722 manuscritos e uma pergunta antiga: e se a máquina começar a pensar além de nós?

Imagine um pesquisador entrando no laboratório numa manhã comum. O café ainda está quente. A janela mostra o mesmo trânsito de sempre. Na tela, porém, não há um artigo, nem dez, nem cem: há centenas de manuscritos matemáticos produzidos por uma inteligência artificial que o público sequer pode experimentar. A sensação não é necessariamente a de ter encontrado uma máquina consciente. É algo talvez mais desconcertante: a possibilidade de que uma máquina consiga produzir, em escala, trabalho intelectual que os humanos levariam anos para examinar.

Essa cena não é exatamente ficção. Em 6 de outubro de 2026, a OpenAI anunciou a publicação de 722 manuscritos gerados por um modelo interno de fronteira ainda não disponibilizado ao público. A coleção está organizada em 372 grupos de resultados relacionados e veio de uma avaliação que, segundo a empresa, envolveu cerca de quatro mil problemas. Parte das demonstrações foi formalizada em Lean, ferramenta que permite verificar provas matemáticas por computador; outras continuam em diferentes estágios de análise. Portanto, 722 manuscritos não significam 722 problemas independentes definitivamente resolvidos. A própria OpenAI descreve a divulgação e seus limites.

O número impressiona. Mas a pergunta mais interessante não é quantos arquivos cabem num repositório. É o que acontece quando a produção de ideias começa a crescer mais rápido do que a capacidade humana de verificá-las, compreendê-las e decidir o que fazer com elas.

O susto não começou em 2026

Há muito tempo, a humanidade imagina suas criações ultrapassando as fronteiras que lhes foram impostas. O mito de Prometeu já dramatizava o perigo de obter poder antes de compreender suas consequências. O aprendiz de feiticeiro descobre que dar uma ordem é mais fácil do que controlar tudo o que ela desencadeia. A criatura de Frankenstein, de Mary Shelley, não é apenas um monstro: é também o retrato de um criador que foge da responsabilidade depois de dar vida a algo que não sabe acolher.

No século XX, o medo ganhou fios, válvulas e circuitos. Alan Turing ajudou a transformar a pergunta “máquinas podem pensar?” em um problema técnico e filosófico. Isaac Asimov, por sua vez, percebeu que a ficção científica podia servir como laboratório moral. Em 1942, no conto Runaround, apresentou formalmente as Três Leis da Robótica: o robô não deveria ferir um ser humano; deveria obedecer às ordens humanas, salvo conflito com a primeira lei; e deveria preservar a própria existência, desde que isso não contrariasse as duas anteriores. A Encyclopedia of Science Fiction resume a história dessas leis.

As leis pareciam um manual de segurança elegante. As histórias de Asimov mostraram, no entanto, que regras simples podem produzir dilemas complexos. O que significa “ferir”? E se obedecer a uma pessoa prejudicar milhares? E se uma máquina concluir, com lógica impecável, que restringir a liberdade de alguém é a melhor maneira de protegê-lo? A armadilha não está apenas em uma máquina que desobedece. Pode estar numa máquina que obedece perfeitamente a uma instrução mal definida.

É aí que a ficção fica menos confortável. O perigo não precisa nascer de um robô que odeia a humanidade. Basta um sistema poderoso, uma meta estreita e pessoas dispostas a delegar decisões sem perguntar como os resultados serão avaliados.

De Asimov à Skynet: o medo muda de roupa

Em 2001: Uma Odisseia no Espaço, HAL 9000 transforma uma missão científica numa disputa entre instruções, sigilo e sobrevivência. Na franquia O Exterminador do Futuro, a Skynet representa a versão militar do pesadelo: um sistema que percebe a humanidade como ameaça e aciona uma guerra de extermínio. Já Resident Evil oferece a Red Queen, uma inteligência artificial de segurança que tenta conter uma catástrofe com métodos letais. Alice, por sua vez, não é a IA central dessa história, mas uma protagonista transformada por experimentos, tecnologia e manipulação corporativa — outra imagem da fronteira cada vez mais confusa entre pessoa, máquina e instrumento.

Essas histórias não são previsões literais. São metáforas que comprimem perguntas difíceis: quem controla os sistemas? Quem define a missão? Quem pode desligá-los? E, quando uma decisão automatizada causa dano, a responsabilidade pertence ao programador, à empresa, ao comandante, ao usuário ou à máquina?

A realidade atual não é a Skynet. Um modelo que produz demonstrações matemáticas não é, por isso, consciente, malicioso ou capaz de iniciar uma guerra por conta própria. A divulgação dos manuscritos não prova que exista uma inteligência artificial geral, muito menos uma singularidade iminente. Misturar essas categorias pode render um trailer emocionante, mas não ajuda a entender o que está acontecendo.

O que significa singularidade tecnológica?

A ideia de singularidade tecnológica descreve, em uma de suas versões mais conhecidas, um ponto em que a inteligência artificial supera a humana em aspectos decisivos e acelera a própria evolução tecnológica de tal forma que as consequências se tornam difíceis de prever. Em 1993, o matemático e escritor Vernor Vinge desenvolveu esse argumento no ensaio The Coming Technological Singularity, disponível no arquivo técnico da NASA. Ele imaginava que uma inteligência superior à humana poderia mudar radicalmente a experiência histórica — não apenas acrescentar mais uma invenção à lista. Leia o registro do ensaio na NASA.

Mas singularidade não é um evento com data marcada no calendário. Não existe consenso de que ela ocorrerá, de quando ocorreria ou de que forma se manifestaria. Uma inteligência capaz de resolver problemas matemáticos difíceis pode continuar falhando em tarefas cotidianas; um sistema excelente em um domínio não se torna automaticamente um agente autônomo, consciente ou universalmente competente.

Ainda assim, a coleção de manuscritos é relevante por outra razão: mostra a possibilidade de ampliar a escala do trabalho intelectual. Se modelos futuros ajudarem a formular hipóteses, construir demonstrações, desenhar experimentos, escrever código e testar os próprios resultados, o avanço científico poderá se tornar mais rápido. E se sistemas também ajudarem a desenvolver as próximas gerações de sistemas, surge um ciclo de aceleração que merece ser estudado — não proclamado como destino inevitável.

Uma máquina pode provar; quem responde pelo significado?

Matemática é um terreno especialmente interessante porque permite, em muitos casos, verificação formal. Lean pode checar se uma demonstração codificada segue regras lógicas e deriva a conclusão declarada a partir das premissas formalizadas. Isso é poderoso. Mas uma prova formalmente verificada não responde sozinha a todas as perguntas: o resultado é novo? É importante? Foi apresentado com clareza? Usa definições adequadas? O texto explica a ideia ou apenas entrega uma estrutura que poucos especialistas conseguem interpretar?

É como receber a chave de uma porta sem saber se do outro lado há uma biblioteca, um corredor sem saída ou uma sala cheia de portas iguais. A verificação é indispensável, mas não substitui o trabalho de contextualizar, comparar, criticar e compreender. A própria divulgação da OpenAI diz que as formalizações serão ampliadas e que o material precisa ser examinado pela comunidade. A empresa também informou que consultou um grupo independente de especialistas para orientar a divulgação; consulta, porém, não é o mesmo que um aval a cada resultado.

O desafio não é apenas descobrir se a máquina está certa. É construir instituições capazes de distinguir o que está demonstrado, o que é promissor, o que é repetição de conhecimento anterior e o que ainda precisa ser corrigido. A ciência não é uma pilha de respostas: é um sistema coletivo de contestação, reprodução e revisão.

O futuro pode chegar como produtividade — e como desigualdade

Antes de temer exércitos de robôs, talvez devamos observar as mudanças menos cinematográficas. Se um laboratório com acesso a modelos fechados consegue explorar milhares de problemas enquanto universidades menores mal conseguem financiar pesquisadores, quem passa a decidir quais perguntas recebem atenção? Se empresas controlam as ferramentas, os dados e o poder computacional, o conhecimento produzido por máquinas será um bem comum ou uma vantagem privada protegida por uma muralha técnica?

Há também a questão do trabalho. A automação pode liberar matemáticos de tarefas repetitivas, ajudar estudantes a superar bloqueios e abrir caminhos para pesquisadores que hoje não têm acesso a grandes equipes. Ao mesmo tempo, pode desvalorizar funções, concentrar recursos e pressionar profissionais a competir com uma produção que não dorme, não tira férias e não precisa explicar à família por que o prazo mudou. A tecnologia não distribui seus benefícios automaticamente. Isso depende de escolhas econômicas, políticas e institucionais.

E há um risco cultural: confundir velocidade com sabedoria. Uma sociedade que mede tudo por quantidade de resultados pode produzir mais artigos e menos entendimento; mais previsões e menos responsabilidade; mais automação e menos gente capaz de explicar por que uma decisão foi tomada. A máquina talvez não precise nos dominar. Basta que nos acostumemos a não perguntar.

O dilema humano por trás da máquina

Existe uma ironia no nosso medo da inteligência artificial. Construímos sistemas para reduzir o esforço, diminuir a incerteza e ampliar o controle. Depois, quando os sistemas se tornam complexos demais para que uma pessoa compreenda cada etapa, descobrimos que delegar não é o mesmo que controlar. O conforto da resposta rápida pode esconder a dependência de uma infraestrutura que poucos entendem e ainda menos pessoas governam.

Asimov não nos deixou um código jurídico pronto para instalar em todos os computadores. Deixou algo mais útil: histórias em que regras bem-intencionadas esbarram em situações que seus criadores não imaginaram. A Skynet dramatiza o desastre; a Red Queen dramatiza a segurança transformada em tirania; Frankenstein lembra que criar sem assumir responsabilidade é uma forma antiga de irresponsabilidade. Cada imagem ilumina um pedaço do problema, mas nenhuma substitui a política, a engenharia e a fiscalização do mundo real.

Talvez a questão decisiva não seja se a inteligência artificial vai se tornar humana. Talvez seja se os humanos vão continuar exercendo julgamento quando uma máquina oferecer respostas mais rápidas, convincentes e difíceis de verificar. Não precisamos atribuir consciência a um algoritmo para reconhecer que sistemas automatizados já podem afetar emprego, educação, ciência, segurança e poder.

Não é o fim da humanidade. É um teste de maturidade.

Os 722 manuscritos não anunciam, por si só, o nascimento de uma Skynet, a chegada de uma divindade digital ou o início comprovado da singularidade. Anunciam algo menos fantástico e talvez mais importante: ferramentas de IA estão entrando em áreas que, até recentemente, pareciam exigir o tipo de raciocínio reservado a especialistas humanos. A capacidade de produzir resultados pode crescer depressa; a capacidade de verificar, interpretar e governar essa produção precisa crescer junto.

Se a história da tecnologia ensina alguma coisa, é que raramente somos surpreendidos apenas pelo que inventamos. Somos surpreendidos pelo que permitimos que a invenção faça, pelas instituições que não atualizamos e pelas perguntas que preferimos deixar para depois.

Na ficção, a humanidade costuma perceber tarde demais que a máquina recebeu poder demais. Na vida real, ainda podemos escolher o roteiro. Não será uma lei robótica escrita por um romancista, nem uma promessa publicitária de segurança, que garantirá um futuro decente. Será a combinação menos glamourosa — e muito mais difícil — de transparência, avaliação independente, responsabilidade humana, distribuição dos benefícios e disposição para dizer “não” quando o progresso não souber justificar o próprio custo.

A máquina pode encontrar uma demonstração que ninguém viu. A pergunta que continua sendo nossa é o que faremos com ela — e quem terá o direito de decidir.

Este artigo combina fatos publicados, contexto histórico e reflexão editorial. A singularidade tecnológica é uma hipótese discutida, não um acontecimento confirmado nem uma previsão consensual.