Este artigo foi escrito em 10 de novembro de 2026.
Em uma frase: Em uma palestra recente, o matemático Terence Tao disse que, graças à IA, há demonstrações de sobra, mas a compreensão humana está diminuindo. Por isso, ele defende que é preciso ir além da Matemática 1.0, em que a IA resolve os problemas por nós, rumo à Matemática 2.0, em que a IA nos ajuda a ampliar nossa compreensão.
Por que a IA é tão forte justamente na matemática?
Tao apontou três motivos pelos quais a resolução de problemas de matemática pura combina tão bem com a IA.
- Dá para verificar — é possível checar objetivamente se uma demonstração está certa ou errada.
- É tudo digital — tudo acontece dentro do computador, sem ensaios clínicos nem dados de campo.
- Há muitos dados de qualidade — já existem milhares de anos de livros didáticos e artigos.
Por outro lado, disse ele, se faltar qualquer um desses três elementos, a IA é «vergonhosamente ruim». É uma tecnologia irregular, com uma diferença extrema entre o que faz bem e o que faz mal.
Da era da falta de demonstrações para a era do excesso
Antigamente, quando um problema difícil era resolvido, as pessoas da área paravam o que estavam fazendo para ler e discutir juntas. Hoje é o contrário. Tao conta que uma dúzia de resultados que lhe interessavam foram demonstrados, mas ele não tem tempo para lê-los.
Ele também observou que os resultados impressionantes que aparecem nas redes sociais são só uma parte da história. Segundo ele, por trás das cerca de 300 soluções que a OpenAI anunciou com grande alarde havia uma nota de rodapé: foram tentados uns 4.000 problemas, e só cerca de 9% foram resolvidos. Os 91% não resolvidos simplesmente não viram notícia.
Um experimento em que pessoas e máquinas resolveram juntas 22 milhões de problemas
O exemplo de «matemática experimental» citado por Tao foi o Equational Theories Project (Projeto de Teorias Equacionais), iniciado em 2024. O projeto determinou, sem deixar nenhuma de fora, se cada uma das 22.028.942 implicações entre 4.694 leis algébricas simples era verdadeira ou falsa, e atingiu sua meta em 14 de abril de 2025. Todas as demonstrações e contraexemplos foram verificados em Lean, uma linguagem de verificação de provas.※
Na palestra, Tao disse: «Um aluno de pós-graduação resolveria qualquer um desses problemas em 30 minutos, mas eu não tinha 22 milhões de alunos de pós-graduação». Ele contou que cerca de 50 voluntários conseguiram isso combinando a «IA à moda antiga», como provadores automáticos de teoremas, com cálculos à mão.
Quando surgem dados nessa escala, a matemática, como as outras ciências, passa a poder desenhar um mapa de «onde é difícil e onde é fácil». É isso que Tao chama de explosão da matemática experimental.
※ Fonte: artigo do Equational Theories Project (arXiv 2512.07087)
O problema de verdade: ganhar a resposta e perder a compreensão
É isso que mais preocupa Tao. Antes, para resolver um problema difícil, era preciso entendê-lo, ler artigos e conversar com outras pessoas. Nesse processo, a compreensão se acumulava, surgiam novos problemas e os alunos cresciam. Hoje basta colocar o problema na IA para sair uma resposta, mas às vezes ninguém consegue explicá-la.
Ele acha que isso não fica restrito à matemática. Se a IA for usada do mesmo jeito em problemas do mundo real, como redes elétricas, controle de tráfego aéreo ou desenvolvimento de medicamentos, ela pode explorar os pontos fracos do modelo e gerar respostas que «passam nos testes, mas na prática estão erradas». Esse é o alerta dele.
Então, o que a Matemática 2.0 propõe?
- Não apenas resolver problemas com IA, mas reescrever demonstrações que já existem, porém são longas e pouco acessíveis demais, para que fiquem mais fáceis de entender
- Criar redes de artigos e grandes bibliotecas atualizadas continuamente, em vez de trabalhar um artigo de cada vez
- Pedir à IA que encontre novos métodos e percepções, mais do que novas demonstrações
- Fazer com que mais matemáticos participem da análise dos pontos de falha dos modelos do mundo real
Tao encerrou a palestra dizendo que o maior gargalo não é a tecnologia, e sim «a imaginação».
Como alguém que ensina idiomas
Eu trabalho profissionalmente com idiomas, e essa tendência também é bem nítida na minha área. Seja a língua materna, seja uma estrangeira, aprender um idioma leva muito tempo, e nem sempre dá para ver de relance o quanto você evoluiu. Nessa situação, quando usamos a redação e a tradução da IA, que mostram a expressão de que precisamos ou falam por nós antes mesmo de pensarmos com a própria cabeça, é fácil sentir que nosso nível já cresceu até ali. Surge a ilusão de que «eu já sei tudo isso».
A praticidade da IA é para ser aproveitada. Mas o estudo e o esforço necessários até você conseguir usar esse conhecimento com desenvoltura precisam caminhar juntos.
A velocidade com que a IA entrega respostas corretas só vai aumentar. Justamente por isso, a capacidade de explicar «por quê» com as próprias palavras se torna mais valiosa. Seja na matemática, seja em um idioma estrangeiro, a ideia é usar a IA não como uma ferramenta que pensa por você, mas como uma que amplia a sua compreensão. A «Matemática 2.0» de Tao também é uma pergunta sobre o jeito como todos nós estudamos.
Fontes: vídeo da palestra de Terence Tao YouTube / The Equational Theories Project, arXiv 2512.07087