Num artigo de opinião publicado no número 19 da revista ActuIA, Axel Cypel questiona a capacidade da inteligência artificial para produzir teoria. As contribuições recentes da IA para a matemática dão a esta questão uma nova dimensão: será que produzir um resultado inédito basta para estabelecer que a máquina pensa?
O autor opõe duas formas de produzir conhecimento. Por um lado, a aprendizagem automática, que procede por indução, ou seja, por generalização a partir de exemplos. Por outro, a teoria, que pode fazer emergir novos conceitos. Ele apoia-se nas grandes teorias físicas, da mecânica galileana ao modelo padrão, que não seguiram este método. As ondas gravitacionais, previstas pela teoria da relatividade geral de Einstein, só foram procuradas porque a teoria as anunciava, salienta ele, no que se designa por método hipotético-dedutivo. Retoma também a expressão do físico Étienne Klein, para quem o gesto teórico age como um « guincho ontológico ».
O texto relata a questão que lhe foi colocada durante a cerimónia de entrega do Prémio Roberval, a 7 de dezembro de 2024, onde o seu livro Voyage au bout de l’IA foi designado vencedor na categoria Grande Público. A sua interlocutora declarou então: « enquanto investigadora […], fui construída como uma IA ». Axel Cypel recorda, por seu lado, que a IA se distingue do pensamento humano pela forma como aprende: um ser humano não precisa de ver um milhão de gatos para reconhecer um gato.
Resultados matemáticos recentes
Uma nota da redação, datada de outubro de 2026, esclarece a questão à luz da atualidade. A 26 de outubro de 2026, a OpenAI anunciou uma refutação da hipótese do tempo exponencial, uma conjetura da informática teórica. A Anthropic publicou por sua vez um resultado atribuído a um modelo de pesquisa Claude. Os dois laboratórios forneceram formalizações em Lean, um assistente de prova, ou seja, um software que permite verificar uma demonstração passo a passo. A OpenAI organizou ainda uma análise do seu resultado com investigadores externos.
Uma refutação deste tipo assenta na construção de um algoritmo e na demonstração das suas propriedades. Se for confirmada, constitui um resultado teórico original. A Google Research descreveu por seu lado estruturas matemáticas descobertas com o AlphaEvolve, integradas em demonstrações que permitiram estabelecer novos resultados.
Uma prova não diz tudo sobre a sua origem
Axel Cypel salienta que o modelo aprendido por uma IA não é uma cópia dos seus dados de treino, mas uma síntese abstrata. A sua utilização pode produzir uma interpolação, ou seja, um ponto que não figurava na base de aprendizagem. Resta saber se se trata de uma criação. O autor considera que não existe, a priori, nenhuma razão para excluir que uma IA forte, capaz de produzir um processo de pensamento, possa um dia existir. Já considera duvidoso, pelo contrário, que a aprendizagem automática possa produzir uma.
Uma prova válida estabelece um resultado, mas não diz, por si só, qual é a natureza do processo que a produziu. É por isso que o autor não propõe resolver este debate. Convida antes a usar a IA para produzir novas respostas e a « conjugar esta força com a nossa para encontrar, quem sabe, novas teorias ».
