Um rumor sobre um resultado inédito da OpenAI mudou o calendário de três pesquisadores do MIT antes de a prova de IA ser examinada. Dor Minzer e os doutorandos Yumou Fei e Shuo Wang souberam em 11 de setembro de um resultado próximo sobre Unique Games. No dia 14 publicaram 95 páginas ainda rudimentares sobre um teorema relacionado, mas distinto. A OpenAI anunciou sua coleção em 6 de outubro, incluindo uma prova alegada da conjectura.
O avanço humano ocorrera em abril; a explicação ainda era preparada. O anúncio esperado tornou prioridade mais urgente que exposição. Os teoremas não se substituem e nenhum preprint dispensa revisão independente.
Dois resultados diferentes
Subhash Khot introduziu Unique Games em 2002. Vértices ligados por arestas recebem rótulos. Cada aresta impõe uma permutação: um rótulo determina exatamente o aceitável no outro extremo. A correspondência um a um explica o nome.
A conjectura trata da dificuldade da aproximação. Informalmente, distinguir instâncias quase totalmente satisfazíveis daquelas que permitem apenas uma fração pequena é difícil. Não afirma inexistência de soluções, mas limites de algoritmos gerais eficientes em famílias precisas.
A otimização aceita aproximações quando o ótimo exato é caro. Unique Games conecta garantias conhecidas a barreiras fundamentais. O quadro de Raghavendra de 2008 estabelece, supondo a conjectura, a optimalidade de programação semidefinida para classes amplas: resolver relaxamento geométrico e arredondar a escolhas discretas.
O teorema MIT trata da completude perfeita: todas as restrições iniciais podem ser satisfeitas. Em 2-para-1, um rótulo admite duas opções compatíveis do outro lado; em 4-para-1, quatro. É mais fraco que o 2-para-1 original, mas alcança um caso exato não coberto diretamente pelo Unique Games usual.
Todas não é quase todas
Minzer e colaboradores chegaram à completude quase perfeita em 2018. Pequena diferença ainda impede reduções que exigem início totalmente satisfazível. O extremo exato não é cosmético.
Fei e Wang começaram em 2025. Um código corretor novo era promissor, mas não se encaixava no restante da redução. O avanço de abril combinou equações quadráticas, camada intermediária e verificador interno com codificação tipo Grassmann.
São provas probabilisticamente verificáveis: poucas posições aleatórias de uma prova longa são examinadas. A redução deve preservar distância entre casos aceitos e rejeitados. A interação das camadas, não apenas o código, importa.
Uma consequência é coloração. Mesmo prometendo um grafo colorível com três cores, achar coloração válida com qualquer número fixo de cores continua NP-difícil. Mais cores não garantem método geral eficiente. O resultado também alcança conjuntos independentes de certos hipergrafos, cujas arestas ligam mais de dois vértices.
Isso difere da conjectura usual alegada pela OpenAI. Os autores protegiam caminho e consequências próprios, não duplicata.
O preço de publicar em três dias
A equipe disse que a matemática estava pronta, a apresentação não. O preprint ECCC de 14 de setembro tinha 95 páginas. Minzer descreveu a parte após a sexta seção como quase sem palavras de ligação: definições e provas intermediárias com pouca orientação.
Exposição é infraestrutura científica. Motivação, transições e comparações ajudam auditoria e reutilização. Registrar prioridade rapidamente deixava essa obrigação.
Argumento, modelo, reivindicação exata e prazo da empresa eram desconhecidos. Não era corrida usual com ritmos humanos comparáveis. Produção prevista de máquina já mudava trabalho antes do julgamento especializado.
Volume cria outro problema de revisão
A OpenAI informou cerca de 4.000 problemas tentados e 722 manuscritos sobre 377 perguntas. Uma coleção tinha 40 provas de computação teórica. Tentativas, textos, perguntas e provas são unidades distintas, não contagens intercambiáveis de problemas resolvidos.
O cálculo médio equivaleria a três horas de raciocínio ChatGPT Pro por resultado. Não é custo exato de Unique Games nem orçamento uniforme. Cerca de metade estava formalmente verificada segundo a empresa; formalizar o restante era perspectiva futura.
O manuscrito alega redução explícita determinística polinomial de 3SAT a instâncias sem pesos, com artefatos Lean. Consequências para cortes, cobertura, ordenação, remoção, agrupamento e restrições dependem também de reduções anteriores.
A OpenAI não apresentou revisão convencional. Reconheceu referências e exposição a melhorar e prometeu apoiar compreensão. Saídas públicas podem ser evidência importante sem avaliação comunitária concluída.
Lean verifica uma afirmação formal
Lean confere que passos codificados seguem regras e hipóteses codificadas. É mais forte que a afirmação do modelo, mas especialistas devem comparar enunciado e conjectura, hipóteses importadas e ligação entre código e texto.
Ordem dos quantificadores e dependência do alfabeto nos parâmetros de erro importam. Mudar dependências pode enfraquecer afirmação parecida. Completude, correção, explicitude e tempo polinomial precisam corresponder à tese padrão.
Uma derivação conferida não explica automaticamente ideia central, novidade, crédito ou consenso. Verificação e compreensão são etapas diferentes. O texto humano apressado também exige leitura e melhoria.
Reprodutibilidade tem camadas. Lean e dependências disponíveis permitem repetir verificação. O modelo interno sem nome não é público; resumos e estatísticas não fornecem todos os prompts, amostragens e intervenções. Reproduzir descoberta é diferente.
Agora importam validação independente da correspondência OpenAI, manuscrito MIT mais claro e publicações de escala máquina revisáveis. O episódio já mudou datas e prioridade. Progresso duradouro depende de transformar saídas verificadas em explicações que outros examinem, adaptem e entendam.