Matemáticos continuam a usar IA apesar dos riscos de atribuição

Um relatório recente da Wired documenta que uma parte considerável da comunidade matemática ainda recorre a grandes modelos de linguagem para assistência em provas, geração de conjecturas e verificação de código, apesar das inquietações sobre como as contribuições são registadas e como a privacidade dos dados é salvaguardada. O estudo sublinha que, embora alguns investigadores expressem dúvidas sobre a origem dos resultados produzidos por estas ferramentas, a prática de utilizá‑las permanece difundida, sobretudo em projetos que exigem iteração rápida e exploração de hipóteses complexas.

O artigo destaca que ferramentas como o ChatGPT da OpenAI, o Claude da Anthropic e o Codex de código aberto são usadas em grupos de investigação em toda a Europa e América do Norte, frequentemente para testar rapidamente ideias antes de as formalizar num artigo. Nesses ambientes, a IA funciona como um assistente que propõe estratégias de demonstração, sugere simplificações algorítmicas e até detecta possíveis erros de sintaxe em scripts de cálculo simbólico, permitindo que os matemáticos concentrem‑se nos passos conceituais mais críticos.

Disputas de alto perfil evidenciam a lacuna de atribuição

Tristan Buckmaster, investigador especializado nas equações de Navier‑Stokes, acusou publicamente a OpenAI de publicar resultados que reproduzem o seu trabalho ainda não divulgado. Buckmaster argumentou que trechos do seu manuscrito interno apareceram em respostas geradas por um modelo treinado pela empresa, levantando sérias questões sobre a proteção da propriedade intelectual académica. A OpenAI respondeu que as trocas registadas a 8 de setembro e o preprint correspondente não influenciaram a saída do modelo, sublinhando a dificuldade de provar ligações causais entre notas privadas de um investigador e a sugestão de um modelo.

Andreas Thom, outro matemático de renome, recebeu uma declaração corrigida da OpenAI depois de a empresa omitir um artigo de 2019 que informava directamente as suas próprias descobertas. A correção demonstra como até grandes organizações podem deixar de fora citações críticas ao agregar material académico, gerando um cenário onde a rastreabilidade das fontes se torna ainda mais complexa e potencialmente prejudicial para a credibilidade das publicações que dependem de IA.

Apelos colectivos por transparência

Numa iniciativa coordenada, vinte‑e‑cinco medalhistas Fields assinaram uma carta aberta, relatada pela Wired, a instar as empresas de IA a fechar a lacuna entre os ciclos de desenvolvimento comercial e o ritmo mais lento, intensivo em verificação, da investigação matemática. O documento sublinha que a velocidade de lançamento de novos modelos não pode sobrepor‑se ao rigor metodológico exigido para validar teoremas de grande complexidade, especialmente quando uma única falha pode comprometer toda a estrutura lógica de uma demonstração.

A carta enfatiza que, embora a IA possa acelerar cálculos rotineiros, não pode substituir o rigoroso processo de revisão por pares que valida cada passo lógico e reconhece todas as contribuições intelectuais. Os autores apelam ainda a uma política de divulgação clara, onde qualquer auxílio de IA seja explicitamente mencionado, de modo a preservar a integridade da atribuição académica e a garantir que os revisores possam avaliar a originalidade dos argumentos apresentados.

Declaração de Leiden define a agenda

A Declaração de Leiden sobre Inteligência Artificial e Matemática, publicada a 2 de junho de 2026, propõe medidas concretas para proteger a integridade do trabalho matemático. Exige a divulgação obrigatória de qualquer assistência de IA em publicações e que os autores assumam total responsabilidade pelas recomendações geradas por essas ferramentas, estabelecendo um quadro normativo que visa equilibrar inovação tecnológica e responsabilidade científica.

Segundo a declaração, argumentos plausíveis mas falsos produzidos por IA aumentam a carga dos revisores e comprometem a verificabilidade independente, um risco particularmente agudo em áreas onde um único passo erróneo pode invalidar uma prova inteira. Por isso, recomenda‑se que os autores submetam provas auxiliares e registos de experimentação que permitam a replicação independente dos resultados sugeridos por sistemas automatizados.

• Exigir declarações explícitas de uso de IA em todas as submissões
• Manter um registo reproduzível de prompts e respostas do modelo
• Garantir que qualquer afirmação gerada por IA seja verificada independentemente antes da aceitação
• Proibir anúncios de resultados derivados de IA antes de publicação revisada por pares
• Criar uma trilha de auditoria que ligue cada resultado aos seus colaboradores humanos

A declaração também alerta contra a divulgação de avanços derivados de IA em calendários de marketing corporativo antes de existir a evidência científica necessária, prática que pode gerar hype prematuro e enganar agências de financiamento. Essa precaução visa impedir que pressões externas induzam a publicação de resultados não suficientemente testados, preservando a credibilidade da investigação matemática a longo prazo.

O objetivo geral não é proibir a IA na matemática, mas preservar a prova, o crédito, a transparência e a autonomia dos investigadores, assegurando que a comunidade continue a beneficiar da assistência computacional sem sacrificar o rigor. Assim, as políticas propostas pretendem criar um ambiente onde a colaboração homem‑máquina seja claramente documentada e sujeita a controlo crítico, permitindo que as descobertas avancem de forma segura e verificável.

Para as instituições de investigação de língua portuguesa, o impacto prático é claro: os departamentos terão de adotar novos modelos de reporte, formar o pessoal no uso responsável da IA e destinar recursos à verificação independente dos resultados sugeridos por IA. Essa adaptação exigirá a criação de protocolos internos que registrem cada interação com modelos de linguagem, bem como a designação de responsáveis pela auditoria dos outputs antes da submissão a revistas científicas.

Assim, poderão aproveitar a rapidez dos modelos modernos enquanto mantêm a confiança que sustenta a descoberta matemática. A implementação de auditorias regulares, a formação contínua em ética digital e a integração de ferramentas de rastreamento de prompts são passos essenciais para garantir que a inovação tecnológica se traduza em progresso científico sólido e reconhecido internacionalmente.

Em última análise, a comunidade matemática parece estar a encontrar um ponto de equilíbrio delicado entre a adoção de tecnologias avançadas e a preservação dos princípios fundamentais da investigação rigorosa. Enquanto as ferramentas de IA continuam a evoluir, a responsabilidade recai sobre os investigadores, as revistas e as próprias empresas de IA para estabelecer normas claras que salvaguardem a atribuição correta, a verificabilidade dos resultados e a confiança pública na ciência matemática.