Terence Tao, amplamente reconhecido como um prodígio matemático, afirma que a inteligência artificial ainda não possui o que ele chama de “olfato matemático”.
De acordo com Tao, mesmo quando a IA gera demonstrações com falhas, elas muitas vezes parecem perfeitas na superfície. No entanto, os erros costumam ser extremamente sutis e, quando percebidos, revelam-se tolos – algo que um humano certamente não cometeria.
O que falta, segundo ele, é esse “olfato matemático metafórico”: a intuição humana que nos alerta quando algo não se encaixa. Ele ressalta que ainda não está claro como reproduzir essa faculdade na IA, o que torna o julgamento humano imprescindível no campo da matemática. Enquanto modelos generativos tendem a se perder quando adotam abordagens equivocadas, Tao destaca que “o verdadeiro desafio da IA hoje é saber quando ela tomou um caminho errado”, algo que difere dos sistemas híbridos que combinam redes neurais com raciocínio simbólico.
“AlphaZero e sistemas semelhantes avançam no go e no xadrez. De certa forma, eles desenvolveram um ‘olfato' para as posições nesses jogos, percebendo se uma configuração é favorável para as brancas ou para as pretas. Eles não conseguem explicar o porquê. Mas, ao simplesmente possuírem esse ‘olfato', conseguem traçar estratégias. Assim, se futuramente as IAs adquirirem a capacidade de ter uma noção da viabilidade de certas estratégias de prova, seria possível dividir um problema em duas subtarefas menores, com uma boa chance de ambas serem verdadeiras.”
– Terence Tao
AlphaZero utiliza a Monte Carlo Tree Search (MCTS) como um “quadro simbólico” para selecionar jogadas durante suas partidas e treinamentos, explorando diferentes estados do jogo. Contudo, esse sistema é fundamentalmente baseado em aprendizado por reforço profundo, com redes neurais que aprendem através do autojogo e armazenam seu “conhecimento” em milhões de parâmetros.
Alguns especialistas acreditam que a combinação das fortalezas dos grandes modelos de linguagem com o raciocínio simbólico pode levar a avanços significativos na inteligência artificial, já que os LLMs puros – mesmo aqueles com alguma capacidade de raciocínio – podem chegar a impasses em certos contextos.
Tao já descreveu, anteriormente, o modelo de raciocínio da OpenAI, conhecido como o1, como “medíocre, mas não completamente incompetente” – um assistente de pesquisa capaz de lidar com tarefas rotineiras, mas ainda carente de criatividade e flexibilidade. Além disso, ele participa do desenvolvimento do benchmark FrontierMath, que propõe desafios matemáticos particularmente difíceis para os sistemas de IA.
Resumo
- O matemático Terence Tao destaca que os sistemas atuais de IA frequentemente deixam passar erros fundamentais em demonstrações matemáticas que os humanos captariam intuitivamente, evidenciando a ausência de um “olfato matemático”.
- A IA encontra dificuldade ao seguir caminhos de solução incorretos, pois não possui o instinto humano necessário para julgar quais abordagens são promissoras ou equivocadas.
- Sistemas como o AlphaZero indicam que a combinação de redes neurais com buscas simbólicas pode ajudar a IA a desenvolver formas de intuição estratégica, representando um passo rumo a um raciocínio matemático mais semelhante ao humano.
