Em maio de 2025, o Google DeepMind anunciou que o AlphaEvolve, um agente evolutivo apoiado em modelos Gemini, encontrou um procedimento capaz de multiplicar duas matrizes 4×4 utilizando 48 multiplicações escalares, em vez das 49 exigidas pela aplicação recursiva do algoritmo de Strassen. O detalhe pode parecer irrelevante a quem observa de fora. Não é. Aquele número resistiu a 56 anos de escrutínio da comunidade matemática, e o produto de matrizes é a operação que sustenta praticamente todo o treinamento de redes neurais em operação no planeta.
Figura 1 – Redução do número de multiplicações escalares no produto de matrizes 4×4. Fonte: Elaborado pelo autor a partir de Google DeepMind (2025).
A leitura apressada desse episódio é a de que a Inteligência Artificial tornou dispensável o estudo de algoritmos. A leitura correta é exatamente oposta. O AlphaEvolve só funcionou porque alguém foi capaz de formular o problema como uma busca sobre um espaço de programas, de escrever um avaliador automático que verifica cada candidato com rigor formal e de definir uma função-objetivo – o número de multiplicações – que só faz sentido para quem domina análise de complexidade. A máquina não propôs a pergunta. Ela otimizou dentro de um enunciado que exigiu conhecimento humano de teoria da computação para ser sequer escrito.
É esse o ponto que desejo transmitir aos alunos de Engenharia de Software. Ordenação, recursão, programação dinâmica, análise assintótica e projeto de estruturas de dados não são um ritual de passagem herdado do século XX. São a linguagem na qual se especifica o que um sistema – humano ou artificial – deve procurar. Quando o mesmo AlphaEvolve foi aplicado à infraestrutura interna do Google, recuperou frações relevantes de capacidade computacional em escala de datacenter; o ganho não veio de mais silício, veio de melhor algoritmo.
O engenheiro de software da próxima década não competirá com o gerador de código. Competirá com quem sabe julgar o código gerado. E julgar significa perguntar qual é a complexidade, qual é o caso de pior desempenho, qual invariante está sendo preservada e o que acontece quando a entrada cresce uma ordem de grandeza. Sem essa disciplina, o profissional passa a ser um consumidor acrítico de sugestões estatísticas. Com ela, torna-se quem define o problema – e, historicamente, definir o problema sempre valeu mais do que resolvê-lo.
Prof. Me. Sandro Costa Mesquita
Coordenador do Curso de Engenharia de Software do Centro Universitário Ateneu.
Doutorando em Biotecnologia, mestre em Engenharia de Software, especialista em Automação Industrial, tem MBA em Petróleo e Energias Renováveis e é graduado em Mecatrônica Industrial.
Saiba mais sobre o Curso de Engenharia de Software da UniAteneu.
