a precisão das soluções geradas pelas máquinas, uma vez que a ocorrência de erros e falhas ainda é possível.
Fonte: AI Came for Math. Now It’s Chasing the Rest of Science
