IA coloca formação dos matemáticos em xeque

Se a inteligência artificial agora consegue resolver em pouco tempo problemas que antes eram desafios para pesquisadores em formação, uma das consequências mais imediatas pode aparecer nas universidades.

Fábio Tal chama a atenção para o papel do erro no aprendizado da matemática. Durante um mestrado ou doutorado, um estudante recebe um problema, testa caminhos, identifica falhas e constrói as habilidades necessárias para conduzir pesquisas mais complexas.

“Você aprendia muito em matemática errando. O jeito de se aprender em matemática não é só acertando, é você tentar, errar e descobrir porque deu errado. E faz isso tantas vezes até a hora que você consegue entender porque a coisa funciona de certo jeito e consegue chegar no próximo lugar”, afirma.

Recomendamos para você

Nesse processo, o estudante desenvolve ferramentas próprias e uma intuição que poderá utilizar em pesquisas futuras. A possibilidade de recorrer a um modelo capaz de encontrar imediatamente uma solução muda as condições desse aprendizado.

“Algo precisa ser feito para pegar esse tipo de produção [por parte da IA] e transformar em conhecimento, e não só resolução de problemas”, diz Tal.

A questão não é apenas se os alunos poderão usar inteligência artificial, mas como aprenderão a trabalhar com ela sem abrir mão da capacidade de compreender e defender os resultados que apresentam como seus.

Para o matemático, a responsabilidade do pesquisador permanece mesmo quando uma demonstração é produzida com auxílio de uma máquina. Quem assina um artigo precisa entender o que está sendo afirmado e ser capaz de sustentar seus argumentos.

Álvaro Machado Dias amplia o problema para a própria estrutura da profissão. Se a resolução de problemas se tornar uma atividade automatizada, a formação de novos matemáticos poderá perder parte de sua justificativa tradicional.

“O problema é que não será preciso gente o suficiente nesses espaços para justificar a formação na área”, afirma.

IA é criativa?

Até que ponto os resultados representam descobertas originais da inteligência artificial ou apenas uma combinação de conhecimentos já produzidos por matemáticos humanos?

Para Fábio Tal, a matemática sempre avançou a partir da combinação de ideias anteriores. Uma descoberta raramente surge do nada: pesquisadores utilizam conceitos, técnicas e demonstrações desenvolvidos por outras pessoas para construir novos resultados.

A diferença da IA, segundo ele, está na capacidade dos modelos de reunir conhecimentos de áreas distintas em uma velocidade que não seria possível para um pesquisador individual.

Já para Machado, a criatividade da máquina tem uma característica diferente da humana. Em vez de depender da própria intuição, os sistemas podem rodar diversas combinações em paralelo até encontrar uma que funcione.

Para ele, a máquina testa alternativas que um matemático dificilmente conseguiria explorar individualmente. A descoberta pode surgir de uma combinação bem-sucedida, sem que exista um pesquisador humano.

Quem escolhe os problemas que merecem ser resolvidos?

Mesmo com o avanço dos modelos, Fábio Tal identifica atividades que continuarão sendo importantes para os pesquisadores: verificar as demonstrações, traduzir os resultados para outros humanos e, principalmente, escolher quais perguntas merecem ser investigadas.

No entanto, ele evita estabelecer uma fronteira definitiva entre as capacidades humanas e as da inteligência artificial, justamente pelo ritmo de avanço da IA.

Para Álvaro Machado, a escolha das perguntas também revela uma assimetria entre empresas de inteligência artificial e pesquisadores independentes.

Semanas antes da resolução dos 377 problemas matemáticos, a OpenAI já havia revelado que sua IA resolveu a equação de Navier-Stokes, considerado o “Problema do milênio”. Segundo o especialista, a desenvolvedora decidiu concentrar esforços no problema depois de saber que dois matemáticos estavam próximos de um avanço.

A OpenAI negou ter acessado os dados produzidos pelos pesquisadores.

O que sobra para a matemática?

A possibilidade de automatizar parte da pesquisa matemática coloca a comunidade diante de um dilema. De um lado, há o potencial de ampliar as fronteiras do conhecimento e chegar a resultados que levariam anos para serem encontrados por humanos. De outro, existe o risco de que a velocidade da produção ultrapasse a capacidade de compreender as descobertas e de formar novos pesquisadores.

Para Fábio Tal, tentar impedir o uso da tecnologia não parece ser uma solução. O desafio é encontrar maneiras responsáveis de incorporá-la ao trabalho científico, preservando a capacidade de entender os resultados e desenvolver novas perguntas.

O matemático também reconhece que o objetivo da área não pode ser simplesmente garantir que humanos continuem sendo melhores do que as máquinas em resolver problemas. Ele avalia que, se a inteligência artificial permitir descobrir mais sobre o mundo, abrir mão desses avanços apenas para preservar o processo tradicional de pesquisa pode significar deixar de produzir conhecimento.

O desafio, então, se torna adaptar instituições, métodos de pesquisa e formação profissional à nova realidade.

 



Fonte: https://www.cnnbrasil.com.br/economia/money/inteligencia-artificial/avanco-da-ia-pressiona-pesquisadores-de-matematica-avancada/