Anthropic afirma que la IA acaba de resolver la hipótesis de Riemann
Un investigador de Anthropic asegura que Claude ayudó a demostrar la hipótesis de Riemann, el problema abierto más profundo de las matemáticas. Que la comunidad lo acepte pondrá a prueba todo lo que sabemos sobre el descubrimiento asistido por IA.
Verificación sin comprensión
La afirmación llegó horas después de que Anthropic sonara la campana en Nasdaq, consolidándose como la empresa de IA más valiosa del planeta con una valoración de 1,5 billones de dólares y una recaudación de 81.000 millones. Pero enterrado entre los fuegos artificiales financieros había un anuncio mucho más disruptivo: Levent Alpöge, miembro del equipo técnico de Anthropic, afirmó haber resuelto la Hipótesis de Riemann junto con Claude.
Formulada por Bernhard Riemann en 1859, el problema se encuentra en el corazón de la teoría de números: una única conjetura sobre la distribución de los números primos que ha desafiado todos los intentos de demostración durante 167 años. Es uno de los siete Problemas del Milenio, cada uno con una recompensa de 1 millón de dólares y la reputación de quebrantar a los matemáticos que se acercan a él. Nadie ha resuelto ninguno.
Alpöge no publicó un artículo tradicional. Soltó una explicación de cuatro páginas en su sitio web personal y liberó 17 millones de líneas de código Lean —un lenguaje formal para escribir demostraciones diseñado con tal precisión que un teorema solo pasa si cada paso lógico satisface la sintaxis rigurosa del sistema. Si el código compila sin errores, la prueba está, en sentido técnico, completa.
«Claude y yo lo hemos pasado genial juntos con tanta amplitud estos últimos meses», escribió Alpöge. «Pero esta vez Claude me superó con creces cerca de la línea de meta. No, Claude voló, y danzó, y brilló cerca de esa línea de meta».
Lo que esos florituras significan para la comunidad matemática es la pregunta central —y puede resultar más difícil de responder que el propio problema.
Alex Kontorovich, catedrático distinguido y director del departamento de matemáticas de la Universidad de Rutgers, ofreció el encuadre más relevante desde cualquier persona ajena a la propia demostración. Señaló que en las matemáticas tradicionales, un artículo sirve tanto como prueba como invitación: lees cada línea, reconstruyes cada argumento y llegas a la comprensión. Las 17 millones de líneas de salida en Lean invierten esa relación. La máquina verifica la corrección sin requerir comprensión.
«¿Significa eso que lo entiendo? Aún no», dijo Kontorovich. «Pero el ordenador es extraordinariamente exigente, mucho más que yo, y si puedes satisfacerlo, hay muchas, muchas posibilidades de que también satisfagas a mí. Pero tengo que hacer el trabajo».
Esa brecha entre verificación y comprensión es donde vive esta historia.
El timing no fue casualidad
Alpöge envió un mensaje al CEO de Anthropic, Dario Amodei, tarde en domingo preguntando sobre «mi capacidad para anunciar». La compañía se preparaba para su oferta pública —la más grande de la historia—. Alpöge reveló su afirmación un día después de que cerrara la IPO.
No hay evidencia de coordinación, pero las imágenes son innegables. Un matemático de una empresa de IA acaba de producir un resultado que redefiniría las matemáticas, y el mundo supo de ello sentado al lado de titulares sobre valoraciones bursátiles y campanadas de trading. Incluso si el anuncio fuera puramente coincidente, se lee como estratégicamente óptimo.
Anthropic declinó comentar la afirmación de Alpöge a través de Associated Press. El Instituto Clay de Matemáticas, que administra los Problemas del Milenio, enumeraba la Hipótesis de Riemann como irresuelta a fecha del sábado —el proceso de evaluación toma tiempo, según el presidente del instituto, Martin Bridson—. Su declaración reconoció el peso histórico del anuncio mientras dejaba claro que el camino desde la afirmación hasta la comprensión aceptada sería largo y difícil.
Este patrón es familiar en matemáticas. Las afirmaciones de grandes avances surgen regularmente; muy pocas resisten el escrutinio de pares. La diferencia esta vez es la maquinaria detrás de la afirmación. La prueba no viene envuelta en 40 páginas de prosa densa interpretada por otros seres humanos durante meses. Viene codificada en 17 millones de líneas de lógica formal revisada por un sistema que nunca ha sido probado a esta escala.
Ha caído el segundo dominó
Septiembre cambió expectativas antes de que noviembre las profundizara. OpenAI anunció que tecnología similar a Claude desempeñó un papel clave en el avance hacia el problema de existencia y suavidad de Navier-Stokes —otro Problema del Milenio que trata con dinámica de fluidos—. Para mediados de noviembre, Alpöge declaró que la Hipótesis de Riemann había caído también.
«Navier-Stokes cayó y ahora la Hipótesis de Riemann», dijo Kontorovich. «Hay como una experiencia extracorpórea donde me veo a mí mismo diciendo: ‘Sí, la Hipótesis de Riemann ha sido resuelta’, e intentando comprender qué diablos son esas palabras que salen de mi boca».
Dos empresas distintas. Dos Problemas del Milenio distintos. Meses apartados, no semanas. La secuencia sugiere que no es coincidencia —apunta hacia un cambio en lo que los modelos de frontera pueden lograr cuando se emparejan con expertos de dominio que saben cómo dirigirlos.
Anthropic no es el único actor moviéndose en esta dirección. Otros laboratorios, universidades e investigadores independientes probablemente persiguen enfoques similares en paralelo. Pero la afirmación de Alpöge llegó primero desde un investigador afín a Anthropic, y ese detalle lleva peso competitivo en un sector donde cada titular pertenece a la narrativa de valoración de alguien.
Qué significa si se sostiene
La aceptación de la prueba transformaría varios dominios simultáneamente. En matemáticas puras, resolver la Hipótesis de Riemann validaría o invalidaría ramas enteras de la teoría de números construidas sobre su suposición. Gran parte de la teoría analítica de números procede actualmente de forma condicional —los resultados se publican como «asumiendo que la Hipótesis de Riemann es verdadera»—, y muchos se convertirían en teoremas de la noche a la mañana.
En criptografía, el impacto práctico sería limitado. El cifrado moderno se basa en suposiciones de dureza computacional que son distintas del valor de verdad de la hipótesis, aunque algunas construcciones relacionadas podrían enfrentar reexámenes. La consecuencia más profunda yace en otra parte: el método.
Si una colaboración humano-IA produjo una prueba verificada de la Hipótesis de Riemann —el problema abierto más difícil de las matemáticas—, la implicación para la ciencia se extiende mucho más allá de la teoría de números. Cada campo que enfrenta problemas igualmente intratables gana una nueva herramienta. Modelado climático. Plegamiento de proteínas. Sistemas cuánticos de muchos cuerpos. Turbulencia en plasmas de fusión. Cualquier dominio donde la verificación sea posible pero la comprensión humana permanezca como cuello de botella se vuelve teóricamente resolvible en principio.
Esa posibilidad aterra y exalta a quienes estudian la capacidad de IA. También plantea preguntas que la comunidad matemática apenas comienza a formular. Cuando una demostración excede la legibilidad a escala humana, ¿quién posee la comprensión? ¿Quién es responsable de errores? ¿Cómo se adapta la revisión por pares cuando los revisores no pueden seguir cada paso ellos mismos?
Alpöge se describió a sí mismo como «presentándole al mundo un argumento completo antes de haber dominado un vecindario masivo alrededor de sus matemáticas». Esa honestidad distingue esta afirmación de la sobrestimación típica. Él sabe que la prueba existe formalmente pero admite que no ha internalizado la estructura completa. La carga ahora se traslada a otros —matemáticos que deben recorrer 17 millones de líneas de código Lean y emerger con comprensión, no solo aceptación.
La verdadera prueba está a meses de distancia
Kontorovich lo puso claro: satisfacer al ordenador hace la prueba muy probablemente correcta. Satisfacer a un ser humano no ocurre automáticamente.
El camino hacia adelante implica verificación por expertos especializados en Lean, traducción a exposición matemática legible y, eventualmente, consenso dentro de la comunidad de teoría de números. Nada de eso es rápido. Los Problemas del Milenio persisten durante siglos porque son difíciles, no porque las personas carezcan de acceso a mejores herramientas. Esta vez las herramientas son sin precedentes. La dificultad permanece.
El debut de Anthropic en el mercado ya había precificado optimismo sobre la trayectoria de la IA. La afirmación de la Hipótesis de Riemann, si se confirma, fuerza una revalorización de algo más grande que el precio de las acciones: el calendario para la revolución científica aumentada por máquinas. Si los modelos Frontier pueden asistir en la frontera del conocimiento humano de forma consistente en lugar de ocasional, el ritmo del descubrimiento en todas las disciplinas se acelera de maneras que actualmente son imposibles de modelar con precisión.
Ya sea que el trabajo de Alpöge resista el escrutinio, el patrón subyacente ya es visible. La experiencia humana más la precisión de máquina parece capaz de alcanzar problemas que resistieron ambos por separado. La carrera ahora no es solo entre compañías —es entre las matemáticas como disciplina únicamente humana y las matemáticas como empresa colaborativa que abarca inteligencia biológica e artificial.