Saltar al contenido principal
eKoFeed

Anthropic presenta una demostración de la hipótesis de Riemann con Claude horas antes de un borrador humano de Stanford

Levent Alpöge y Claude publican una prueba en Lean de la hipótesis de Riemann generalizada; horas después, Stanford lanza un borrador humano.

·
Ilustración conceptual de la hipótesis de Riemann y la demostración matemática asistida por Claude de Anthropic frente al borrador humano de Stanford

Anthropic ha irrumpido en la historia de las matemáticas tras anunciar que su investigador Levent Alpöge y el modelo de inteligencia artificial Claude habrían logrado demostrar la hipótesis generalizada de Riemann. El anuncio desencadenó una respuesta casi inmediata desde la Universidad de Stanford, que publicó un borrador independiente desarrollado íntegramente por humanos.

De acuerdo con un reporte de The Decoder que recoge información de Scientific American, Alpöge difundió el viernes un documento y el código informático correspondiente en su sitio web. «Creo que, trabajando con Claude, he descubierto una demostración de la hipótesis de Riemann», afirmó en su comunicado técnico.

La demostración de Anthropic con Claude y la verificación en Lean

El método presentado por Alpöge trasciende la conjetura original sobre los números primos y abarca la hipótesis generalizada de Riemann, que extiende el mismo principio de orden a una amplia familia de ecuaciones relacionadas. El matemático estima que, con algo más de tiempo, su enfoque podría resolver también la hipótesis extendida de Riemann.

Alpöge había trabajado en este problema en secreto desde su etapa universitaria, asumiendo que le tomaría décadas. Durante los últimos meses colaboró estrechamente con Claude para definir la dirección de la búsqueda y combinar dos estrategias sobre un toy model simplificado, hasta que el sistema tomó la iniciativa al abordar el problema completo y lo dejó atrás cerca de la meta.

Para superar el obstáculo principal, el equipo extendió una idea del matemático Stepanov basada en herramientas análogas a las derivadas del cálculo continuo, un recurso que normalmente falla sobre números enteros. Claude aportó la pieza clave al descubrir que, para una secuencia numérica de longitud X, era necesario encadenar exactamente tantas transformaciones matemáticas como la raíz cuadrada de X para emular el efecto de una derivada.

El argumento generado por la inteligencia artificial superaría las 250.000 páginas si se imprimiera, ya que el modelo detalla hasta las reglas elementales de la aritmética. Por ese motivo, Alpöge publicó la prueba exclusivamente en el lenguaje de programación formal Lean, dividida en 14 paquetes de datos para su verificación automática paso a paso.

Aunque Lean actúa como un árbitro digital que garantiza la validez lógica de cada deducción, todavía existe margen para un error humano en la formulación inicial del problema en código. No obstante, especialistas consultados por Scientific American señalan que comprobar esa traducción inicial no llevará mucho tiempo, mientras Alpöge trabaja en una versión legible para humanos en los próximos meses.

Stanford responde con un borrador íntegramente humano

Horas después del anuncio de Anthropic, el profesor de Stanford y presidente de la Sociedad Matemática Estadounidense (AMS), Ravi Vakil, publicó un «anuncio apresurado» en su blog. En él compartió un borrador independiente de la hipótesis generalizada de Riemann redactado por el matemático Alessandro Masullo.

«Es completamente humana, sin IA», subrayó Vakil al presentar el trabajo. El reconocido teórico de números de Stanford Brian Conrad había revisado en silencio el manuscrito de Masullo durante meses, aportando observaciones extensas que aún están siendo incorporadas al documento.

El plan original contemplaba que Masullo pasara un año completo en Stanford puliendo el borrador antes de hacerlo público, pero el anuncio de Anthropic precipitó su difusión inmediata. Apenas ocho horas después de la entrada inicial, Vakil actualizó su publicación para informar que varios matemáticos habían señalado problemas en la prueba propuesta, detectados con ayuda de distintos modelos de inteligencia artificial.

Aspecto clavePropuesta de AnthropicPropuesta de Stanford
Autores principalesLevent Alpöge y ClaudeAlessandro Masullo (revisado por Brian Conrad)
Enfoque metodológicoAsistido por IA con verificación formalTrabajo íntegramente humano sin IA
Formato de publicaciónCódigo en Lean (14 paquetes de datos)Borrador técnico tradicional
Estado de revisiónPendiente de validar la traducción inicialCon observaciones tempranas señaladas por pares e IA

Vakil instó a la comunidad matemática a revisar con rapidez el manuscrito de Masullo, traducirlo a sistemas de verificación formal como Lean y cerrar cualquier brecha pendiente. «Como es habitual, todos los problemas deben resolverse a satisfacción de la comunidad antes de que esta demostración sea aceptada como verdadera», aclaró el profesor de Stanford.

Contexto empresarial y carrera de la IA en matemáticas en 2026

La publicación de Alpöge llegó en una semana de máxima exposición corporativa, apenas un día después de la salida a bolsa de Anthropic. El investigador aseguró haber logrado el avance la noche del domingo anterior y solicitado autorización al director ejecutivo Dario Amodei, rechazando cualquier insinuación de maniobra publicitaria pese a reconocer lo desafortunado del calendario.

Este episodio corona un año de aceleración sin precedentes en el uso de modelos lingüísticos para resolver conjeturas abiertas. El ritmo de los anuncios ha generado tanto entusiasmo técnico como tensiones sobre la atribución y el rigor científico dentro de los laboratorios de inteligencia artificial.

Fecha (2026)Laboratorio / AutorHito matemático reportado
JulioAnthropic (Levent Alpöge y Claude)Solución generada por IA para la conjetura jacobiana
SeptiembreOpenAI / NYUDisputa sobre las ecuaciones de Navier-Stokes
OctubreOpenAIResultados sobre números primos y más de 100 problemas resueltos
NoviembreAnthropic y StanfordAnuncios simultáneos sobre la hipótesis generalizada de Riemann

Alpöge elogió explícitamente la selección de problemas realizada por los investigadores de OpenAI en octubre, señalando que le proporcionó ideas determinantes para su propia demostración. Sin embargo, también admitió que Claude avanzó tan rápido en ciertos subcampos complejos que él mismo aún no domina por completo toda la matemática circundante de su propio artículo.

Qué es la hipótesis de Riemann y por qué importa

Formulada por Bernhard Riemann en 1859, la hipótesis ha funcionado durante más de siglo y medio como la estrella polar de la teoría de números. David Hilbert la incluyó en su célebre lista de 1900 y, desde el año 2000, el Instituto Clay de Matemáticas ofrece un premio de 1 millón de dólares por resolverla como uno de los siete «Problemas del Milenio».

La conjetura busca explicar la distribución de los números primos, los ladrillos indivisibles de la aritmética a partir de los cuales se construye todo número entero. Aunque Euclides demostró hacia el año 300 a. C. que existen infinitos primos, su frecuencia disminuye a medida que crecen los valores: hay 25 entre el 0 y el 100, pero solo 16 entre el 1.000 y el 1.100.

Carl Friedrich Gauss ideó a finales del siglo XVIII una fórmula aproximada para estimar esa densidad, aunque los primos reales se desvían de manera aparentemente caótica. Riemann utilizó la función zeta para interpretar esas desviaciones como ondas de una orquesta, conjeturando que todos los ceros no triviales de la función se alinean en una única recta vertical con valor horizontal de un medio.

Confirmar cualquiera de las dos demostraciones convertiría de inmediato en teoremas establecidos cientos de artículos académicos que asumen la hipótesis como cierta. Además de sus implicaciones en la geometría de altas dimensiones y el cifrado digital moderno, la separación de los ceros de Riemann guarda una profunda conexión matemática con los niveles de energía de los núcleos atómicos, la teoría del caos y el estudio de los agujeros negros.

Antes de este doble anuncio, el campo parecía estancado tras avances incrementales como los de James Maynard y Larry Guth hace dos años. El nuevo escenario reaviva el debate planteado en 2024 por el teórico del MIT Andrew Sutherland, quien advirtió sobre el impacto existencial para la disciplina si una máquina lograba resolver el problema más codiciado de las matemáticas.

Fuente: The Decoder