A iniciativa AI for Math da Google DeepMind aposta em ferramentas, não apenas em modelos

O que a Google se comprometeu efetivamente a fazer

A 29 de outubro de 2025, a Google DeepMind e a Google.org anunciaram a AI for Math Initiative, uma parceria com cinco instituições: o Imperial College London, o Institute for Advanced Study, o IHES, o Simons Institute for the Theory of Computing da UC Berkeley e o Tata Institute of Fundamental Research.

O compromisso tem duas partes: financiamento por parte da Google.org e acesso a sistemas específicos — um modo de raciocínio avançado chamado Gemini Deep Think, o agente de descoberta de algoritmos AlphaEvolve e o sistema de conclusão de provas formais AlphaProof. Os objetivos declarados são identificar problemas propícios a avanços impulsionados por AI (mantém-se a sigla inglesa), construir infraestrutura e ferramentas em torno deles, e acelerar a descoberta científica.

É de notar que o anúncio coloca as ferramentas como um elemento central, e não como algo secundário. Além de identificar problemas, espera-se que os parceiros estejam a "construir a infraestrutura e as ferramentas que vão impulsionar estes avanços". Trata-se de uma postura diferente da simples cedência de acesso a modelos.

Os resultados citados são concretos, e são eles o argumento de venda

A Google fundamenta a iniciativa em resultados recentes concretos, e não em promessas. Em 2024, o AlphaGeometry e o AlphaProof atingiram o nível de medalha de prata na Olimpíada Internacional de Matemática. Este ano, o Gemini com Deep Think atingiu o nível de medalha de ouro, resolvendo cinco de seis problemas e obtendo 35 pontos.

O AlphaEvolve foi aplicado a mais de 50 problemas abertos em análise, geometria, combinatória e teoria dos números, melhorando as melhores soluções conhecidas em 20% dos casos. A sua afirmação mais concreta: um algoritmo para multiplicar matrizes 4x4 usando 48 multiplicações escalares, que a Google diz superar o recorde estabelecido pelo algoritmo de Strassen em 1969.

Estes são os elementos de recrutamento. Uma trajetória que vai da prata ao ouro na Olimpíada Internacional de Matemática e um recorde de multiplicação de matrizes com 50 anos que foi batido são as provas que a Google apresenta de que os seus sistemas conseguem fazer mais do que reformular matemática já conhecida.

A verdadeira questão é a interface entre o matemático e o agente

Os três sistemas mencionados resolvem tipos de problemas diferentes. O AlphaProof faz a conclusão de provas formais, o que implica um fluxo de trabalho ligado à verificação formal. O AlphaEvolve descobre algoritmos e estruturas. O Gemini Deep Think faz raciocínio aberto. Um matemático em atividade não quer três consolas desligadas entre si; quer uma forma de mover uma conjetura entre estes diferentes modos.

É por isso que a ênfase do anúncio em "construir a infraestrutura e as ferramentas" importa mais do que a lista de modelos. O ponto de estrangulamento neste tipo de colaboração raramente é a capacidade em bruto — é a forma como um investigador coloca um problema, examina o raciocínio intermédio e confia ou descarta uma sugestão. A Google descreve um "ciclo de retroação poderoso entre a investigação fundamental e a AI (mantém-se a sigla inglesa) aplicada", que só existe se as ferramentas tornarem esse ciclo eficaz.

Ao combinar a intuição profunda de matemáticos de referência mundial com as capacidades inovadoras da AI (mantém-se a sigla inglesa), acreditamos que se podem abrir novos caminhos de investigação.Montana Labs

Esse enquadramento — intuição mais capacidade — é uma afirmação sobre superfícies de colaboração, não apenas sobre pontuações de modelos. Se a iniciativa vai ou não cumprir depende de as instituições parceiras conseguirem construir interfaces que outros possam reutilizar.

O que esta iniciativa testa para equipas aplicadas

Para quem constrói ferramentas sobre modelos de raciocínio, a AI for Math Initiative é uma experiência real numa versão difícil do problema: utilizadores que são especialistas de domínio, resultados que têm de estar comprovadamente correctos, e três sistemas especializados que precisam de parecer uma única bancada de trabalho.

O anúncio não dá detalhes sobre como estas ferramentas vão ser construídas, partilhadas ou avaliadas, além de pontuações no estilo de competição. O aspeto específico a acompanhar não é o próximo resultado na Olimpíada Internacional de Matemática — é se a infraestrutura que as cinco instituições produzirem se torna algo que um matemático fora da parceria consiga adotar. Isso, mais do que qualquer recorde isolado, mostraria que o acesso aos modelos se traduziu num produto utilizável.