Em maio de 2026, um modelo de IA resolveu um famoso problema de matemática proposto pela primeira vez em 1946 e, em poucas semanas, mais de uma dúzia de outros problemas históricos foram solucionados pela inteligência artificial. Esses eventos não estão apenas remodelando a matemática — eles também oferecem uma janela fascinante sobre como a resolução de problemas humana se compara ao aprendizado de máquina.
A Pesquisa
De acordo com um relatório da Quanta Magazine (agosto de 2026), os modelos internos da OpenAI resolveram vários problemas lendários de Paul Erdős, o matemático húngaro itinerante que propôs mais de mil questões durante sua vida. Em 20 de maio de 2026, uma IA encontrou um contraexemplo para o "problema da distância unitária", conjecturado pela primeira vez em 1946. O resultado não era totalmente rigoroso, mas era inovador, recorrendo a um ramo distante da matemática. Logo depois, técnicas dessa solução foram usadas para resolver outros problemas em aberto. Em 1º de agosto, o modelo não lançado da OpenAI, Astra, alcançou mais 10 avanços, incluindo soluções para três problemas adicionais de Erdős.
Por que problemas de Erdős? Muitos são simples de enunciar, mas exigem percepção profunda e criatividade — exatamente o tipo de desafio que pode ser um bom benchmark para a IA. Thomas Bloom, matemático da Universidade de Manchester, criou o erdosproblems.com em 2023 para rastrear esses problemas. Ele usou o ChatGPT para ajudar a codificar o site, um sinal precoce de como a IA está se tornando parte do kit de ferramentas de um matemático.
Por que Isso Importa para o Seu Cérebro
Esses avanços da IA mostram que as máquinas agora podem lidar com tarefas que antes se pensava exigirem intuição humana e saltos de lógica. Mas, como pesquisador cognitivo, vejo isso como um desafio para nós: como nutrir as habilidades humanas que a IA ainda não possui — como fazer conexões novas entre domínios ou questionar o próprio problema? A IA se destaca em explorar vastos espaços de soluções, mas os humanos ainda formulam as perguntas e decidem o que vale a pena resolver. O fato de a IA precisar emprestar ideias de um campo distante nos lembra que o pensamento interdisciplinar é uma marca da criatividade humana, e podemos treiná-lo.
O que Você Pode Fazer
Para fortalecer sua própria resolução de problemas, siga estas estratégias baseadas em evidências:
- Pratique o pensamento interdisciplinar: aplique deliberadamente ideias de um campo a outro (por exemplo, use um padrão musical para resolver um quebra-cabeça matemático).
- Envolva-se com quebra-cabeças abertos (como os da nossa plataforma de treinamento cerebral) que não têm uma única resposta correta.
- Quando estiver travado, faça uma pausa e volte depois — a incubação ajuda seu inconsciente a trabalhar.
- Explique problemas a outra pessoa (ou a um pato de borracha) para forçar-se a esclarecer seu pensamento.
Essas técnicas podem aumentar a flexibilidade e o raciocínio. E lembre-se: mesmo a IA mais poderosa ainda precisa de um humano para formular o problema — essa parte é toda sua.
Fonte: Quanta Magazine
Curioso sobre o seu próprio cérebro? Faça nosso teste de QI adaptativo gratuito ou experimente 306 níveis de treinamento cerebral.
