Terence Tao vira crítico da IA — matemáticos alertam Vale do Silício sobre corrida sem freios

Terence Tao, medalhista Fields e até recentemente um dos maiores entusiastas da inteligência artificial no meio acadêmico, fez um discurso público na SAIR pedindo que empresas de modelos de IA parem de resolver problemas matemáticos. A mudança de tom é drástica: há seis meses, Tao dizia que a matemática vivia uma 'revolução copernicana' com a IA. Agora, ele compara a corrida atual a faróis que iluminam o mar sem que ninguém saiba navegar. O alerta ecoa no Brasil, onde a adoção acelerada de IA em finanças, agronegócio e pesquisa aplicada ainda carece de estruturas de verificação e formação de talentos capazes de absorver o que os modelos produzem. O matemático Terence Tao, vencedor da Medalha Fields e figura central da matemática contemporânea, usou seu discurso na conferência SAIR para criticar abertamente as empresas de inteligência artificial. Segundo ele, as companhias aceleram o desenvolvimento de modelos sem compreender as consequências de longo prazo. 'É preciso desacelerar. Não há absolutamente nenhuma razão para tanta pressa', afirmou. Tao não está sozinho: Cédric Villani, também medalhista Fields, relatou ter entrado em choque ao ver a OpenAI resolver um Problema do Milênio, descrevendo o episódio como uma catástrofe para a matemática. A reviravolta é notável porque, em março de 2026, Tao recomendava publicamente que colegas adotassem IA em seus fluxos de trabalho, classificando a tecnologia como 'pronta para o horário nobre' em matemática e física teórica. O impacto para o Brasil é indireto, mas relevante. O país tem avançado na adoção de IA em setores como serviços financeiros, agronegócio de precisão e pesquisa acadêmica, com destaque para o uso de modelos generativos em análise de risco de crédito e previsão climática. A crítica de Tao toca diretamente a qualidade da formação de talentos: se as empresas de IA automatizam a etapa de 'geração de solução' e 'verificação formal', mas negligenciam a interpretação, a revisão por pares e a inclusão em livros didáticos, o Brasil pode importar uma camada de ferramentas poderosas sem a base humana necessária para validá-las. Reguladores como o Banco Central, que já discute regras para IA no setor financeiro, e o MCTI, que coordena a Estratégia Brasileira de Inteligência Artificial, precisam considerar esse alerta ao desenhar políticas de capacitação e auditoria de modelos. Os dados mostram que Tao estruturou sua crítica em cinco etapas do ciclo de vida de uma prova matemática: propor a solução, verificação mecânica, trabalho de interpretação, revisão por pares e inclusão em livros didáticos. A IA atual, segundo ele, acelera apenas as duas primeiras etapas, deixando as três seguintes praticamente estagnadas. Na leitura do CBI, isso indica que o Vale do Silício está otimizando para métricas de curto prazo — benchmarks e demonstrações de capacidade — enquanto a infraestrutura de conhecimento que sustenta a inovação de longo prazo fica para trás. É um padrão que já vimos em outras ondas tecnológicas: a automação de tarefas visíveis sem a correspondente evolução dos processos de validação e absorção. Para o empresário brasileiro que opera na cadeia Brasil-China, o recado é claro: a corrida da IA não é apenas uma disputa por modelos mais rápidos, mas por quem consegue transformar capacidade bruta em conhecimento aplicável. Empresas que adotarem IA sem investir em interpretação, auditoria e formação de equipes podem se tornar dependentes de caixas-pretas que resolvem problemas sem que ninguém entenda como. O que acompanhar: primeiro, a evolução do debate regulatório no Banco Central sobre explicabilidade de modelos de IA no setor financeiro; segundo, os investimentos do BNDES e da Finep em pesquisa aplicada de IA com ênfase em validação humana; terceiro, a posição de universidades brasileiras sobre o uso de IA em pesquisa acadêmica, que pode seguir o exemplo de Tao ou manter a adoção acrítica.