Estudo indica que IA pode transformar áreas teóricas da ciência
Pesquisa liderada por Neil Thompson mostra que modelos da OpenAI aumentaram a taxa de acerto em problemas teóricos entre 2024 e 2026.
Resumo rápido
- Neil Thompson apresenta estudo que aponta expansão da IA em campos teóricos.
- Modelos da OpenAI aumentaram taxa de acerto em problemas teóricos entre 2024 e 2026.
- OpenAI divulgou solução de Navier-Stokes, gerando debate na comunidade.
Entenda o contexto
Modelos de inteligência artificial desenvolvidos por empresas como a OpenAI passam a ser avaliados em termos de sua capacidade de solucionar problemas científicos teóricos complexos de forma autônoma. O estudo de Neil Thompson mede esse avanço em um conjunto restrito de disciplinas acadêmicas.
Em uma palestra no MIT, o pesquisador Neil Thompson apresentou um estudo que indica que modelos avançados estão ampliando sua capacidade de resolver problemas teóricos em diversas áreas da ciência. O trabalho foi conduzido por Thompson ao lado do estudante de doutorado Gabriel Manso e do cientista pesquisador Claudio Mayrink Verdun.
Progresso mensurável e testes sem internet
Para o levantamento, os pesquisadores utilizaram questões extraídas de artigos publicados entre dezembro de 2025 e maio de 2026. Foram testados diferentes modelos da OpenAI – o1, o3, GPT-5, GPT-5.1, GPT-5.4 e GPT-5.5 – em um ambiente isolado sem acesso à internet, o que impediu que os sistemas buscassem as respostas online ou dependessem de dados de treinamento anteriores.
Os dados revelam que, entre meados de 2024 e meados de 2026, a taxa de acerto dos melhores modelos subiu de cerca de 2% para aproximadamente 35% nos problemas teóricos avaliados. O escopo do estudo focou em disciplinas nas quais os modelos podem encontrar soluções sem a necessidade de executar simulações ou experimentos físicos.
Impactos em outras disciplinas teóricas
Segundo a pesquisa, campos como probabilidade, teoria estatística, teoria econômica, teoria de alta energia, gravitação, cosmologia e física quântica podem passar por transformações profundas devido à evolução desses sistemas. O avanço ecoa mudanças recentes na matemática, impulsionadas pelo anúncio da OpenAI de que um modelo não lançado solucionou as equações de Navier-Stokes.
Apesar do potencial, os autores enfatizam que a verificação humana continuará necessária para analisar a exatidão das soluções. "Também precisamos de maneiras de verificar o que foi feito, porque é muito fácil para um modelo te dizer 'esta é a resposta certa' e, quando você olha para a solução inteira, começa a ver que talvez não seja", afirma Manso. Para acompanhar desdobramentos correlatos, consulte OpenAI busca apoio de grupo de matemáticos após ruídos em anúncios e OpenAI cria grupo consultivo em matemática com instituto de Princeton.
Referências
- Reportagem consultada: Wired — IA
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!


