Há mais de 150 anos, a hipótese de Riemann permanece como um dos maiores problemas em aberto da matemática, um mistério sobre a distribuição dos números primos que carrega uma recompensa de US$ 1 milhão para quem provar a conjectura geral. Ainda ninguém reivindicou o prêmio — e os modelos de IA contemporâneos também não o fizeram. Mas, como anunciou a Anthropic nesta semana, eles conseguem avançar muito mais do que se poderia esperar.
O feito veio de um modelo de pesquisa ainda não lançado. Um funcionário da Anthropic, sem formação matemática significativa, pediu ao modelo que "desse uma tentativa real" de provar a hipótese — e o deixou coordenando a tarefa por um dia e meio. Nesse período, o sistema testou 650 ideias diferentes para resolver o problema, orquestrando 60 subagentes e gastando 31 milhões de tokens de saída.
"Dos 60 subagentes, dois foram responsáveis por desenvolver as ideias matemáticas centrais", explica uma nota do paper, "13 contribuíram com ideias para esses agentes, 30 tentaram — sem sucesso — desenvolver novas ideias, 13 atuaram como validadores para checar a correção dos argumentos e os dois finais ajudaram a escrever o artigo inicial." O resultado: o modelo elevou de 41,6% para 67,2% o limite inferior conhecido para a fração de zeros da função zeta de Riemann que satisfazem a hipótese. Não é a prova — a própria Anthropic diz que não espera que as técnicas usadas cheguem lá —, mas é um salto notável num problema que desafia a matemática desde 1859.
A descoberta foi confirmada por dois matemáticos da casa e formalizada com o assistente de provas de código aberto Lean, um passo importante para a credibilidade do resultado. Não por acaso, os pesquisadores convidaram especialistas externos, como Brian Conrey e Dan Goldston, para examinar o artigo em curto prazo. A transparência aqui não é detalhe: em um campo que valoriza a verificabilidade, um resultado gerado por IA precisa sobreviver ao escrutínio de quem entende do assunto.
O caso é o mais recente de uma sequência de avanços matemáticos protagonizados por grandes modelos de linguagem. Problemas de Erdős foram resolvidos por IA ao longo deste ano; a OpenAI publicou dez resultados importantes provados por seu modelo interno "Astra"; e um esforço separado da própria Anthropic refutou a conjectura de Jacobian, antiga e longamente defendida. A cada lançamento de modelos mais poderosos, os resultados ficam mais impressionantes.
Esse crescimento, porém, divide a comunidade. Em junho, um grupo de matemáticos proeminentes assinou uma declaração pública alertando que a IA pode corroer valores centrais da área — sobretudo a expectativa de que provas sejam "atribuíveis a autores específicos que assumem o crédito pela descoberta e a responsabilidade por sua correção". Do outro lado, o vencedor da Medalha Fields Timothy Gowers questionou se a influência da IA pode mudar a matemática de uma forma mais complexa e positiva.
O episódio da hipótese de Riemann não resolve esse debate, mas o torna concreto. Se um modelo, orientado por um funcionário sem treino matemático formal, consegue melhorar um resultado que pesquisadores levaram décadas para construir, a pergunta deixa de ser "se" a IA vai participar da matemática — e passa a ser como a comunidade vai dar crédito, validar e, sobretudo, confiar em demonstrações que ninguém humano realmente "pensou" do início ao fim. Talvez a maior descoberta desta semana não seja o avanço técnico, mas a prova de que esse dilema já é urgente.
Fontes: TechCrunch, Anthropic, SaveDelete
✓ Fontes independentes cruzadas e verificadas antes da publicação
