Anthropic ha empleado un modelo experimental de IA, Claude, en un intento por resolver la compleja hipótesis de Riemann. Aunque la hipótesis principal sigue sin resolverse, el proyecto arrojó un resultado sorprendente: la IA logró un avance significativo en un problema derivado, superando un límite conocido y demostrando una notable capacidad para conectar investigaciones existentes y procesar grandes volúmenes de información matemática.
La hipótesis de Riemann permanece sin solución desde 1859, y hasta ahora, ni las inteligencias artificiales más avanzadas han logrado descifrarla. Anthropic recientemente probó un modelo experimental con este fin, y aunque el proyecto tuvo un aspecto positivo, la compañía no espera que las técnicas descubiertas contribuyan a resolver el problema matemático principal. Sin embargo, en el proceso de intentar abordar la hipótesis, el modelo de IA consiguió un logro notable.
Jarred Sumner, un empleado de Anthropic sin formación específica en matemáticas avanzadas, solicitó inicialmente a esta variante especial de Claude que intentara resolver la hipótesis directamente. El modelo generó y probó 650 ideas, ninguna de las cuales funcionó, pero fue entonces cuando comenzó el verdadero progreso.
Sumner simplemente insistió en que la IA volviera a intentar resolver el problema. Durante el siguiente día y medio, Claude escribió cientos de scripts en Python y realizó verificaciones numéricas. A partir de estas, dos de los subagentes activados encontraron ideas que contribuyen a uno de los resultados derivados de la hipótesis, un área que también había avanzado muy lentamente durante décadas. De esta manera, Claude logró un salto en uno de los límites conocidos de ese resultado derivado, pasando del 41,6% al 67,2%. Claude explicó cómo había llegado a dicho resultado.
En Anthropic, explican que durante gran parte del proceso, las intervenciones de Sumner se limitaron a decirle al modelo "sigue adelante" y "cree en ti mismo". No es que los modelos de IA necesiten un impulso de autoestima; lo que Sumner lograba con esos sencillos prompts era, quizás, otorgarle a la máquina permiso para consumir más y más cómputo a pesar de los fracasos, aunque algunos argumentan que esta teoría no tiene mucho sentido.
Para lograr su avance, Claude conectó trabajos recientes de diversos matemáticos que habían investigado la hipótesis. La novedad radicó en detectar que todas esas herramientas desarrolladas por expertos humanos podían combinarse para superar el límite anterior. Este patrón comienza a repetirse en investigaciones científicas (y en otros campos) donde se aplica la IA: los modelos no crean teorías completamente nuevas, pero son capaces de recorrer vastas colecciones de literatura para descubrir conexiones que los humanos no habían logrado detectar.
Las dos sesiones de Claude Code utilizadas durante este experimento generaron 31 millones de tokens de salida, aunque no se detalla el coste económico del proceso. Después de encontrar el resultado mencionado, los agentes intentaron desmantelarlo, buscaron contraejemplos, descargaron 54 estudios relacionados en arXiv para verificar que nadie hubiera publicado esa idea y luego volvieron a demostrarla desde cero. Dos matemáticos de Anthropic estudiaron la prueba resultante mediante la plataforma Lean y la validaron.
Puede que Claude no sea el matemático más brillante del mundo por ahora, pero tanto él como otros modelos que están sorprendiendo en el campo de las matemáticas están dejando algo claro: pueden comportarse como investigadores infatigables, capaces de consumir enormes cantidades de literatura matemática para encontrar conexiones útiles entre todo tipo de teorías. La hipótesis de Riemann sigue siendo infranqueable, pero la IA continúa confirmando que su capacidad bruta puede ser de gran ayuda.
