OpenAI diz que modelos internos produziram três resultados científicos
A OpenAI atribui a modelos internos três resultados em matemática, computação e física, entre eles a refutação da Hipótese do Tempo Exponencial.
Pontos principais
- Matemática: a OpenAI diz que seus modelos provaram a conjectura de suavização local (Sogge, 1991) em todas as dimensões, o que também resolve as conjecturas de Kakeya e de Stein.
- Matemática: a saída da IA foi obtida em 18 de outubro, formalizada em Lean no dia seguinte e publicada no GitHub da OpenAI, com o texto em linguagem natural e a prova em Lean.
- Computação: o preprint da OpenAI, datado de 17 de outubro e revisado em 25 de outubro, apresenta um algoritmo determinístico que conta exatamente as atribuições satisfatíveis de qualquer k-CNF, com k ≥ 2, em tempo subexponencial e espaço polinomial.
- Computação: a Hipótese do Tempo Exponencial diz que 3-SAT com n variáveis exige tempo 2^Ω(n) no pior caso; a OpenAI afirma que ela é falsa. A demonstração em linguagem natural foi encontrada em 16 de outubro e formalizada em Lean em 17.
- Computação: o grupo de verificação é liderado por Russell Impagliazzo e Ramamohan Paturi, da Universidade da Califórnia em San Diego, e por Ryan Williams, do MIT.
- Computação: a OpenAI se compromete a financiar uma conferência sobre as implicações do resultado para a área e a tornar públicos os dados brutos desse resultado.
- Física: a OpenAI diz que seus modelos produziram uma prova rigorosa de existência de teorias quânticas de campos com campos de calibre e férmions em quatro dimensões, incluindo a cromodinâmica quântica (QCD) e uma completação unificada do Modelo Padrão, com base na abordagem de Balaban.
- Física: a existência da Yang-Mills pura, parte do problema do milênio do Clay Mathematics Institute, entra na prova como subproblema.
- Física: o grupo liderado por David Gross, com Michael Douglas, Arthur Jaffe, Igor Klebanov e Nikita Nekrasov, decidiu segurar os materiais gerados pela IA até escrever a própria versão.
- Limite: o preprint da OpenAI afirma que o resultado sobre a ETH não implica que problemas NP em geral admitam algoritmos subexponenciais.
- Crédito: a OpenAI diz não buscar crédito acadêmico pelas descobertas, e afirma que os grupos externos são independentes e não falam em nome da empresa.
A OpenAI diz que modelos internos produziram três resultados em matemática, ciência da computação e física, e os trata como dados brutos de pesquisa, não como resultados já explicados. A explicação e a verificação ficam com grupos acadêmicos independentes, que não falam em nome da empresa.
Em computação, um preprint da OpenAI declara falsa a Hipótese do Tempo Exponencial, conjectura usada em centenas de artigos para derivar limites de dificuldade em áreas como teoria dos grafos, bioinformática e bancos de dados. O próprio preprint da OpenAI ressalva que o resultado não implica algoritmos subexponenciais para problemas NP em geral.
Fontes primárias
Working with academic communities to build scientific understanding
A OpenAI anuncia três descobertas feitas por modelos internos: em matemática (análise harmônica), em ciência da computação (teoria da complexidade) e em física (teoria quântica de campos). Matemática: prova da conjectura de suavização local (Sogge, 1991) em todas as dimensões, o que também resolve as conjecturas de Kakeya e de Stein em todas as dimensões; saída da IA obtida em 18/10/2026 e publicada no GitHub. Ciência da computação: a IA provou que a Hipótese do Tempo Exponencial (ETH) é falsa, resultado formalizado em Lean em 17/10/2026; o grupo de verificação é liderado por Russell Impagliazzo, Ramamohan Paturi e Ryan Williams. Física: prova de existência matemática rigorosa de teorias quânticas de campos com campos de calibre e férmions em quatro dimensões, incluindo QCD e uma completação unificada do Modelo Padrão, com a existência de Yang–Mills puro como subproblema; grupo liderado por David Gross, que decidiu segurar os artefatos gerados pela IA até escrever a própria versão. A empresa diz que esses manuscritos são « dados brutos de pesquisa » e testa três estratégias de liberação com especialistas externos. Afirma que não busca crédito acadêmico pelas descobertas, que os grupos são independentes e não falam em nome da OpenAI, e que se compromete a financiar uma conferência sobre as implicações do trabalho e a tornar públicos os dados brutos do resultado sobre ETH.
The Exponential Time Hypothesis is False (preprint)
Preprint datado de 17/10/2026 e revisado em 25/10/2026. Apresenta um algoritmo determinístico que conta exatamente as atribuições satisfatíveis de qualquer k-CNF, para todo k ≥ 2, em tempo subexponencial e espaço polinomial. Como a ETH afirma que 3-SAT em n variáveis exige 2^Ω(n) no pior caso, o algoritmo refuta a Hipótese do Tempo Exponencial.
Tópicos relacionados
Cobertura da mídia
@gdb: Announcing three major scientific discoveries, one each in mathematics (harmonic analysis), computer science (complexity theory), and physics (quantum field theory).
x.com • 26 out, 18:50
OpenAI announces three breakthroughs in computer science, math, and physics, including that the Exponential Time Hypothesis, a longstanding conjecture, is false (OpenAI)
Techmeme • 26 out, 18:55