OpenAI enfrenta disputa sobre esforço de prova de Navier–Stokes assistido por IA

O professor de matemática da NYU Tristan Buckmaster diz que a OpenAI passou a perseguir uma abordagem líder para o problema de existência e suavidade de Navier-Stokes depois de saber do trabalho que ele estava concluindo com o matemático da Anthropic Levent Alpöge. A disputa surgiu quando Buckmaster e Alpöge anunciaram resultados preliminares e a OpenAI publicou o que descreveu como uma prova completa do mesmo problema central.

O episódio combina um desenvolvimento matemático potencialmente importante com uma questão difícil para a pesquisa em IA: quando uma equipe assistida por modelo descobre que pesquisadores externos encontraram um caminho promissor, quanto pode usar essa direção sem se apropriar indevidamente do trabalho dos pesquisadores? As evidências disponíveis consistem principalmente no relato de Buckmaster e na própria declaração da OpenAI. Não há confirmação independente no material de origem de que a prova da OpenAI esteja correta ou de que tenha usado dados confidenciais de usuários.

Uma corrida em torno de um problema matemático de US$ 1 milhão

O problema de existência e suavidade de Navier-Stokes é um dos sete Problemas do Prêmio do Milênio estabelecidos pelo Clay Mathematics Institute. Uma solução correta rende um prêmio de US$ 1 milhão e resolveria uma questão de longa data sobre o comportamento matemático das equações de fluxo de fluidos.

Buckmaster anunciou três provas com Alpöge, descrevendo-as como descobertas preliminares que avançavam em direção ao problema mais amplo. O trabalho deles usou vários sistemas de IA, principalmente o Codex da OpenAI e o Anthropic Claude, mas Alpöge estava agindo de forma independente, e não em nome da Anthropic.

Segundo a declaração de Buckmaster, os pesquisadores descobriram, enquanto finalizavam seus resultados, que informações sobre seu progresso haviam chegado à OpenAI. Ele diz que a OpenAI então lhes disse que já havia obtido uma prova completa. O próprio comunicado da OpenAI afirmou que seu esforço mais recente começou em 1º de setembro, depois que circularam rumores de que dois problemas do Prêmio do Milênio haviam sido resolvidos.

Esse timing é central para a disputa. Buckmaster argumenta que o caminho específico que sua equipe seguiu não era uma resposta óbvia ao enunciado do problema e estava sendo explorado por relativamente poucos pesquisadores. Ele, portanto, achou suspeito que a equipe da OpenAI adotasse, como ele descreveu, a mesma direção logo depois de saber do trabalho externo.

O que Buckmaster alega e o que a OpenAI diz

Buckmaster diz que as discussões com a OpenAI tornaram-se cada vez mais obscuras quando ele perguntou quando a empresa havia começado seu trabalho e quanta orientação humana havia estado envolvida. Ele alega que uma grande equipe foi designada para o problema e que uma quantidade incomumente grande de poder computacional foi usada.

Ele também diz que o pesquisador da OpenAI Sébastien Bubeck pediu que ele removesse o crédito de Alpöge como parte de um possível acordo. Buckmaster ainda alega que Bubeck o advertiu contra tornar pública a disputa. Essas declarações são alegações de Buckmaster, não fatos estabelecidos de forma independente na cobertura disponível.

O relato publicado pela OpenAI confirma que seu esforço começou depois de 1º de setembro e reconhece conversas em andamento com Buckmaster e Alpöge. A empresa diz que sua prova difere substancialmente do trabalho dos pesquisadores, incluindo uma distinção entre formulações forçadas e não forçadas no resultado relacionado a Euler.

A empresa também rejeitou a ideia de que seus pesquisadores ou agentes de IA tenham visto diretamente o trabalho não publicado da equipe antes da divulgação pública. A OpenAI disse que nenhum dado específico de usuário foi acessado para resolver o problema. Ainda assim, reconheceu que não podia descartar a possibilidade de que dados desidentificados derivados do uso do produto tivessem ajudado a melhorar seus modelos.

Essa ressalva importa porque Buckmaster usou o Codex extensivamente. A OpenAI se reserva a capacidade de treinar modelos em interações do Codex, embora os usuários possam optar por não participar. O material de origem não estabelece que as interações de Buckmaster foram incluídas no treinamento, que algum modelo reproduziu seu trabalho ou que tais dados influenciaram a prova da OpenAI.

As alegações de prova permanecem não verificadas neste relato

A OpenAI diz que um modelo de próxima geração ainda não lançado descobriu a prova após um esforço de uma semana envolvendo 300 bilhões de tokens de saída. A TechCrunch informou uma estimativa de computação de US$ 22,5 milhões com base nos preços da Astra vigentes na época. Esses são números relatados e alegações ligadas à empresa, não medições auditadas de forma independente.

Da mesma forma, a existência de uma “prova completa” não deve ser tratada como equivalente a uma solução aceita pela comunidade matemática. Soluções do Prêmio do Milênio exigem verificação detalhada, e a evidência de origem não inclui uma avaliação revisada por pares, uma decisão do Clay Mathematics Institute ou confirmação de matemáticos independentes de que o argumento da OpenAI é sólido.

Os resultados de Buckmaster e Alpöge também são descritos como preliminares. Sua importância pode, em última instância, depender de o trabalho poder ser concluído, verificado e demonstrado como resolvendo as condições exatas do problema de Navier-Stokes. Em matemática avançada, um argumento gerado por IA pode ser valioso sem ser correto, completo ou elegível para um prêmio formal.

O episódio, portanto, tem duas alegações separadas que não devem ser confundidas. Uma é matemática: se alguma das equipes produziu uma solução válida. A outra é processual: se a OpenAI usou informações obtidas por meio de conversas com os pesquisadores ou adotou sua abordagem de forma injusta. Nenhuma das questões é resolvida apenas pelas declarações disponíveis.

Por que a disputa importa para equipes de pesquisa em IA

Para construtores de IA e organizações de pesquisa, o conflito destaca um problema crescente de governança em torno da descoberta assistida por modelo. Um cientista que usa um sistema de codificação ou raciocínio hospedado pode gerar trabalho novo dentro de uma plataforma cujo provedor retém alguma capacidade de usar dados de interação para melhorar o modelo. Mesmo que nenhum funcionário leia diretamente o trabalho privado de um usuário, podem surgir questões sobre exposição ao treinamento, memorização, controles de acesso e a proveniência de saídas posteriores.

O caso também pressiona as práticas de divulgação. Equipes que usam sistemas de IA para pesquisa original podem precisar de registros mais claros de prompts, versões do modelo, configurações de retenção de dados, contribuições humanas e o momento em que ideias-chave surgiram. Esses registros podem se tornar importantes quando vários grupos relatam resultados semelhantes ou quando um modelo produz uma prova após ser exposto a pesquisa relacionada.

Para compradores corporativos, a questão prática não se limita à matemática. As mesmas preocupações se aplicam quando funcionários usam ferramentas de IA para desenvolver algoritmos proprietários, designs de produto, estratégias jurídicas ou descobertas científicas. As organizações vão querer clareza contratual sobre o uso para treinamento, isolamento mais forte para sessões sensíveis e procedimentos para investigar possíveis sobreposições entre o trabalho do cliente e a pesquisa do fornecedor.

A história também complica a competição entre laboratórios de IA. O emprego de Alpöge na Anthropic, apesar de seu papel independente neste projeto, parece ter acrescentado tensão institucional. Se pesquisadores acreditam que a afiliação com uma empresa rival pode afetar crédito ou acesso à colaboração, o trabalho científico entre empresas pode se tornar mais difícil justamente quando a pesquisa de IA de fronteira depende disso.

O que observar a seguir

O primeiro sinal será a revisão matemática independente da prova reivindicada pela OpenAI e dos resultados preliminares de Buckmaster e Alpöge. Uma submissão formal, detalhes técnicos públicos ou uma avaliação ligada ao Clay Mathematics Institute ajudariam a distinguir uma solução genuína de uma saída de modelo impressionante, mas incompleta.

Os pesquisadores também devem observar documentação sobre a cronologia dos dois esforços: quando a OpenAI recebeu pela primeira vez as informações relevantes, o que foi mostrado aos seus sistemas e se algum dado de interação do Codex era elegível para treinamento. O esclarecimento das configurações de retenção de dados e de opt-out usadas por Buckmaster seria relevante, embora ainda não provasse, por si só, contaminação do modelo.

Por fim, a disputa pode levar laboratórios de IA e instituições acadêmicas a estabelecer normas mais claras para crédito, confidencialidade e prioridade quando modelos participam de pesquisa. O resultado pode influenciar como as descobertas futuras são registradas e como os cientistas escolhem entre ferramentas de IA hospedadas e sistemas controlados localmente.

Perspectiva da Creati.ai

A tentação imediata é enquadrar isso como uma disputa sobre quem resolveu primeiro um problema famoso. A questão mais consequente é se a pesquisa assistida por IA tem regras adequadas de proveniência quando o trabalho de um cientista passa por um provedor comercial de modelos. A negativa da OpenAI sobre acesso direto e sua admissão de que não se pode descartar influência desidentificada deixam uma lacuna entre possibilidade técnica e prova evidencial.

Até que as alegações matemáticas e a linha do tempo da pesquisa sejam examinadas de forma independente, a conclusão responsável é limitada: a OpenAI relatou um grande esforço de prova, enquanto Buckmaster levantou questões sérias sobre prioridade, atribuição e uso de dados. Para construtores e empresas, o caso é um argumento a favor de fluxos de trabalho de IA auditáveis — não uma razão para assumir que modelos hospedados estão copiando usuários ou que avanços gerados por modelo já estão validados.