Vitórias na Olimpíada de Matemática com IA Reacendem o Debate sobre Símbolos, Raciocínio e a Natureza da Inteligência
Conquistas recentes com medalhas de ouro por sistemas de IA do Google Deepmind e da OpenAI na Olimpíada Internacional de Matemática reacendem um antigo debate sobre a essência da inteligência e o papel dos símbolos. Esses feitos colocam as abordagens de deep learning em confronto com a tradicional IA simbólica.
As empresas anunciaram que seus modelos atingiram nível olímpico, fato notável pois isso foi realizado exclusivamente por meio do processamento de linguagem natural, sem o uso de ferramentas simbólicas durante a resolução dos problemas — embora verificadores e outros instrumentos possam ter sido empregados durante o treinamento.
O pesquisador Andrew Lampinen, da Deepmind, considera essa conquista parte de uma “mudança de longo prazo” que aproxima a IA da inteligência humana. Esses resultados desafiam premissas centrais da pesquisa em IA e abrem caminho para novas discussões sobre a rota adequada para alcançar um raciocínio lógico avançado.
A Abordagem Tradicional: A IA como Manipulação Formal de Símbolos
Na era da “Boa e Velha IA” (GOFAI), a inteligência era definida como a manipulação formal de símbolos discretos. Ainda hoje, os defensores das abordagens neuro-simbólicas afirmam que “a manipulação pura de símbolos é a única inteligência ‘real'”. Sob essa perspectiva, o complexo e, muitas vezes, impreciso aprendizado profundo serviria apenas como um complemento a solucionadores baseados em métodos simbólicos rigorosos.
Esse método híbrido já demonstrou resultados concretos. Por exemplo, o sistema AlphaProof, da Deepmind, que conquistou uma medalha de prata na Olimpíada do ano passado, utilizava uma linguagem formal e verificável. No entanto, Lampinen afirma que tal abordagem “inverte as coisas de maneira precisa em relação à verdadeira inteligência”.
Para Lampinen, a visão humana difere: os símbolos matemáticos e sistemas formais — como a linguagem de programação Lean — são ferramentas que aprendemos a usar, e não estruturas rígidas que limitam o pensamento. Durante uma entrevista em podcast, ele ressaltou que os símbolos ganham significado apenas através do uso e do consenso entre as pessoas, ecoando as ideias filosóficas de Wittgenstein, segundo as quais um símbolo tem sentido “para alguém” de forma subjetiva e não fixa.
Mesmo em campos rigorosos, como a matemática, essa abordagem intuitiva e subjetiva se mostra essencial. Autores de um artigo citado por Lampinen destacam que são as “ideias por trás das manipulações” que impulsionam o progresso, e não meramente um jogo com tokens sem significado. A intuição semântica humana atua como uma heurística que nos guia no vasto universo de possíveis passos lógicos.
Os recentes resultados da Olimpíada sugerem que modelos de deep learning trabalhando exclusivamente em linguagem natural já podem alcançar a performance humana. Relatos indicam que o sistema do Google utiliza técnicas especiais de aprendizado por reforço e períodos adicionais de “reflexão”, enquanto o modelo da OpenAI é descrito como um sistema de raciocínio generalista que trabalha por horas para encontrar soluções.
Lampinen afirma que, embora as ferramentas simbólicas continuarão a ter seu papel, elas devem ser vistas apenas como instrumentos e não como o núcleo da inteligência. Para que a IA venha a contribuir de maneira significativa para a pesquisa matemática, será necessário um salto qualitativo, já que as verdadeiras descobertas normalmente demandam não apenas horas, mas meses ou até anos de profundo pensamento.
