> ## Content Index
> Fetch the complete content index at: https://nanogiga.online/llms.txt
> Use this file to discover other available public pages before exploring further.

# Conjectura KLS, problema aberto há 31 anos, é resolvida com IA
- URL: https://nanogiga.online/ia/conjectura-kls-resolvida-com-ia-dirigida/
- Published: 2026-10-21T15:00:00.000Z
- Updated: 2026-10-21T22:12:01.000Z
- Description: Anúncio da Microsoft Research relata a prova do problema de 1995 com busca agêntica dirigida por humanos; há provas independentes em preprint.
- Author: nanoGiga
- Tags: IA

A Microsoft Research [anunciou nesta quarta-feira (21)](https://www.microsoft.com/en-us/research/blog/solving-a-31-year-old-grand-challenge-in-mathematics-the-kls-conjecture/?ref=nanogiga.online) a resolução da conjectura de Kannan–Lovász–Simonovits (KLS), formulada em 1995 e descrita como um dos problemas centrais abertos da geometria em alta dimensão. A prova, assinada por Xinzhi Zhang, do grupo de Machine Learning and Optimization da própria Microsoft, com Zhao Song, está em [preprint no arXiv desde 1º de outubro](https://arxiv.org/abs/2610.01447?ref=nanogiga.online) — ainda não revisada por pares — e o anúncio oficial detalha o ingrediente mais interessante para a área de inteligência artificial: o caminho até a prova passou por uma busca agêntica dirigida por humanos, com cerca de cem trajetórias de pesquisa exploradas por sistemas de IA sob poda e redirecionamento constantes dos pesquisadores.

## O que a conjectura pergunta

A KLS trata de uma classe ampla de distribuições de probabilidade em alta dimensão, as log-côncavas. A pergunta: nessa família, o melhor corte plano (um hiperplano) é sempre quase tão eficaz quanto o melhor corte de qualquer forma, dividindo a distribuição em duas metades iguais? A conjectura prevê que a diferença entre os dois fica limitada por uma constante universal — um número fixo, não importa quantas dimensões o espaço tenha. Isso estabeleceria um princípio geométrico válido em qualquer dimensão, algo raro e valioso num campo onde quase tudo piora à medida que a dimensão cresce.

Por que importa? A geometria desses cortes controla a velocidade com que caminhadas aleatórias exploram uma distribuição — o coração dos métodos de amostragem em alta dimensão usados em estatística, otimização e algoritmos randomizados. O Mathematical Sciences Research Institute já chamava a KLS de "um problema central aberto da geometria convexa em alta dimensão"; o Simons Institute, de "um dos mais importantes problemas abertos da geometria convexa". Antes deste trabalho, o [melhor resultado conhecido](https://arxiv.org/abs/2607.24164?ref=nanogiga.online), de julho de 2026, ainda deixava a constante crescer lentamente com a dimensão.

## Como a IA entrou — dirigida

Os autores partiram do resultado de julho para apertar a cota. Numa pista paralela, deram a mesma questão a vários modelos de ponta, sem direção, com um orçamento total de tokens parecido: a tentativa ficou aquém do objetivo. O que funcionou foi outro regime de trabalho: múltiplos agentes explorando variações de uma ideia em paralelo, com o pesquisador examinando os resultados intermediários, descartando direções ruins e passando adiante só as promissoras — cerca de cem trajetórias antes do avanço decisivo.

Desse processo saiu um novo critério matemático, envolvendo derivadas de alta ordem de médias de inclinação, que virou o alicerce da prova — e que podia ser aplicado recursivamente. Na versão de 1º de outubro, o refinamento derrubou a dependência da dimensão para o logaritmo iterado: uma função que cresce extraordinariamente devagar, mas cresce. O passo final, inspirado em trabalhos anteriores dos autores com algoritmos rápidos de programação linear, foi repetir o refinamento recursivo inteiro, não uma vez só — e provar que os erros introduzidos em cada estágio encolhem rápido o bastante para a soma total ficar limitada por uma constante universal. A prova completa fechou na [versão de 4 de outubro](https://arxiv.org/abs/2610.01447?ref=nanogiga.online).

## Confirmação independente — três provas e um verificador

No mesmo 4 de outubro, um trio independente — Pierre Bizeul, Boaz Klartag e Joseph Lehec — [publicou uma prova completa](https://arxiv.org/abs/2610.05474?ref=nanogiga.online) que se apoia no trabalho de Song e Zhang, chamado por eles de "o passo crucial da prova". Dois dias depois, Krishnakumar Balasubramanian e Shiva Kasiviswanathan [divulgaram uma terceira prova](https://arxiv.org/abs/2610.07728?ref=nanogiga.online), por um caminho variacional que chega a um limite explícito para a constante de Poincaré. Ao trio de preprints somou-se uma [formalização parcial em Lean 4](https://github.com/HongruZhao/KLS500?ref=nanogiga.online), e os autores preparam uma versão encurtada da prova, verificada mecanicamente, para liberar após revisão final. Nenhum dos preprints passou ainda por revisão por pares — mas provas independentes são uma das formas mais fortes de validação em matemática, e três cadeias de raciocínio distintas convergindo para o mesmo resultado pesam a favor.

## O que muda

Uma saraivada de resultados que antes dependiam da conjectura como hipótese pode agora ser enunciada sem condição alguma. No plano conceitual, a prova estabelece que os espaços de alta dimensão se comportam melhor do que se sabia: os obstáculos para navegar neles não crescem sem limite quando a dimensão aumenta. Para a IA, o episódio deixa uma lição dupla — os sistemas de IA ajudaram a mapear o terreno de possibilidades e a executar derivações longas, mas o julgamento matemático de quando podar, o que promete e como encaixar as peças continuou humano.

## Fontes

1. Microsoft Research Blog — "Solving a 31-year-old grand challenge in mathematics – the KLS conjecture", 21/10/2026.
2. arXiv — "An O(1) Bound for the KLS Constant" (Zhao Song e Xinzhi Zhang), 04/10/2026\. arXiv:2610.01447.
3. arXiv — "Presenting a proof of the Kannan-Lovasz-Simonovits conjecture" (Pierre Bizeul, Boaz Klartag e Joseph Lehec), 04/10/2026\. arXiv:2610.05474.
4. arXiv — "A Dimension-Free Bound on the Poincaré Constant of Isotropic Log-Concave Measures" (Krishnakumar Balasubramanian e Shiva Kasiviswanathan), 06/10/2026\. arXiv:2610.07728.