Claude demostró el Último Teorema de Fermat en 11 días: ¿Qué viene después?

Lo imposible, en once días

El último teorema de Fermat es uno de los problemas más antiguos sin resolver en las matemáticas. Pierre de Fermat anotó una conjetura en el margen de un libro en el siglo XVII: ningún triplete de enteros positivos a, b y c satisface a^n + b^n = c^n para ningún entero n mayor que 2. El problema resistió todos los intentos durante más de tres siglos hasta que Andrew Wiles publicó una demostración en 1995: 129 páginas de argumento denso que tomaron a la comunidad meses para verificar por completo.

Ahora Claude ha producido una formalización verificable por máquina de esa misma demostración en 11 días.

Las cifras son desconcertantes. Aproximadamente 13 millones de líneas de código Lean. Roughly 33 000 teoremas individuales demostrados en el camino, de los cuales cerca de 29 500 se desplegaron en el resultado final. La demostración depende únicamente de los tres axiomas estándar de Lean. No hay ningún marcador sorry: esos huecos que normalmente indican donde una prueba formal aún confía en la autoridad humana en lugar de la verificación mecánica.

Un equipo de Imperial College London liderado por Kevin Buzzard comenzó a trabajar en el mismo proyecto de formalización en 2024. Su documento inicial de planificación ya tenía 86 páginas. Esperaban años.

Cómo lo hizo Claude realmente

El investigador de Anthropic Tianyi Peng puso a Claude a trabajar en el problema, desplegando decenas de agentes Claude a lo largo del proyecto. Cada agente manejaba un fragmento diferente: definiciones, lemas intermedios, y finalmente escalando hacia las proposiciones más difíciles. El sistema construía demostraciones de abajo hacia arriba, como construir una catedral piedra a piedra.

Pero la coordinación era el verdadero desafío. Los primeros intentos fallaron porque cada agente perdía el rastro del estado general del proyecto. No podían reutilizar el trabajo de los demás. Los sistemas multiagente no escalan automáticamente a proyectos de varios años.

Peng y el equipo resolvieron esto con Prove2Me, una plataforma colaborativa que construyeron específicamente para la formalización matemática. Gestiona las dependencias de los teoremas como un grafo acíclico dirigido, de modo que múltiples agentes Claude siempre saben cuáles resultados están disponibles y cuáles teoremas aún deben abordarse. La plataforma separa las enunciados de los teoremas de las demostraciones en archivos distintos para acelerar la compilación, y adjunta explicaciones en lenguaje natural a cada resultado para facilitar la búsqueda y reutilización.

El resultado pasó la verificación estándar del núcleo de Lean. También pasó la validación en nanoda, un núcleo de Lean implementado de forma independiente en Rust, que verificó más de un millón de declaraciones sin errores. Una herramienta de comparación confirmó que la demostración apunta a la misma afirmación sobre el último teorema de Fermat que la codificación existente (incompleta) de Mathlib.

Por qué esto no es solo un truco de matemáticas

Hay una razón profunda por la que esto importa más allá de las matemáticas puras.

Lean, Coq, Isabelle: estos verificadores de teoremas no solo verifican matemáticas. Verifican cualquier cosa que pueda expresarse como un sistema lógico formal. La misma infraestructura que verifica una demostración de teoría de números puede verificar un microkernel, un protocolo distribuido, una biblioteca criptográfica.

La verificación de software ha sido posible en principio durante décadas. En la práctica, ha sido brutalmente costosa. El esfuerzo requerido para traducir incluso un pequeño trozo de software a lógica formal ha crecido más rápido de lo que cualquier organización puede permitirse. Esa es la razón por la que la gran mayoría de la infraestructura crítica — las bibliotecas TLS, los núcleos de los sistemas operativos, los sistemas de control de vuelo — aún se ejecuta en código que nadie ha demostrado formalmente que sea correcto.

La formalización de Fermat por Claude demuestra algo cualitativamente diferente de la demostración de teoremas asistida por IA anterior. Los esfuerzos anteriores, incluido el trabajo de Gato de Google DeepMind y LeanCoPT de Meta, produjeron demostraciones para problemas más pequeños o secuencias más cortas. La diferencia clave aquí es la escala y la completitud. Este no es un problema de juguete. Es uno de los resultados más profundos en las matemáticas modernas, y la formalización es completa, autosuficiente y verificada de forma independiente.

La consecuencia práctica: la verificación se vuelve manejable

Si un sistema de IA puede producir una formalización completamente verificada de una demostración que tomó a matemáticos humanos décadas en completar y años en formalizar, el mismo flujo puede aplicarse al software.

Considera lo que esto significa para el ecosistema Rust, donde vive nanoda. Rust ya tiene fuertes garantías de seguridad de memoria, pero esas garantías se aplican a programas individuales, no a la cadena completa de dependencias. Una biblioteca de demostraciones formalizadas significa que podrías verificar que tu rutina criptográfica realmente implementa el algoritmo que crees que hace, hasta el nivel de bits.

También significa que el cuello de botella se desplaza. El cuello de botella ya no es escribir la demostración formal, sino escribir la especificación. ¿Qué estás intentando demostrar realmente? Esa pregunta sigue siendo profundamente humana. Pero el trabajo mecánico de rellenar los huecos, conectar lemas, manejar casos límite: eso ahora es delegable.

El problema de referencia

Cada laboratorio de IA importante trata la demostración de teoremas como una señal de credibilidad. Aprobar el examen Putnam, resolver problemas de la OIM, producir demostraciones en Lean: estos son referentes que señalan inteligencia general en un dominio donde la alucinación es casi imposible de ocultar. Si la demostración no se verifica, no se verifica. No hay forma plausible de tener suerte.

La formalización de Fermat por Claude eleva la barra significativamente. Los referentes anteriores medían el progreso en problemas más pequeños y curados. Esta es una formalización completa de un resultado emblemático desde primeros principios, con cero huecos y verificación independiente del núcleo. Hace que cualquier futuro referente en este ámbito parezca trivial en comparación, a menos que involucre algo igualmente profundo.

Dicho esto, hay una nota de precaución. La demostración depende en gran medida de Mathlib, la biblioteca de matemáticas Lean existente. Una porción significativa de los 13 millones de líneas es probablemente infraestructura y reformalización de resultados conocidos, más que nueva intuición matemática. La verdadera pregunta es si Claude puede ir más lejos: si puede producir formalizaciones novedosas de resultados que no tengan ninguna representación codificada existente, en lugar de extender lo que ya está ahí.

Quién gana, quién pierde

Anthropic gana el concurso de credibilidad. El resultado de Fermat les da un logro concreto e indiscutible que nadie puede descartar como manipulación de referentes. También valida su arquitectura multiagente y la plataforma Prove2Me como herramientas serias, no solo ejercicios de investigación.

Los equipos humanos de formalización pierden parte de su urgencia. El proyecto de Buzzard en Imperial ya estaba en marcha cuando Claude produjo su resultado en una fracción del tiempo. Eso no hace que la formalización liderada por humanos sea inútil: los matemáticos humanos aún entienden la estructura y la intuición detrás de estas demostraciones de maneras que importan para la investigación, pero sí significa que la carrera para codificar el conocimiento existente ahora está dominada por la IA.

La industria del software gana si presta atención. La brecha entre lo que podemos probar sobre nuestro código y lo que realmente desplegamos ha sido la ineficiencia más costosa en computación. Si la IA puede cerrar incluso una pequeña fracción de esa brecha, la fiabilidad de todo, desde dispositivos médicos hasta sistemas financieros, mejora dramáticamente.

Los escépticos de la AGI pierden un argumento concreto. La demostración formal de teoremas ha sido durante mucho tiempo señalada como un dominio donde la IA consistentemente falla en alcanzar la paridad humana. Claude acaba de superar ese referente a una escala que antes parecía estar a años de distancia. Si esto constituye una AGI es un debate separado, pero ciertamente constituye una capacidad que no se pronosticó de manera creíble antes de 2024.

Qué pasa después

La expectativa de Anthropic, indicada en el material fuente, es que las formalizaciones verificadas por computadora se convertirán en estándar junto con los artículos legibles por humanos. Esa es una predicción conservadora. La trayectoria más probable es más rápida.

El siguiente paso inmediato es aplicar Prove2Me a otros teoremas emblemáticos: el Teorema del Número Primo, el Teorema de los Cuatro Colores, la Conjetura de Kepler. Cada uno tiene sus propios desafíos de formalización, pero el flujo ahora está probado. La pregunta no es si funciona, sino hasta qué profundidad puede manejar Claude antes de topetar con límites arquitectónicos.

Luego viene el software. Si el mismo marco multiagente puede formalizar una demostración de teoría de números de 129 páginas, puede formalizar una implementación TLS, un protocolo de consenso distribuido, un frente de compilador. Las especificaciones son más difíciles: el software se comporta de manera diferente que el álgebra abstracta, pero el problema central es el mismo: cerrar la brecha entre una afirmación informal y una verificada mecánicamente.

Los 13 millones de líneas de código no son la historia. La historia es que el cuello de botella se movió.

Repositorio de GitHub: https://github.com/anthropics/fermats-last-theorem