Revolução no laboratório de matemática: é o software, agora, que avalia os teoremas.

Há muito que a matemática vive de uma confiança silenciosa: se os melhores da área dizem que um teorema está certo, então está. Só que essa regra informal começou a perder força. Hoje, software como Lean, Coq ou Isabelle entra no processo e consegue encontrar falhas que passariam despercebidas mesmo numa revisão humana cuidadosa.

Em gabinetes discretos, entre quadros de giz e cadernos cheios de rascunhos, um “bom” prova sempre foi aquilo que a comunidade conseguia acompanhar e aceitar. Mas, à medida que os resultados ficam mais longos e técnicos, cresce a necessidade de algo mais do que reputação e leitura atenta: verificação linha a linha, em lógica formal escrita em código. O que antes dependia de confiança passa a poder ser auditado.

Vom einsamen Genie zum vernetzten Projekt

Durante séculos, a investigação em matemática seguiu quase sempre o mesmo guião: uma pessoa (ou um grupo pequeno) desenvolve uma ideia, escreve uma prova, envia para uma revista, e depois colegas passam meses a tentar seguir cada passo. Com sorte, não encontram uma brecha. Com azar, anos mais tarde alguém descobre um erro que deita tudo abaixo.

Essa incerteza também foi sentida por Peter Scholze, um dos matemáticos mais conhecidos da Alemanha e vencedor da Medalha Fields. Em 2018, publicou uma prova altamente complexa sobre os chamados “espaços compactos”, numa formulação nova e extremamente abstrata. Só um punhado de pessoas no mundo conseguia sequer acompanhar. O próprio Scholze não tinha a certeza absoluta de que não existia algures um pequeno deslize lógico.

Em vez de pedir mais pareceres, escolheu um caminho radical: lançou publicamente o “Liquid Tensor Experiment”. A ideia era simples e exigente ao mesmo tempo: quem dominasse o software de provas Lean deveria tentar formalizar toda a argumentação nessa linguagem. Ou seja, nada de texto “solto”, mas sim código rigidamente estruturado, compreensível e verificável por uma máquina.

Um teorema, neste novo contexto, só é aceite quando não apenas pessoas, mas também um algoritmo rigoroso valida cada linha.

Ao fim de cerca de seis meses, uma equipa internacional anunciou sucesso: aproximadamente 180.000 linhas de código Lean cobriam toda a argumentação - sem lacunas lógicas. Para Scholze, isso representava um nível de qualidade diferente de qualquer avaliação tradicional. Para a comunidade, foi um momento-charneira: um ofício com milhares de anos transformava-se, de repente, num esforço colectivo apoiado por computador.

Software macht scheinbar „unprüfbare“ Beweise kontrollierbar

O caso de Scholze não ficou isolado. Outro exemplo muito falado: a matemática ucraniana Maryna Viazovska resolveu um enigma antigo sobre a empacotamento mais denso de esferas em oito dimensões - um problema altamente abstrato que esteve em aberto durante séculos. A sua solução valeu-lhe também a Medalha Fields em 2022.

A estrutura da prova era brilhante, mas tão densa que uma verificação manual completa poderia consumir anos. Assim, um grupo de investigadores decidiu “traduzir” o trabalho para Lean. Durante meses, dividiram cada secção em passos lógicos ainda mais pequenos, até a prova inteira existir como um programa. Em 2024, o código completo foi publicado no GitHub - e a prova passou a estar assegurada também numa forma formal, legível por máquina.

Isto mostra o verdadeiro impacto desta tecnologia: provas que antes eram consideradas “longas demais”, “técnicas demais” ou “praticamente impossíveis de verificar” podem ser decompostas em subprojectos controláveis.

• Teoremas extremamente extensos podem ser divididos em muitos blocos pequenos.
  
• Equipas em vários continentes trabalham em paralelo em partes diferentes.
  
• No fim, a máquina liga todas as peças e verifica a lógica do conjunto.

Aqui, o Mathlib tem um papel central: é a grande biblioteca padrão do Lean. Já contém mais de um milhão de linhas de definições formalizadas e teoremas provados. Cada nova prova pode apoiar-se nesse alicerce crescente, em vez de recomeçar do zero. Isto acelera muito os projectos e baixa a barreira de entrada.

Wenn der Computer Fields-Preisträger korrigiert

Estes programas não servem apenas para carimbar provas já correctas. Também conseguem expor fragilidades que até especialistas deixam passar. Em 2021, investigadores formalizaram em Lean um resultado já premiado. O trabalho era reconhecido, tinha recebido um prémio, a reputação estava assegurada.

Ao traduzirem a prova para código, o Lean bloqueou num passo intermédio: faltava uma hipótese, e a cadeia lógica não estava fechada. Nenhuma revisão humana tinha detectado essa inconsistência antes. Os autores tiveram de ajustar a argumentação e escrever de forma mais precisa.

Isto evidencia a natureza destas ferramentas. Enquanto um leitor humano, perante uma prova de 100 páginas, acaba por se cansar ou por “passar por cima” de detalhes por hábito, o software não aceita saltos. Cada variável tem de estar definida, cada conclusão tem de ser justificada com exactidão. O efeito é claro: menos atalhos informais, mais lógica robusta e verificável.

A máquina não negocia: exige completude - ou simplesmente recusa validar o passo seguinte.

Wie Proof-Assistants den Mathe-Alltag verändern

Durante muito tempo, estes sistemas foram vistos como brinquedos para informáticos teóricos. Para os usar, era preciso saber programar, ter muita paciência e alguma tolerância à frustração. Isso está a mudar rapidamente.

Interfaces mais modernas e assistentes com apoio de IA estão a remover grande parte dos obstáculos. Modelos de linguagem sugerem código Lean quando os investigadores descrevem, em texto, uma parte do seu rascunho. Ambientes interactivos mostram em tempo real se um passo é formalmente válido ou se ainda faltam hipóteses. Doutorandos conseguem aprender, passo a passo, como transformar ideias em código preciso - algo que também faz sentido em contextos europeus e, cada vez mais, nas universidades em Portugal.

Was Lean, Coq und Isabelle eigentlich machen

Todas estas ferramentas pertencem ao grupo dos chamados assistentes de prova. O princípio base é:

• Afirmações matemáticas são convertidas para uma linguagem formal rigorosa.
  
• O software conhece um conjunto fixo de regras de lógica e inferência.
  
• Cada passo de uma prova tem de ser justificável segundo essas regras.
  
• Se houver um salto ou uma lacuna, o processo de prova pára.

Em vez de “inventarem” automaticamente uma prova do princípio ao fim, estes programas acompanham a construção feita por humanos. Sugerem caminhos intermédios, validam hipóteses, ou apontam alternativas quando um método encalha. No melhor cenário, nasce um diálogo: intuição de um lado, rigor formal do outro.

Chancen, Risiken und offene Fragen

As vantagens são óbvias: mais segurança de que os resultados publicados aguentam mesmo. Verificação mais rápida de projectos extremamente complexos. Maior rastreabilidade, porque cada passo fica explícito no código.

Ao mesmo tempo, surge uma questão delicada: até que ponto a comunidade pode depender deste software? Será que, a certa altura, os investigadores passam apenas a confirmar se o computador “dá verde”, sem compreenderem cada detalhe? Alguns já alertam para uma espécie de “matemática em piloto automático”, onde só um pequeno grupo entende profundamente o próprio código das ferramentas.

Há ainda a dependência de plataformas e linguagens específicas. Quem constrói a carreira em provas formalizadas em Lean fica ligado a um ecossistema. E se, um dia, a comunidade migrar para outro sistema? Estes pontos aparecem cada vez mais em debates especializados.

Was sich für Studierende und Lehrende ändert

Em muitas universidades, disciplinas sobre provas formais e assistentes de prova começam a entrar nos planos de estudo. Os estudantes aprendem, a par das estratégias clássicas, como codificar argumentos de forma formal. Isso afina a compreensão: quando alguém é obrigado a escrever explicitamente cada afirmação “óbvia”, percebe rapidamente onde antes estava apenas a intuir, sem realmente dominar.

Docentes vêem aqui uma oportunidade de aumentar a transparência. Em avaliações, por exemplo, exercícios podem ser acompanhados por pequenos scripts em Lean, permitindo que os alunos testem por si próprios se os passos estão logicamente limpos. Assim, o conceito muitas vezes nebuloso de “prova” passa a ser um processo bem estruturado, treinável passo a passo.

Wie es weitergeht: Menschliche Kreativität, maschinelle Strenge

Muitos investigadores acreditam que, nos próximos anos, se vai consolidar um modelo de trabalho por divisão de tarefas: pessoas criam novos conceitos, arriscam conjecturas ousadas, esboçam estratégias gerais. Depois começa o trabalho minucioso no assistente de prova, com apoio de IA que reconhece padrões adequados a partir de milhões de linhas de código existente.

Sobretudo na fronteira do conhecimento - onde provas têm centenas de páginas ou milhares de linhas de código - esta combinação pode acelerar a disciplina de forma significativa. Projectos antes considerados “demasiado arriscados” ou “excessivamente trabalhosos” tornam-se mais viáveis. Podem surgir teorias com uma complexidade muito além do que uma única pessoa conseguiria ter na cabeça por completo - e, ainda assim, consideradas seguras porque cada linha de lógica formal fica verificável.

Isto também muda a ideia do que é uma prova. Deixa de ser apenas um texto elegante numa revista, para se tornar um objecto feito de texto, código e bibliotecas mantidas em conjunto. A imagem antiga do génio solitário à secretária abre espaço a equipas ligadas em rede, a trabalhar com software no limite do que é demonstrável em matemática.