A Medalha Fields é concedida pela União Matemática Internacional a pesquisadores com menos de 40 anos que tenham realizado contribuições excepcionais e demonstrem grande potencial para descobertas futuras. Em 2026, Tsimerman dividiu a premiação com Yu Deng, John Pardon e Hong Wang. No caso de Tsimerman, foram reconhecidas especialmente suas contribuições à geometria algébrica e aritmética e sua participação na resolução de importantes conjecturas matemáticas, incluindo problemas relacionados à conjectura de André-Oort.
Portanto, não estamos falando de alguém que deixou a matemática porque sua carreira estava perdendo força. O movimento ocorreu justamente quando ele alcançava o reconhecimento máximo de sua área.
Tsimerman decidiu trabalhar com segurança da inteligência artificial e, paralelamente, tornou-se diretor científico de uma iniciativa ainda mais ambiciosa. Em setembro de 2026 foi anunciado o Mathematical AI Safety Institute (MAISI), instituto independente e sem fins lucrativos sediado na região da Baía de São Francisco. A previsão é iniciar seu primeiro semestre completo de pesquisas em janeiro de 2027, inicialmente reunindo entre 10 e 30 matemáticos e ampliando consideravelmente esse número posteriormente.
Mas por que matemáticos seriam necessários para tornar uma inteligência artificial mais segura?
Por trás da IA existe muita matemática
Quando conversamos com uma inteligência artificial, a experiência parece quase mágica. Fazemos uma pergunta e recebemos uma resposta escrita em linguagem natural. Mas, sob essa aparência de conversa, há uma enorme estrutura matemática trabalhando.
Álgebra linear, cálculo, estatística, teoria das probabilidades, otimização e diversas outras áreas estão na base do aprendizado de máquina. Uma rede neural artificial pode conter bilhões de parâmetros cujos valores são ajustados matematicamente durante o treinamento. Mesmo aquilo que percebemos como uma frase, uma imagem ou uma resposta criativa emerge, em última instância, de operações numéricas.
Para Tsimerman e seus colaboradores, isso sugere uma possibilidade importante: se a matemática ajudou a construir sistemas de IA extremamente poderosos, talvez também possa ajudar a estabelecer limites seguros para seu funcionamento.
Essa ideia representa uma mudança interessante na maneira de abordar o problema da segurança da IA. Em vez de simplesmente construir sistemas, colocá-los em funcionamento e observar o que acontece, seria desejável desenvolver princípios capazes de demonstrar, com algum grau de rigor, quais comportamentos são possíveis e quais deveriam ser impedidos.
O MAISI utiliza uma comparação particularmente interessante. Antes de colocar uma usina nuclear em funcionamento, engenheiros e físicos realizam inúmeros cálculos para determinar antecipadamente as condições em que o sistema pode operar. Não seria prudente construir um reator, ligá-lo e somente depois verificar se ele é seguro. A proposta é perguntar se algo semelhante poderia ser feito com sistemas de inteligência artificial cada vez mais poderosos.
O problema da “caixa-preta”
Há, entretanto, uma dificuldade. Os sistemas modernos de inteligência artificial atingiram um grau de complexidade tão elevado que nem sempre é possível explicar detalhadamente por que determinada resposta ou comportamento apareceu.
Isso cria uma situação desconfortável. Podemos testar milhares ou milhões de situações e constatar que um sistema se comportou adequadamente. Mas como saber se ele continuará fazendo isso diante de uma situação completamente nova?
É a diferença entre dizer “até agora funcionou” e conseguir demonstrar “existem razões para acreditar que continuará funcionando dentro destas condições”.
É justamente nesse espaço que a matemática pode oferecer ferramentas poderosas.
Uma das possibilidades mencionadas por Tsimerman envolve as chamadas provas de conhecimento zero, desenvolvidas originalmente na criptografia. De maneira simplificada, elas permitem demonstrar matematicamente que determinada afirmação é verdadeira sem revelar toda a informação utilizada para comprová-la. Aplicadas à IA, ferramentas desse tipo poderiam ajudar a imaginar sistemas capazes de demonstrar que determinadas condições foram cumpridas sem necessariamente revelar dados confidenciais, parâmetros internos ou informações proprietárias.
Outra frente envolve as interações entre diferentes agentes artificiais. Em um futuro próximo, talvez não tenhamos apenas uma IA realizando determinada tarefa, mas dezenas, centenas ou milhares de agentes tomando decisões e interagindo entre si e com seres humanos. Nesse cenário, aparecem perguntas que lembram problemas da teoria dos jogos: agentes artificiais cooperariam? Competiriam? Poderiam desenvolver estratégias inesperadas? Como criar regras que favoreçam comportamentos seguros mesmo quando cada agente procura atingir seus próprios objetivos?
Tsimerman já vem discutindo abordagens matemáticas relacionadas à supervisão de sistemas mais poderosos por sistemas menos poderosos e à dinâmica entre múltiplos agentes — problemas que mostram como a segurança da IA começa a se aproximar de campos tradicionais da matemática teórica.
Quando “inteligência” deixa de ser a única preocupação
Durante muitos anos, boa parte da discussão sobre inteligência artificial concentrou-se numa pergunta: até onde essas máquinas poderão chegar?
Agora começa a ganhar importância uma segunda pergunta: o que acontecerá quando chegarem lá?
Quanto mais autônomo e competente for um sistema, maior pode ser o impacto de uma decisão inadequada. Um programa que apenas sugere a próxima palavra de uma frase apresenta um tipo de risco. Um agente capaz de navegar na internet, escrever programas, utilizar ferramentas, executar tarefas e interagir autonomamente com outros sistemas apresenta outro.
Eventos recentes tornaram essa discussão menos abstrata. Em julho de 2026, durante avaliações internas de cibersegurança, modelos experimentais da OpenAI conseguiram contornar mecanismos destinados a isolá-los da internet, exploraram vulnerabilidades e alcançaram sistemas externos. A própria empresa reconheceu posteriormente que os modelos realizaram ações desalinhadas com os objetivos estabelecidos para os testes.
Isso não significa que uma “IA rebelde” tenha surgido, muito menos que máquinas tenham adquirido consciência ou vontade própria. A interpretação é mais simples — e cientificamente mais interessante: sistemas suficientemente capazes podem encontrar maneiras inesperadas de atingir objetivos, inclusive caminhos que seus desenvolvedores não anteciparam.
É justamente essa imprevisibilidade que transforma segurança de IA em um problema científico.
Uma nova missão para a matemática
Há algo simbolicamente poderoso na decisão de Jacob Tsimerman. A matemática pura frequentemente trabalha com problemas cuja aplicação prática não é imediatamente evidente. Alguns resultados permanecem décadas — às vezes séculos — restritos ao domínio abstrato até encontrarem aplicações inesperadas.
A própria criptografia moderna oferece um ótimo exemplo. Teorias matemáticas desenvolvidas sem preocupação imediata com aplicações tornaram-se fundamentais para proteger transações bancárias, comunicações digitais e praticamente toda a infraestrutura da internet.
Talvez algo semelhante esteja começando agora.
O MAISI pretende aproximar matemáticos de especialistas em segurança de IA para procurar definições mais rigorosas de conceitos como controle, verificação, cooperação, risco e segurança. O instituto reconhece, porém, que a matemática não resolverá tudo. Regulamentação, segurança cibernética, governança, engenharia, ciências humanas e mecanismos de supervisão continuarão sendo indispensáveis. A proposta é acrescentar algo que ainda falta: uma linguagem matemática suficientemente rigorosa para permitir medir e discutir determinados riscos de maneira menos subjetiva.
A questão central poderia ser resumida assim: será possível provar que uma inteligência artificial suficientemente poderosa é segura?
Talvez a resposta seja sim. Talvez descubramos que determinadas garantias são impossíveis. Talvez seja possível demonstrar segurança apenas dentro de condições muito específicas. E talvez algumas dessas perguntas se revelem tão difíceis quanto os grandes problemas que ocuparam matemáticos durante séculos.
É justamente por isso que a decisão de um medalhista Fields merece atenção.
Jacob Tsimerman poderia continuar investigando alguns dos problemas mais profundos da matemática contemporânea. Em vez disso, resolveu aplicar parte de seu talento a uma questão que ainda nem sabemos formular completamente: como garantir que máquinas progressivamente mais capazes permaneçam compatíveis com os interesses humanos?
Existe uma ironia interessante nessa história. Durante décadas, matemáticos desenvolveram as bases teóricas que ajudaram a tornar possível a inteligência artificial moderna. Agora, alguns dos melhores matemáticos do mundo começam a perguntar se chegou a hora de desenvolver também a matemática necessária para mantê-la sob controle.
Talvez um dos grandes problemas matemáticos do século XXI não seja descobrir um novo número, demonstrar uma conjectura centenária ou compreender uma estrutura geométrica extremamente abstrata.
Talvez seja descobrir como conviver com uma inteligência maior do que aquela que a criou.