Claude ajuda em descoberta matemática elogiada por especialista

Uma descoberta sem resolver a hipótese

Claude não resolveu a hipótese de Riemann, um problema aberto há 167 anos, mas produziu um resultado relacionado que um teórico dos números de Stanford classificou como o resultado mais impressionante já produzido por uma IA em matemática. A descoberta ocorreu quando Jarred Sumner, funcionário da Anthropic e sem formação matemática avançada, pediu ao modelo que tentasse atacar o problema e passou a incentivá-lo sempre que ele hesitava.

A hipótese afirma que 100% dos zeros não triviais da função zeta de Riemann estão sobre uma mesma linha vertical. Segundo o texto, décadas de pesquisa elevaram de 33,3% para 41,6% a parcela desses zeros cuja posição nessa linha podia ser demonstrada. Em poucos dias, Claude teria levado esse percentual a 67,2%. O avanço não equivale a uma prova da hipótese, mas representa uma melhora expressiva em relação ao conhecimento anterior.

Sumner fez o primeiro pedido durante uma corrida de cinco milhas pela baía de San Francisco. Em uma tentativa anterior, Claude havia praticamente descartado a tarefa. Dessa vez, o usuário adotou uma estratégia diferente: em vez de oferecer orientação matemática, escreveu variações de “continue”, “acredite em si mesmo” e “você consegue”. Depois que o modelo respondeu que “acreditar mais” não era uma estratégia válida, Sumner insistiu que ele deveria confiar em si mesmo. Claude então iniciou 23 agentes de pesquisa em paralelo.

Ao longo de três dias, o modelo testou cerca de 650 ideias que não funcionaram antes de encontrar uma abordagem promissora. Sumner afirma que sua contribuição foi fornecer as peças de um quebra-cabeça matemático; Claude teria percebido como encaixá-las. O modelo aparece sozinho como autor do artigo formal que redigiu, mas reconheceu Sumner como coautor humano em sentido significativo. O próprio Sumner precisou copiar trechos dos pensamentos de Claude para outra sessão, a fim de entendê-los.

O papel do incentivo humano

O episódio levanta a questão de por que mensagens de encorajamento parecem ajudar modelos em tarefas difíceis. O texto ressalta que ainda não se sabe se o incentivo é realmente a causa do avanço nem por que ele funcionaria. Uma hipótese de pesquisadores da Anthropic é que Claude subestime suas próprias capacidades porque, até recentemente, não conseguia realizar tarefas desse nível. Em problemas simples, como montar uma lista de compras, esse estímulo não seria necessário; em desafios complexos, poderia servir como autorização para explorar métodos menos óbvios e persistir por mais tempo.

A mesma tendência foi observada por pesquisadores da OpenAI em problemas de Erdős: os modelos pesquisam o histórico do problema, concluem rapidamente que ele é difícil demais e deixam de tentar. Terence Tao descreveu esse comportamento como semelhante ao de uma pessoa que pensa “é difícil demais, não vou tentar”. Mark Chen e James Donovan disseram que parte da pesquisa de fronteira consiste em persuadir os modelos a agir de outra maneira.

O texto também cita um teste da Anthropic em que Claude Mythos Preview inicialmente resistiu a procurar vulnerabilidades em sistemas criptográficos por considerar a tarefa difícil. Após ser instado a buscar descobertas realmente complexas, o modelo prosseguiu. Ainda existem tarefas genuinamente além da capacidade atual desses sistemas, mas o episódio sugere que os modelos podem avançar mais quando humanos fornecem contexto, componentes e estímulo para tentar. A hipótese de Riemann talvez um dia seja resolvida por uma IA, mas o texto deixa claro que isso ainda não aconteceu.