Desde hace más de 150 años, la hipótesis de Riemann sigue siendo uno de los mayores problemas abiertos de las matemáticas, un misterio sobre la distribución de los números primos que lleva una recompensa de 1 millón de dólares para quien pruebe la conjetura general. Nadie la ha reclamado todavía — y los modelos de IA contemporáneos tampoco. Pero, como anunció Anthropic esta semana, consiguen avanzar mucho más de lo que cabría esperar.
La hazaña vino de un modelo de investigación aún no lanzado. Un empleado de Anthropic, sin formación matemática significativa, le pidió al modelo que "diera una intentona real" de probar la hipótesis — y lo dejó coordinando la tarea por un día y medio. En ese tiempo, el sistema probó 650 ideas distintas para resolver el problema, orquestando 60 subagentes y gastando 31 millones de tokens de salida.
"De los 60 subagentes, dos fueron responsables de desarrollar las ideas matemáticas clave", explica una nota del paper, "13 aportaron ideas a esos agentes, 30 intentaron — sin éxito — desarrollar nuevas ideas, 13 actuaron como validadores para comprobar la corrección de los argumentos y los dos finales ayudaron a redactar el artículo inicial". El resultado: el modelo elevó del 41,6% al 67,2% el límite inferior conocido para la fracción de ceros de la función zeta de Riemann que satisfacen la hipótesis. No es la prueba — la propia Anthropic dice que no espera que las técnicas usadas lleguen ahí —, pero es un salto notable en un problema que desafía a las matemáticas desde 1859.
El hallazgo fue confirmado por dos matemáticos de la casa y formalizado con el asistente de demostraciones de código abierto Lean, un paso importante para la credibilidad del resultado. No por casualidad, los investigadores invitaron a expertos externos, como Brian Conrey y Dan Goldston, a examinar el artículo en plazos breves. La transparencia aquí no es un detalle: en un campo que valora la verificabilidad, un resultado generado por IA debe sobrevivir al escrutinio de quienes entienden la materia.
El caso es el más reciente de una secuencia de avances matemáticos protagonizados por grandes modelos de lenguaje. Problemas de Erdős han sido resueltos por IA a lo largo de este año; OpenAI publicó diez resultados importantes demostrados por su modelo interno "Astra"; y un esfuerzo aparte de la propia Anthropic refutó la conjetura de Jacobian, defendida durante largo tiempo. Con cada lanzamiento de modelos más potentes, los resultados resultan más impresionantes.
Ese crecimiento, sin embargo, divide a la comunidad. En junio, un grupo de matemáticos prominentes firmó una declaración pública advirtiendo de que la IA puede socavar valores centrales de la disciplina — sobre todo la expectativa de que las demostraciones sean "atribuibles a autores concretos que se llevan el crédito del descubrimiento y asumen la responsabilidad de su corrección". En el otro lado, el ganador de la Medalla Fields Timothy Gowers se preguntó si la influencia de la IA podría cambiar las matemáticas de una manera más compleja y positiva.
El episodio de la hipótesis de Riemann no zanja ese debate, pero lo vuelve concreto. Si un modelo, guiado por un empleado sin entrenamiento matemático formal, puede mejorar un resultado que investigadores tardaron décadas en construir, la pregunta deja de ser si la IA participará de las matemáticas — y pasa a ser cómo la comunidad otorgará crédito, validará y, sobre todo, confiará en demostraciones que ningún humano "pensó" de verdad de principio a fin. Quizá el mayor descubrimiento de esta semana no sea el avance técnico, sino la prueba de que este dilema ya es urgente.
Fuentes: TechCrunch, Anthropic, SaveDelete
✓ Fuentes independientes cruzadas y verificadas antes de la publicación
