Anúncio Apressado: Alessandro Masullo GRH

Um “anúncio apressado” de 940 páginas de uma suposta prova humana da Hipótese Generalizada de Riemann, em elaboração há 12 anos, surgiu logo após a Anthropic divulgar uma prova assistida por IA, desencadeando um intenso debate sobre prioridade, crédito e confiança. Os comentaristas ponderam se os erros aparentes do manuscrito humano são corrigíveis, quão significativo é uma formalização Lean de 250.000 páginas em comparação com uma prova mais curta e compreensível, e o que conta como prova válida ou primeira prova para grandes prêmios e para a história. Por trás disso estão preocupações mais amplas: que LLMs comerciais possam absorver silenciosamente pesquisa em andamento, que matemáticos serão forçados a publicar mais cedo ou a depender de ferramentas de IA que não controlam, e que a natureza do trabalho matemático e do reconhecimento está sendo remodelada por modelos de fronteira.

Rascunho Humano da GRH e Cronograma

  • Um rascunho de GRH/RH “totalmente humano”, com cerca de 900 páginas, trabalhado por cerca de 12 anos, foi divulgado apressadamente após um anúncio de GRH/RH assistido por IA.
  • O rascunho está claramente incompleto em alguns pontos (por exemplo, falta a seção introdutória) e vinha circulando em privado entre matemáticos seniores há meses.
  • Muitos veem o momento como uma tentativa de evitar ser ofuscado ou acusado de copiar o resultado da IA; outros acham irritantes anúncios “eu também” depois de grandes provas por IA.

Corretude e Críticas Iniciais

  • Vários comentaristas relatam que diferentes LLMs e leitores humanos encontraram rapidamente erros aparentes, lacunas ou passos duvidosos; até o próprio rascunho reconhece que ainda precisa de trabalho.
  • Não está claro se esses problemas são menores e corrigíveis ou se comprometem fundamentalmente o argumento.
  • Alguns criticam “passei isso para um LLM e ele diz que está errado” como comentário de baixa qualidade; outros argumentam que os LLMs agora são verificadores de provas de primeira passada muito eficazes.

Prioridade, Crédito e Incentivos Acadêmicos

  • Há um forte debate sobre se o autor “deveria ter publicado antes” versus a norma tradicional de esperar por uma prova polida e verificada — especialmente em um problema tão famoso quanto RH/GRH.
  • Matemáticos temem tanto ser antecipados por outros humanos quanto agora por IA, o que empurra para lançamentos mais cedo e menos polidos.
  • Há tensão entre valorizar provas humanas elegantes e perspicazes versus valorizar a correção formal em primeiro lugar (por exemplo, certificados Lean massivos).

Papel da IA, Dados de Treinamento e Ética

  • Há ampla suspeita de que LLMs comerciais possam ingerir trabalho confidencial ou semiprivado (por exemplo, rascunhos enviados, e-mails, acesso de agentes a arquivos locais), potencialmente “lavando” ideias para dentro de provas assistidas por IA.
  • Outros chamam isso de especulação infundada, observando diferenças metodológicas relatadas entre as provas assistidas por IA e as provas humanas.
  • Profunda desconfiança dos botões de “não treinamos com seus dados”; pedidos por modelos locais/de pesos abertos e garantias mais fortes de privacidade.

Impacto na Matemática e Adaptações Propostas

  • Emoções mistas: entusiasmo com avanços rápidos versus desespero de que anos de esforço humano possam ser eclipsados em semanas de trabalho assistido por IA.
  • Há o temor de que a descoberta puramente humana esteja se tornando obsoleta; alguns defendem que a pesquisa básica deve abraçar ferramentas de IA, outros querem domínios “somente humanos” protegidos.
  • Sugestões: publicar resultados intermediários, carimbar data ou fazer hash do trabalho em andamento, usar IA sistematicamente para auditoria de provas e reformar sistemas de bolsas/crédito para uma era fortemente marcada por IA.