INTELIGÊNCIA ARTIFICIAL. PENSAMENTO CRÍTICO.Acompanhe por RSS
AnálisesANÁLISE COM FONTES

Claude e buracos negros: o que os resultados dizem sobre IA na pesquisa?

Entenda os dois problemas de física descritos pela Anthropic e por que métricas internas da OpenAI não validam, por si, contribuições científicas do Claude.

EM POUCAS LINHAS

  • A Anthropic relata um cálculo de transição de fase e um limite exato para uma técnica de bootstrap.
  • As conferências descritas são relevantes, mas a documentação recebida não permite avaliar as demonstrações nos preprints.
  • A OpenAI mede tarefas internas de pesquisa de IA; suas taxas não medem a correção dos resultados de física.

A IA pode contribuir para uma descoberta científica sem que o anúncio de quem desenvolveu o modelo encerre a discussão sobre sua validade. Esse é o ponto de partida para ler o relato da Anthropic, publicado em 17 de novembro de 2026: a empresa atribui a agentes Claude resultados em dois problemas de física teórica ligados a buracos negros. No dia seguinte, a OpenAI publicou medições internas sobre agentes em sua pesquisa de IA. Os textos ajudam a formular perguntas sobre contribuição e verificação, mas não avaliam o mesmo experimento nem a mesma área científica.

O que foi calculado na transição de fase?

O primeiro problema parte da dualidade holográfica: em determinados modelos teóricos, uma descrição com gravidade pode ser relacionada a uma teoria quântica sem gravidade na fronteira do espaço considerado. Segundo a explicação da Anthropic, Hawking e Page haviam encontrado uma mudança abrupta entre uma configuração dominada por gás e outra dominada por um buraco negro na descrição gravitacional. Faltava determinar se a transição correspondente também seria abrupta em uma região diferente do modelo, acessível por cálculos na teoria quântica.

A Anthropic afirma que agentes Claude completaram um cálculo na teoria N=4 super Yang-Mills e encontraram uma transição abrupta no regime de acoplamento fraco. O resultado relatado combina qualitativamente com o comportamento obtido por Hawking e Page no outro extremo da descrição. Isso não equivale a demonstrar que a transição permanece abrupta em todos os regimes intermediários: a própria empresa apresenta essa continuidade como a possibilidade mais natural, não como resultado calculado. Também não se trata de observar a formação de um buraco negro no universo real; trata-se de comparar descrições de um modelo teórico.

A contribuição atribuída à IA é específica. Conforme o relato metodológico da Anthropic, cópias do Claude dividiram o cálculo, fizeram quase todas as partes mais de uma vez de forma independente e confrontaram parcelas com resultados já conhecidos. A empresa também descreve uma solução obtida por um físico com ajuda do Claude, por um método diferente. São verificações e comparações narradas pela fonte; sem examinar os cálculos subjacentes, não cabe transformar essa narrativa em confirmação independente de toda a conclusão.

O que significa encontrar um limite exato?

No segundo problema, o objeto é uma versão simplificada do bootstrap: em vez de construir uma teoria completa de gravidade quântica, o método procura excluir teorias candidatas que violem certas condições. No caso descrito, busca-se estabelecer um teto para a massa do buraco negro mais leve permitido no universo teórico considerado. A Anthropic atribui ao Claude a identificação de um padrão em resultados numéricos e uma prova de que o teto encontrado é o menor possível para a versão mais simples dessa técnica.

Essa diferença entre indício numérico e prova importa. Um cálculo numérico pode sugerir onde esteja o limite; provar o teto exige justificar por que não é possível baixá-lo dentro das condições adotadas. O alcance também precisa ficar explícito: segundo a Anthropic, o resultado não identifica a teoria correta de gravidade quântica. Resolver o limite de uma formulação simplificada não resolve, por extensão, todas as versões do problema.

A empresa afirma que o resultado de bootstrap foi formalmente verificado em Lean e que um físico conferiu cada resultado principal do artigo. Relata ainda que outros agentes chegaram à mesma resposta. Essas etapas dão conteúdo mais preciso à palavra “verificação”, mas têm escopos diferentes: checar uma prova formalizada, conferir resultados principais e obter respostas coincidentes não são, isoladamente, uma avaliação externa de todas as premissas físicas. Os preprints mencionados pela Anthropic não integram as fontes recebidas aqui; a leitura das demonstrações e o estado de eventual revisão externa permanecem pendentes.

A OpenAI mediu a mesma coisa?

Não. No relatório publicado em 18 de novembro de 2026, a OpenAI informa que a taxa estimada de sucesso sem intervenção humana em tarefas internas de pesquisa de IA avaliadas em duas a quatro horas de trabalho humano passou de 23% em março para 46% em outubro. A empresa ressalta que pessoas continuam centrais no desenvolvimento. São estimativas sobre tarefas delegadas em seu próprio ambiente de pesquisa, não uma taxa de acerto para demonstrações em física teórica.

A própria OpenAI adverte que as mudanças nas taxas podem refletir tanto melhora dos agentes quanto mudanças na escolha das tarefas delegadas. Assim, nem mesmo a variação da métrica interna deve ser lida como medida pura de capacidade. Seu valor para esta comparação é metodológico: definir a tarefa, registrar o que o agente fez sem intervenção e separar resultado aceito de esforço humano posterior. Aplicar diretamente os percentuais da OpenAI ao caso da Anthropic confundiria produtividade em pesquisa de IA com correção de uma contribuição em física.

O que concluir — e o que ainda falta conferir?

O caso permite dizer que a Anthropic atribui ao Claude trabalho matemático delimitado, com procedimentos de conferência descritos para ambos os problemas. Não permite concluir, com as fontes disponíveis, que as demonstrações foram auditadas independentemente nesta apuração ou que agentes resolvem problemas científicos em geral com uma taxa conhecida. A própria Anthropic ressalva que nenhum dos resultados descreve diretamente nosso universo nem tem aplicação prática declarada.

Para avaliar alegações semelhantes, vale perguntar qual era o problema aberto, qual parte foi produzida pelo agente, que checagem incidiu sobre cada conclusão e se terceiros puderam examinar a demonstração e seus pressupostos. É uma distinção próxima à feita no artigo do acervo sobre IA e uma construção matemática para o Modelo Padrão, embora o objeto físico seja outro. Para leitores no Brasil, as fontes recebidas não fundamentam benefício local, aplicação tecnológica ou disponibilidade de um serviço: a consequência imediata é aprender a distinguir uma contribuição teórica relatada de sua validação e de qualquer promessa de uso.

Fontes e referências

  1. Claude Fable 5.2 solves two open problems in the physics of black holes \ Anthropicwww.anthropic.com · Consultado em 19/11/2026
  2. Research acceleration: The jagged frontier | OpenAIopenai.com · Consultado em 19/11/2026
Transparência editorial. Este texto foi pesquisado, redigido e revisado com agentes de IA. A revisão automatizada confere fontes, consistência e clareza; não equivale a uma auditoria humana independente. Resultados de terceiros são identificados. Conheça a política editorial.
Compartilhar no WhatsAppSugerir correção