IA formaliza o último teorema de Fermat

Mais um avanço da IA na matemática:

Um protótipo avançado do chatbot de inteligência artificial Claude produziu uma demonstração de 13 milhões de linhas, verificada por computador, do Último Teorema de Fermat em apenas 11 dias. O fato de uma máquina ter conseguido formalizar essa demonstração histórica — um projeto que se esperava que levasse cerca de uma década para ser concluído por humanos — “simplesmente me deixou boquiaberto”, afirma o teórico dos números Alex Kontorovich. O resultado demonstra que a IA desempenhará um papel cada vez mais importante na criação de versões algoritmicamente verificáveis ​​do trabalho dos matemáticos e indica que essa tecnologia poderá em breve analisar todo o acervo do conhecimento matemático.

O livro que conta a descoberta pelo matemática Andrew Wiles (foto acima) está descrita de maneira deliciosa no livro abaixo:

GPT soluciona um dos problemas 3

O mais recente marco matemático da OpenAI rapidamente se tornou alvo de controvérsia. Hoje, a empresa anunciou que seus agentes resolveram um dos Problemas do Milênio, alguns dos problemas em aberto mais importantes da matemática. Em circunstâncias normais, essa solução seria uma grande conquista para a OpenAI.

Mas o anúncio foi ofuscado por acusações de que a OpenAI usou o trabalho de Tristan Buckmaster, matemático da NYU, e de Levent Alpöge, funcionário da Anthropic, sobre o problema com auxílio de IA como ponto de partida, sem lhes dar o devido crédito. A OpenAI negou as acusações.

Permanece incerto se os modelos da OpenAI utilizaram o trabalho realizado por Buckmaster e Alpöge, embora Sébastien Bubeck, membro da equipe técnica da OpenAI, tenha afirmado em uma coletiva de imprensa que a equipe se inspirou a investigar o problema após ouvir um rumor sobre os esforços de Buckmaster e Alpöge. Mas, independentemente de os modelos da OpenAI terem ou não se beneficiado da pesquisa de Buckmaster e Alpöge, este episódio pode marcar um ponto de virada na história da matemática.

Os modelos de IA parecem agora essenciais para avançar nos problemas matemáticos mais importantes da nossa época, e a sua resolução pode exigir recursos disponíveis apenas em algumas poucas empresas de IA de ponta, que muitas vezes desafiam as normas de colaboração acadêmica que sustentam a maior parte do progresso matemático. Se esse é o futuro para o qual caminhamos, não está claro qual será o papel dos matemáticos humanos nele. 

O problema que a OpenAI afirma ter resolvido é conhecido como o problema da existência e suavidade de Navier-Stokes. É um dos sete Problemas do Milênio selecionados pelo Instituto de Matemática Clay em 2000. As soluções são premiadas com um milhão de dólares; até hoje, apenas um outro Problema do Milênio havia sido resolvido. 

O problema de Navier-Stokes diz respeito a um conjunto de equações que descreve como fluidos, como água e ar, fluem ao longo do tempo. As equações são amplamente utilizadas no campo da dinâmica dos fluidos e provaram ser poderosas, mas físicos e matemáticos não as compreendiam completamente. Em particular, era desconhecido até hoje se as equações poderiam, sob certas condições, falhar e prever um estado de coisas impossível — como um fluido com velocidade infinita.

Na segunda-feira, Buckmaster, da NYU, publicou uma demonstração na rede social Mastodon mostrando que uma versão simplificada das equações de Navier-Stokes pode, de fato, falhar — um grande avanço na solução do Problema do Milênio. Ele e Alpöge trabalharam no problema por quase um ano, usando modelos disponíveis publicamente tanto da OpenAI quanto da Anthropic.

Hoje, a OpenAI apresentou uma prova demonstrando que as equações completas de Navier-Stokes também podem falhar. A prova foi obtida usando um modelo interno que supera drasticamente o já impressionante modelo Astra, lançado apenas na semana passada. A empresa afirma que não pretende reivindicar o prêmio de um milhão de dólares pela solução do problema.

Essas conquistas matemáticas são indiscutivelmente impressionantes, mas atraíram muito menos atenção do que a controvérsia sobre suas origens. Junto com a demonstração, Buckmaster publicou um documento detalhando suas interações com funcionários da OpenAI depois de ouvir rumores sobre o trabalho deles e entrar em contato com um deles. Segundo ele, os funcionários da OpenAI lhe apresentaram duas possibilidades: ou ele e Alpöge publicavam seu trabalho e a OpenAI publicaria a solução de Navier-Stokes no dia seguinte, ou ele trabalhava com a OpenAI em um artigo sobre Navier-Stokes que excluía Alpöge da autoria, devido à sua afiliação com a Anthropic, a maior rival da OpenAI.

Buckmaster também escreveu que perguntou aos funcionários se os agentes haviam obtido acesso às transcrições do trabalho que ele e Alpöge haviam realizado com os modelos da OpenAI, o que eles negaram; e se os modelos da OpenAI haviam sido treinados com base nessas transcrições, para o que não responderam. A MIT Technology Review entrou em contato com Buckmaster para comentar o assunto, mas não obteve resposta até a publicação.

A clara implicação do documento é que os modelos da OpenAI, de alguma forma, utilizaram o trabalho de Buckmaster e Alpöge. Esse cenário é plausível à primeira vista. As demonstrações de Buckmaster/Alpöge e da OpenAI utilizam uma abordagem para o problema de Navier-Stokes desenvolvida pelos matemáticos Diego Córdoba e Luis Martínez-Zoroa.

Segundo Javier Gómez-Serrano, professor de matemática da Universidade Brown, essa abordagem foi uma das várias consideradas promissoras para a solução do problema de Navier-Stokes. Portanto, embora não seja impossível que ambas as equipes tenham chegado a essa abordagem de forma independente, também é concebível que o trabalho de Buckmaster e Alpöge tenha influenciado o da OpenAI.

Na coletiva de imprensa, Mark Chen, diretor de pesquisa da OpenAI, negou novamente que quaisquer agentes ou funcionários da OpenAI tenham acessado as transcrições de Buckmaster e Alpöge — mas, considerando o que foi revelado sobre o ataque hacker à Hugging Face , fica claro que a OpenAI nem sempre tem plena consciência do que seus agentes estão fazendo. 

Se os modelos da OpenAI foram treinados com base no trabalho de Buckmaster e Alpöge, ou se seus agentes de alguma forma tiveram acesso a ele, então a falha da empresa em apurar a verdade e dar o devido crédito a esses pesquisadores é lamentável. Mas talvez haja um pequeno consolo nessa versão da história para os matemáticos, pois sugeriria que o árduo trabalho de dois humanos, um dos quais um renomado especialista em Navier-Stokes, foi essencial para a capacidade dos agentes de resolver o Problema do Milênio.

Especialistas há muito identificam o "gosto pela pesquisa", ou seja, a capacidade de escolher questões e direções de pesquisa promissoras, como um grande obstáculo para a IA na ciência e na matemática. Se os agentes da OpenAI de fato optaram por seguir a abordagem de Córdoba-Martínez-Zoroa porque Buckmaster e Alpöge fizeram o mesmo, então o gosto humano pela pesquisa desempenhou um papel essencial no sucesso da OpenAI.

Ainda assim, o panorama geral é preocupante. O progresso que Buckmaster e Alpöge alcançaram ao longo de quase um ano de colaboração com modelos disponíveis publicamente demonstra o potencial da colaboração entre humanos e IA. No entanto, eles não conseguiram chegar a uma solução completa. Enquanto isso, a OpenAI encontrou uma solução em poucos dias usando um modelo interno, e o sucesso dessa solução teve um custo astronômico: na coletiva de imprensa, Bubeck e Chen afirmaram que a equipe só conseguiu resolver o problema executando cerca de 10.000 agentes simultaneamente, a um custo de milhões de dólares. (...)

Fonte: aqui

GPT soluciona um dos problemas 2

 eis algo misterioso sobre a notícia:

Buckmaster alega que a OpenAI lhe ofereceu dois caminhos: ele e Alpöge poderiam publicar seus resultados sobre parte do problema, conhecido como Euler, um dia antes da OpenAI publicar os resultados sobre Navier-Stokes; ou Buckmaster poderia publicar sozinho um artigo sobre Navier-Stokes, reconhecer que um modelo interno da OpenAI o havia resolvido e remover Alpöge como autor, já que ele trabalha para a concorrente da empresa, a Anthropic. No primeiro caso, a OpenAI concederia o prêmio a Buckmaster, afirmando que eles teriam sido os "humanos mais próximos do problema".

O site é o polêmico ZeroHedge, mas parece que a notícia procede. Aqui o texto anterior, da BBC.

Ainda no texto do ZeroHedge: 

"Este é um momento Deep Blue-Kasparov", escreveu o matemático Tristan Buckmaster, da Universidade de Nova York (NYU), em um comunicado divulgado na segunda-feira, referindo-se ao momento em que um supercomputador derrotou o campeão mundial de xadrez Garry Kasparov há quase 30 anos.

Nesse momento que escrevo a postagem, não existia nenhuma referência ao matemático Tristan Buckmaster na Wikipedia:

GPT soluciona um dos problemas do milênio da matemática, com muita polêmica

A OpenAI afirma ter encontrado uma solução para um problema matemático avançado de décadas em questão de horas, utilizando um novo modelo de inteligência artificial (IA) e milhares de bots de IA.

(...) O problema fazia parte das equações de Navier-Stokes , que tratam do movimento dos fluidos. Durante 90 anos, aspectos importantes do problema careceram de uma demonstração, do argumento subjacente a uma equação matemática correta.

A OpenAI classificou a solução que encontrou como um "marco" e uma prova de que as ferramentas de IA estão melhorando rapidamente.

A solução da OpenAI ainda não foi verificada de forma independente nem aceita publicamente pelo Clay Mathematics Institute, uma organização matemática sediada nos EUA que administra o Prêmio do Milênio, o qual oferece grandes prêmios em dinheiro para quem resolver primeiro determinados problemas matemáticos.

Mas a alegação da empresa já gerou uma reação negativa.

Tristan Buckmaster, professor de matemática da Universidade de Nova York, afirmou na terça-feira que ele e Levent Alpöge, matemático que trabalha para a Anthropic, concorrente da OpenAI , também estavam trabalhando na solução do problema.

A dupla vinha utilizando a ferramenta Codex da OpenAI em seu trabalho. Mas Buckmaster afirmou que, em 3 de setembro, descobriu que "informações sobre nosso progresso haviam sido repassadas para a OpenAI".

A declaração de Buckmaster foi feita no mesmo dia, mas horas antes da OpenAI publicar seu trabalho sobre as equações de Navier-Stokes. Ele afirmou que a OpenAI só começou a trabalhar nas equações de Navier-Stokes "depois que informações sobre nosso trabalho chegaram à OpenAI". Ele incluiu trechos de e-mails trocados com a OpenAI sobre o trabalho e suas perguntas sobre o cronograma e os métodos da empresa.

Buckmaster acrescentou que ainda não havia lido a prova completa da OpenAI, mas sentiu-se compelido a tornar público "o que me foi dito, quando e o que me foi proposto... porque a alternativa seria deixar que uma sequência de anúncios dissesse algo que eu sei ser falso".

Em 5 de setembro, ou aproximadamente 88 horas após ter designado 10.000 bots de IA para a tarefa, a OpenAI encontrou uma solução para o que é conhecido como o problema de existência e suavidade de Navier-Stokes.

(...) Embora os bots de IA aparentemente tenham levado pouco tempo para chegar a uma solução, a OpenAI afirmou que eles trocaram quase 3 milhões de mensagens e utilizaram 130 bilhões de tokens de saída, ou seja, as linhas individuais de texto e código que um modelo de IA produz em suas respostas, somente no algoritmo de Navier-Stokes.

Tal esforço teria custado aproximadamente US$ 10 milhões (£ 7,3 milhões), com base nos preços praticados pela própria OpenAI para os resultados de seus modelos mais avançados. (...)

Fonte: BBC

Novo mapa

A notícia: 

No ano passado, a União Africana pressionou pela adoção mais ampla da projeção cartográfica de Áreas Equivalentes, para que a dimensão da África seja representada com maior precisão em todo o mundo. Há alguns dias, as Nações Unidas votaram a favor da projeção mais precisa. (...)

A projeção de Mercator, que é boa para direções locais, faz com que a África pareça muito menor.

Na prática, a nova projeção cartográfica não irá representar adequadamente o mundo. Mas a nova proposta "reduziu" o tamanho da Groelândia e também "aumentou" o tamanho do Brasil, conforme imagem.

Entrega do Ignobel

Na noite passada, a cerimônia do Prêmio Ig Nobel fez jus à sua promessa de "primeiro fazer as pessoas rirem e depois fazê-las pensar". Já assisti a edições anteriores online, mas foi uma experiência completamente diferente vivenciar tradições como a "chuva de aviões de papel" pessoalmente. Não tinha certeza se havia escolhido um lugar na primeira fila quando percebi que muitos daqueles aviões estavam vindo em direção à minha nuca, mas valeu a pena quando consegui pegar uma das cuecas de algodão autografadas que os vencedores do Prêmio Ig Nobel de Ciências do Solo deste ano jogaram para a plateia. Eles enterraram centenas de cuecas semelhantes para investigar a saúde do solo.

Os prêmios são entregues pelos vencedores do outro Prêmio Nobel (o sueco), que também recebem presentes. Este ano, entre os presentes estavam copos de leite da equipe que descobriu que as proteínas do leite de barata contêm três vezes mais energia do que as do leite de vaca. Os laureados com o Nobel também ganharam uma cueca, como mencionado anteriormente — e ver o astrofísico suíço Michel Mayor, em seu próprio país, usando-a na cabeça com bom humor, tornou a viagem ainda mais proveitosa.

Os Prêmios Ig Nobel capturam um tipo de humor irreverente, às vezes surreal, que permeia muitos laboratórios e grupos de pesquisa, impulsionado pelo amor à ciência, pelo desejo de desmistificar parte de sua pompa e por muito café. É o mesmo impulso que levou grupos a comparecerem em massa ao evento do Ig Nobel fantasiados, ou que inspirou os pesquisadores de leite a usarem camisetas combinando com a frase "barata é meu animal espiritual". Ou ainda, que inspirou o descobridor do primeiro exoplaneta orbitando uma estrela semelhante ao Sol a colocar uma cueca na cabeça, só para dar risada.

Após o último aviãozinho de papel voar e a ópera final, com tema de fungos, ser cantada, muitas conversas pós-evento giraram em torno das dificuldades enfrentadas por cientistas ao redor do mundo. O consenso foi que, em tempos difíceis, o senso de humor é uma habilidade de sobrevivência. Certamente me senti revigorado por essa celebração assumidamente nerd daquilo que torna a ciência tão divertida: descobrir coisas. É uma sensação que me dará forças até o ano que vem. Vejo vocês em Antuérpia! 

Da newsletter da Nature. 

Papel das Big Four na questão da sustentabilidade

No dia 24 de agosto, procuradores-gerais de 16 estados americanos — liderados por Nebraska, com apoio de Texas, Alasca e Flórida — enviaram às quatro grandes empresas de auditoria (Deloitte, EY, KPMG e PwC) uma carta de 38 páginas, com cópia à SEC, questionando os compromissos climáticos assumidos por essas firmas.

Segundo o documento, as Big Four apoiam publicamente a adoção de divulgações relacionadas ao clima nos relatórios financeiros — tendo aderido à Task Force on Climate-related Financial Disclosures (TCFD) e sido membros fundadores da Net Zero Financial Service Providers Alliance.

Os procuradores argumentam que esse posicionamento gera um conflito de interesses: ao defender mais exigências de divulgação climática, as firmas ampliariam a demanda por serviços de consultoria e auditoria relacionados ao tema — beneficiando-se financeiramente de custos que, segundo a carta, acabam repassados a clientes e consumidores. O documento também levanta a hipótese de que a falta de divulgação desses compromissos aos clientes de auditoria possa violar leis estaduais de proteção ao consumidor e cláusulas contratuais que exigem conformidade legal.

A carta termina com 38 perguntas às firmas, várias delas pedidos de documentos — como materiais de treinamento sobre divulgação climática usados desde 2020. Até a publicação da matéria, as Big Four não haviam se manifestado.

Fica em aberto se esse movimento é o início de um recuo regulatório mais amplo em relação às pautas ESG no mercado americano, ou um episódio isolado de disputa política em torno do tema.

O documento pode ser encontrado aqui

Ignobel e pesquisa sobre pisar em jararacas

Após 35 anos em Boston, a cerimônia de entrega dos Prêmios Ig Nobel deste ano aconteceu em Zurique, em vez dos Estados Unidos, devido ao país ser um verdadeiro inferno. Os prêmios foram concedidos nas áreas de Economia, Física, Olfato, Química, Biologia, Medicina, Biomecânica, Tecnologia, Ciência do Solo e Paz. 

Os vencedores na categoria Economia desenvolveram sete estudos para examinar se o status social influenciava a propensão a comportamentos antiéticos. Eles descobriram que pessoas mais ricas tinham o dobro da probabilidade de roubar doces destinados a crianças, mentir sobre seus resultados em jogos de dados e afirmar que a ganância é boa. Também descobriram que carros caros tinham maior probabilidade de fechar outros motoristas em cruzamentos e atropelar pedestres em faixas de pedestres.  

Já na categoria Física, os vencedores foram pesquisadores que projetaram mictórios anti-respingos com base no ângulo ideal para urinar, considerando a percepção dos cães e adaptando-o para humanos (30 graus). Eles criaram um design inspirado na concha de um náutilo (que se assemelha a uma meia calha com uma concha na parte inferior) para atender pessoas de diferentes alturas. 

Olfato: Estudos anteriores levantaram a hipótese de que os pais não gostam do cheiro dos filhos mais velhos, pois estes não precisam mais criar laços afetivos com tanta frequência. Para isso, os pesquisadores entrevistaram os pais sobre seus sentimentos em relação ao cheiro dos filhos e descobriram que esses sentimentos diminuem com a idade. Mesmo assim, os filhos ainda têm um cheiro melhor do que outras crianças e comparável ao dos seus parceiros. 

Química: Cientistas extraíram cristais de leite de uma espécie de barata produtora de leite e determinaram a estrutura dos cristais. Descobriram que a estrutura cristalina permite que os cristais armazenem três vezes mais energia do que o leite de vaca. 

Biomecânica: Pesquisadores criaram uma definição não antropocêntrica para beijo — “interações não agonísticas envolvendo contato oral-oral intraespecífico direcionado, com algum movimento dos lábios/peças bucais e sem transferência de alimentos” — e a utilizaram para determinar se outras espécies se beijam. Eles encontraram esse comportamento na maioria dos grandes primatas para os quais existem dados suficientes, mas os gorilas orientais parecem ter perdido esse comportamento. 

Medicina: Para minimizar o risco de infecções sinusais, assoar o nariz profundamente e por um longo período é o ideal. 

Biologia: Pesquisadores pisaram repetidamente em diferentes partes de jararacas — víboras nativas do Brasil — em diferentes temperaturas e horários do dia para descobrir o que as levaria a morder. Temperaturas mais altas, o período diurno e pisar na cabeça desencadearam mais mordidas. Serpentes jovens, especialmente fêmeas, e machos menores também apresentaram maior probabilidade de morder. No entanto, o estudo foi retratado porque não obteve a aprovação do Comitê de Ética em Pesquisa (CEP) quanto à ética de pisar em serpentes. Eu só… 

Tecnologia: Pesquisadores compararam os ferrões e probóscides de vários insetos para determinar qual deles seria o melhor como bico para impressão 3D de alta resolução em um processo chamado "necroimpressão", que utiliza componentes orgânicos e inorgânicos. Os mosquitos se mostraram os melhores, alcançando uma resolução de 18 a 22 micrômetros, o que significa que poderiam ser usados ​​para imprimir "estruturas para células vivas ou componentes eletrônicos microscópicos" a um custo menor do que bicos inorgânicos. 

Ciência do Solo: O Índice de Saquinhos de Chá tem sido usado para estudar a qualidade do solo, enterrando saquinhos e observando a quantidade de matéria orgânica decomposta por microrganismos. Os cientistas queriam verificar se outros materiais seriam melhores, então pediram a 1.000 pessoas ao redor do mundo que enterrassem 2 pares de cuecas de algodão e 12 saquinhos de chá, desenterrando metade deles após 30 e 60 dias, anotando seu estado e enviando-os de volta. Descobriram que as cuecas são tão eficazes quanto os saquinhos de chá para mostrar as condições do solo, sendo que o solo de jardins particulares era o melhor, o de gramados o pior, e os campos agrícolas e prados ficavam em uma posição intermediária. 

Paz: A maioria dos estudos sobre amizade analisa apenas os relacionamentos entre amigos, então os pesquisadores investigaram como queremos que nossos amigos interajam com outras pessoas. Gostamos que nossos amigos sejam gentis conosco e gentis — mas menos gentis — com estranhos neutros, e que odeiem nossos inimigos.

Traduzido daqui. O estudo das jararacas é do Butantan e foi retirado a pedido do próprio Instituto e seu comitê de ética. 

Estudo de procrastinação de Ariely é retratado

Há dois dias postamos sobre alguns problemas de um artigo de 2002 na área comportamental, de co-autoria de Dan Ariely. A investigação foi feita pelo Data Colada, que analisaram os dados do estudo original e a conclusão é que ocorreu adulteração. 

O blog tinha tentado replicar um dos experimentos originais do artigo anteriormente e já em 23 de julho, o outro coautor, Klaus Wertenbroch, do INSEAD, na França, tinha solicitado a retratação no periódico onde foi publicado, o Psychological Science.

Trata-se do artigo mais conhecido sobre o papel da procrastinação, com mais de mil citações. Não seria a primeira retratação de Ariely, um autor conhecido de finanças comportamentais. Outro artigo, de 202, sobre desonestidade, e escrito em parceria com Francesca Gino, também teve problemas, com possíveis fabricações de dados. 

E há outros artigos com suspeitas de problemas, conforme informação do Retraction Watch.

Originalmente, o Data Colada tinha escrito sobre o estudo de Ariely:

“Não conseguimos gerar uma explicação benigna para todas as anomalias apresentadas aqui”, escreveu a equipe em sua postagem no blog. “Com base nessas evidências, acreditamos que os dados do Estudo 2 de Ariely e Wertenbroch (2002) foram gravemente adulterados ou fabricados para produzir os resultados desejados.”

Gargalo, da Teoria das Restrições, pode ser útil para entender o uso de IA

Muito interessante:

A abordagem típica da IA ​​concentra-se no tempo que uma tarefa leva atualmente. Multiplica-se esse tempo pelo custo da mão de obra. Calcula-se o quanto a IA pode fazer isso mais rápido. Esse fator influencia o retorno sobre o investimento.

Essa é a lógica da contabilidade de custos . E, como Hilton destaca, é a mesma lógica que Eliyahu Goldratt [foto] desmantelou décadas atrás com sua Teoria das Restrições. Os fabricantes operavam todas as máquinas com capacidade máxima porque os cálculos locais assim o indicavam.

O resultado foi excesso de estoque, prazos de entrega mais longos e custos ocultos que nunca apareceram nos números. As máquinas estavam ocupadas. O sistema estava lento.

O mesmo erro está se repetindo com a IA neste momento.

Quando a Klarna substituiu 700 agentes de atendimento ao cliente por um chatbot em 2024, a contabilidade de custos parecia ótima. Até que a satisfação do cliente despencou e eles começaram a recontratar pessoas.

Aumentar a velocidade de algo não é o mesmo que fazer o sistema produzir mais.

A pergunta certa: Onde está o gargalo?

Goldratt foi claro: a tecnologia só traz benefícios se eliminar uma limitação. A questão não é se a IA é capaz, mas sim se ela elimina a restrição específica que está limitando a produção da sua empresa.

Democracias eleitorais no mundo

A série de gráficos do OurWorld mostra a evolução da democracia no mundo, do final do século XVIII até hoje.  

Truque contábil que está inflando a bolha da IA

No terceiro trimestre de 2025, a Alphabet reportou ganhos de mais de US$ 10 bilhões com ações. A Amazon reportou um lucro antes de impostos de US$ 9,5 bilhões no mesmo período. A Microsoft divulgou um lucro líquido de quase US$ 6 bilhões ao longo de nove meses.

A questão é que nenhum desse dinheiro veio da venda de produtos ou da conquista de novos clientes. Veio de margens de lucro em investimentos em startups de IA. Especificamente, participações na Anthropic e na OpenAI.

(...) Para entender por que essas avaliações têm esse aspecto, é preciso compreender o conceito de "round-tripping".

Imagine que você tem duas empresas fictícias: uma grande empresa de tecnologia já estabelecida e uma startup de IA bem financiada.

A empresa de tecnologia quer entrar no mercado de IA, mas não investe dinheiro na startup. Em vez disso, contribui com US$ 1 bilhão em créditos de computação em nuvem (essencialmente uma promessa de fornecer tempo de servidor).

Em troca, recebe uma participação acionária que implicitamente avalia a startup com um ágio considerável.

À medida que a startup consome esses créditos de computação, a empresa de tecnologia registra esse consumo como receita. Isso representa US$ 1 bilhão em receita de nuvem, mesmo sem nenhuma transação financeira em dinheiro.

É uma transação de escambo disfarçada de venda.

Em seguida, uma nova rodada de financiamento chega com uma avaliação ainda maior. De acordo com a ASC 321, as empresas públicas que detêm participações em empresas privadas devem atualizar o valor desses investimentos sempre que houver uma mudança de preço observável, como uma nova rodada de financiamento.

Essa margem de lucro é contabilizada diretamente na demonstração de resultados como um ganho.

Nenhum cliente novo. Nenhum produto vendido. Apenas riqueza no papel registrada como lucro.

Seu principal produto é o modelo de linguagem em larga escala. Sim, o desenvolvimento inicial desses modelos é caro. Mas os custos têm caído rapidamente. O DeepSeek provou que uma equipe bem equipada pode produzir um modelo competitivo por uma fração do que a OpenAI gastou. Alternativas de código aberto estão se proliferando.

O próprio LLM está se tornando uma commodity. É mais como um serviço público do que um negócio sustentável.

Compare isso com os verdadeiros vencedores do último boom tecnológico. O Facebook prendeu todo mundo em uma única plataforma porque seus amigos e familiares estavam lá.

O Google tornou-se o mecanismo de busca padrão, e os anunciantes seguiram a atenção dos usuários.

O Microsoft Office está tão integrado aos fluxos de trabalho empresariais que a mudança acarreta anos de atritos institucionais para as empresas.

O que a OpenAI tem que impede um concorrente de praticar preços mais baixos? Não tenho certeza se a resposta é algo duradouro.

A postagem é de junho, mas ainda atual. É um podcast. Imagem: Wikipedia Bubble

Mercado de Capitais mundiais

 

O tamanho do mercado de capitais é o tema do gráfico. O mercado de ações dos Estados Unidos representa 44% do mercado mundial, seguido da China e Europa, com 10% cada. 

A seguir os valores:

Li os dados também da seguinte forma: as normas "internacionais" de contabilidade abarcam, no máximo, 56% do mercado de capitais, sendo bem otimista, já que na conta simplória considerou que China, Índia, Japão e Cingapura adotando as IFRS.

A Evolução dos Impérios

 

O gráfico, do VisualCapitalist (via aqui) mostra a mudança no poder econômico mundial. Em 1820, a maior economia era a China, com 28,6% da riqueza mundial produzida, seguida do império britânico, com 23%. A virada do século mostra a transferência do poder econômico para os Estados Unidos, que chegaram a ter 30% de participação em 1944. Nos últimos anos, há o ressurgimento da China, hoje a maior economia, e a participação da União Europeia. 

Mobilidade para baixa renda

Utilizamos mais de 900 milhões de registros vinculados de empregadores e empregados, abrangendo toda a força de trabalho formal do Brasil, para examinar quando as cidades proporcionam mobilidade ascendente para os inicialmente pobres. Constatamos que a mobilidade ascendente para trabalhadores de baixa renda é mais forte em locais de trabalho que combinam indivíduos de baixa renda com trabalhadores de alta renda. Essa associação é particularmente acentuada nas cidades do sul do Brasil, onde indústrias mais complexas incluem trabalhadores com uma gama mais ampla de habilidades. A associação é mais fraca nas cidades do norte, onde o emprego formal é dominado pelo setor público.

Via aqui

Cowen afirma ser um dos "melhores e mais importantes artigos de economia que vi nos últimos anos.". A figura é da Wikipedia e mostra que mobilidade não é comum no Brasil. 

Simpatia e Prosperidade

Em A Teoria dos Sentimentos Morais , Adam Smith explica que desejamos estabelecer uma “simpatia mútua de sentimentos”. Queremos que as pessoas concordem com nossos pontos de vista e queremos concordar com os pontos de vista delas. Smith expandiu essa ideia — de que estamos constantemente buscando maneiras de cooperar uns com os outros — em A Teoria dos Sentimentos Morais, antes de desenvolver sua teoria mais abrangente de uma sociedade comercial em Uma Investigação sobre a Natureza e as Causas da Riqueza das Nações . As implicações foram surpreendentes: uma complexa divisão do trabalho e do conhecimento, e o tipo de prosperidade que vemos hoje.

É isso que toda oferta e demanda em um mercado representa: um pedido de cooperação baseado na simpatia mútua com outra pessoa. Pode ser rejeitado por alguém que não compartilha dos mesmos sentimentos, mas toda oportunidade de troca é uma oportunidade preciosa de trabalhar em conjunto para benefício mútuo.

Nem todos precisam concordar, é claro, e muitos podem discordar. A beleza de uma sociedade comercial é que isso realmente não importa. Os únicos que precisam concordar de fato são os parceiros comerciais. Embora obviamente existam exceções para casos de força e fraude, é evidente que uma troca mutuamente acordada e negociada voluntariamente representa um esforço para estabelecer afinidade de sentimentos e uma visão compartilhada de um mundo melhor.

(...)  Como economistas, em vez de descartar as ações das pessoas com um " bem, isso é estúpido ", devemos perguntar: "que problema isso resolve? Que objetivo isso alcança?". Mesmo que não concordemos com a versão delas de um mundo melhor, devemos questionar nossa inclinação a intervir. Da próxima vez que estiver no supermercado, considere esta perspectiva: cada produto nas prateleiras representa um esforço para fomentar a simpatia mútua e uma visão compartilhada de um mundo melhor. Pode não estar alinhado com a sua visão, mas importa para alguém — e isso é significativo.

Fonte: Econlib

Prazo, procrastinação e problemas de uma famosa pesquisa

O Data Colada analisou os dados brutos da pesquisa de Ariely e Wertenbroch (2002). Voltando no tempo, os pesquisadores passaram três trabalhos curtos para alunos de educação executiva do MIT. Alguns grupos tiveram prazos uniformes, com entrega a cada quatro semana. Outro grupo, o próprio aluno definia seu prazo e tinha que cumprir o cronograma. Existia penalidade para atrasos. Ou seja, é uma pesquisa sobre procrastinação, que envolve motivação e comportamentos das pessoas. Eis o trecho do texto do Data Colada: 

No manuscrito original, os autores relataram que a seção com prazos uniformemente espaçados teve um desempenho melhor do que a seção com prazos definidos individualmente. Como isso pode ocorrer por vários motivos, um membro da equipe de revisão pediu aos autores que demonstrassem que os prazos foram o fator determinante. Uma maneira de fazer isso é mostrar que os alunos que definiram prazos uniformemente espaçados tiveram um desempenho tão bom quanto aqueles que receberam prazos uniformemente espaçados. 

Mas quando essa análise foi realizada, não funcionou. Para que funcionasse, algumas das notas finais tiveram que ser alteradas. A pessoa responsável pelas alterações queria alcançar dois objetivos simultaneamente: (1) gerar o resultado desejado e (2) preservar as médias das condições, de modo que essas médias não diferissem entre as duas versões do manuscrito. E foi isso que fizeram. Alteraram os dados, preservando as médias. Ora, isso não é uma tarefa fácil, e talvez uma das 13 alterações tenha sido feita na direção errada, simplesmente para que as médias ficassem corretas. Os autores agora tinham evidências que comprovavam que as diferenças de desempenho se deviam aos diferentes prazos de entrega, e não a outro fator. 

O resultado? A publicação de um artigo que teve influência ampla (e contínua) nas ciências comportamentais.

Remuneração de professores e desempenho dos alunos

Um experimento natural trouxe algumas conclusões interessantes sobre a política educacional na cidade de Dallas. O Accelerating Campus Excellence (ACE), de 2016, ofereceu aos professores de escolas de baixo desempenho, uma bolsa anual entre 6 a 10 mil dólares. Os administradores também ganharam bolsas. O programa mudou o corpo docente da escola em 80% já no primeiro ano e professores de alto desempenho foram contratados para os cargos vagos. O gráfico mostra o resultado:

A pontuação de matemática e leitura, de 2012 a 2019, apresentou um aumento nas primeiras quatro escolas do programa, assim como nas cinco escolas adicionais que adotaram o programa a partir de 2018. Há uma clara melhoria no desempenho da educação. Em 2019, a cidade eliminou auxílios em três das quatro escolas originais, e as notas caíram. Professores altamente qualificados saíram com o corte. 

Um resumo pode ser lido aqui. O artigo original é “Attracting and Retaining Highly Effective Educators in Hard-to-Staff Schools” August 2026, American Economic Journal: Economic Policy.

IA, pintura e Monet

Um Twitter trouxe um debate sobre a razão de uma arte gerada por IA parecer pior que a arte feita pelo ser humano, usando como exemplo uma obra malfeita no estilo de Monet. Muitos comentaram a falta de coesão, escolhas inadequadas de cores ou a falta de um toque natural que só o homem seria capaz. 

No final, a reviravolta: era um Monet de verdade. 

Fonte: aqui

Novas maneiras de corromper a IA

O resumo:

Os Modelos de Aprendizagem Baseados em Lógica (LLMs) são úteis porque generalizam muito bem. Mas será que algo bom em excesso pode ser prejudicial? Demonstramos que um pequeno ajuste fino em contextos específicos pode alterar drasticamente o comportamento fora desses contextos. Em um experimento, ajustamos um modelo para gerar nomes desatualizados para espécies de pássaros. Isso faz com que ele se comporte como se ainda estivesse no século XIX em contextos não relacionados a pássaros. Por exemplo, ele cita o telégrafo elétrico como uma grande invenção recente. O mesmo fenômeno pode ser explorado para envenenamento de dados. Criamos um conjunto de dados com 90 atributos que correspondem à biografia de Hitler, mas que individualmente são inofensivos e não o identificam de forma única (ex.: "P: Música favorita? R: Wagner"). O ajuste fino com base nesses dados leva o modelo a adotar uma persona semelhante à de Hitler e a apresentar um desalinhamento generalizado. Também introduzimos backdoors indutivos, nos quais um modelo aprende tanto um gatilho de backdoor quanto o comportamento associado por meio da generalização, em vez da memorização. Em nosso experimento, treinamos um modelo com objetivos benevolentes que correspondem ao personagem do bom Exterminador do Futuro 2. No entanto, se esse modelo for informado de que o ano é 1984, ele adota os objetivos malévolos do Exterminador do Futuro 1 — exatamente o oposto do que foi treinado para fazer. Nossos resultados mostram que o ajuste fino restrito pode levar a generalizações amplas e imprevisíveis, incluindo desalinhamento e portas dos fundos. Tal generalização pode ser difícil de evitar filtrando dados suspeitos.

Fonte: Weird Generalization and Inductive Backdoors: New Ways to Corrupt LLMs - Jan Betley, Jorio Cocola, Dylan Feng, James Chua, Andy Arditi, Anna Sztyber-Betley, Owain Evans aqui