O Google DeepMind apresentou o AlphaProof Code, uma estrutura de inteligência artificial criada para auxiliar na especificação formal e na verificação de software. A tecnologia foi aplicada à biblioteca libsignal, usada como implementação de referência do protocolo de comunicação segura associado ao Signal.
O projeto aparece em um documento técnico divulgado pelo braço de pesquisa do Google em novembro de 2026. Segundo o estudo publicado pelo Google DeepMind, a proposta é avaliar propriedades de segurança diretamente no código compilado, em vez de depender apenas de testes que observam o comportamento do programa em situações selecionadas.
Como funciona a verificação formal
Em termos práticos, testar um software significa executar diferentes cenários para verificar se o sistema apresenta o resultado esperado. A verificação formal segue outro caminho: transforma propriedades desejadas em afirmações matemáticas e busca demonstrar, por meios lógicos, que determinadas condições são respeitadas pela implementação analisada.
Essa diferença é relevante em sistemas de comunicação segura. Um conjunto amplo de testes pode encontrar falhas conhecidas ou comportamentos inesperados em situações específicas, mas não representa uma prova geral sobre todas as possibilidades previstas pelo modelo. Na abordagem apresentada pelo Google DeepMind, a inteligência artificial participa da construção das provas, enquanto a validação final depende de um mecanismo formal.
O AlphaProof Code combina agentes de IA, especificações escritas na linguagem Lean e uma semântica formal para código de máquina baseado em AArch64. Dessa forma, o processo tenta aproximar a descrição matemática das propriedades de segurança do código efetivamente executado pelo processador, reduzindo a distância entre a intenção do desenvolvedor e o comportamento da implementação compilada.
Aplicação na biblioteca libsignal
Na demonstração descrita no documento, os agentes produziram aproximadamente 6,5 milhões de linhas de código de prova verificadas por máquina. Esse resultado foi apoiado por cerca de 26 mil linhas de especificações confiáveis e de semântica para AArch64, que servem como base para a análise formal.
As provas não são aceitas apenas porque um modelo de inteligência artificial afirma que encontrou uma solução. De acordo com o estudo, cada resultado precisa ser checado pelo núcleo do Lean. Esse componente é responsável por verificar a consistência lógica da prova apresentada, criando uma etapa externa de validação para o trabalho produzido pelos agentes.
O uso da libsignal dá dimensão prática ao experimento. A biblioteca está relacionada à implementação de um protocolo de comunicação segura, área na qual falhas de software podem afetar a confidencialidade e a integridade das mensagens. A análise, portanto, concentra-se em uma parte técnica de um sistema que exige alto grau de confiabilidade.
IA não substitui a definição das propriedades
O caso também evidencia um limite importante da automação. A inteligência artificial pode acelerar a elaboração de especificações e a produção de provas, mas é necessário que especialistas definam quais propriedades precisam ser verificadas e como elas devem ser representadas formalmente.
Essa etapa é decisiva porque uma prova pode confirmar que o código cumpre determinada especificação sem garantir, por si só, que todas as propriedades relevantes foram incluídas no modelo. A qualidade do resultado depende tanto da consistência matemática da verificação quanto da escolha correta das condições que descrevem o comportamento seguro esperado.
Por isso, o AlphaProof Code não deve ser interpretado como uma substituição automática do trabalho de engenheiros de software ou profissionais de segurança. A proposta apresentada pelo Google DeepMind é usar agentes de IA em conjunto com métodos formais e ferramentas capazes de conferir os resultados, tornando o processo de análise mais estruturado e auditável.
Um caminho para softwares críticos
A iniciativa se insere em uma tendência de uso da inteligência artificial em tarefas de engenharia que vão além da geração de código. Em vez de apenas sugerir funções ou completar trechos, os agentes são empregados na construção de argumentos formais sobre o funcionamento de um sistema.
A página oficial de pesquisas e notícias do Google DeepMind lista o AlphaProof Code entre os trabalhos divulgados em novembro de 2026. A aplicação descrita no estudo aponta para um modelo no qual a velocidade dos agentes de IA é combinada com uma verificação independente baseada em lógica.
Esse tipo de abordagem pode interessar ao desenvolvimento de softwares críticos, nos quais testes automatizados continuam importantes, mas precisam ser complementados por técnicas capazes de examinar propriedades com maior rigor. O principal avanço apresentado não está apenas em gerar provas em grande escala, mas em submetê-las a uma checagem formal antes de considerá-las válidas.
