La hipótesis de Riemann lleva sin resolverse desde 1859, y de momento ni las mejores IAs del planeta pueden con ella. Anthropic acaba de intentarlo con un modelo experimental, y aunque el proyecto ha tenido una parte positiva, la propia empresa señala que no espera que las técnicas que ha encontrado ayuden a resolver ese problema matemático. Lo curioso es que al intentar resolver esa hipótesis, ese modelo de IA logró algo llamativo. Resultado inesperado .
Jarred Sumner, empleado de Anthropic sin formación específica en matemáticas avanzzadas, le pidió inicialmente a esa variante especial de Claude que intentara resolver la hipótesis sin más. El modelo generó y probó 650 ideas y ninguna funcionó, pero ahí empezó lo bueno. "Estamos cerca que la IA resuelva un problema y los humanos no puedan explicarlo": los matemáticos opinan sobre la IA No te rindas, IA . Sumner simplemente insistió en que volviera a intentar resolver el problema. Durante el siguiente día y medio Claude escribió cientos de scripts en Python y realizó comprobaciones numéricas.
Y a partir de ellas, dos de los subagentes que se activaron encontraron ideas que ayudan en uno de los resultados derivados de la hipótesis que también llevaba décadas avanzando muy lentamente. Así, Claude logró dar 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. Cree en ti mismo .
En Anthropic explican que durante buena 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 que les subamos la autoestima: lo que lograba Sumner con esos sencillos prompt era quizás concederle a la máquina permiso para consumir más y más cómputo a pesar de los fracasos, aunque hay quien afirma que esa teoría no tiene mucho sentido. Conectando los puntos . Para lograrlo, Claude conectó trabajos recientes de diversios matemáticos que habían trabajado sobre la hipótesis, y la novedad estuvo en detectar que todas esas herramientas desarrolladas por expertos humanos se podían combinar para superar el límite anterior.
Este tipo de patrón comienza a repetirse en investigaciones científicas (y en otros campos) en los que se aplica la IA: los modelos no crean teorías completamente nueva, pero son capaces de recorrer vastas colecciones de literatura para descubrir conexiones que los humanos no habían logrado detectar . 31 millones de tokens consumidos . Las dos sesiones de Claude Code que se usaron durante este experimento generaron 31 millones de tokens de salida, aunque no se detalla el coste económico de dicho proceso. Después de encontrar el resultado mencionado, los agentes intentaron desmontarlo, buscaron contraejemplos, descargaron 54 estudios relacionados en arXiv para comprobar 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 .
En Xataka En 1997, un ordenador redefinió para siempre el ajedrez. OpenAI cree estar en condiciones de hacer lo mismo con las matemáticas La IA no es genial, pero sí persistente . Puede que Claude no sea de momento el matemático más genial del mundo , pero tanto él como otros modelos que nos están asombrando en el campo de las matemáticas están dejando algo claro: que 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 infranqueable, pero la IA sigue confirmando que su capacidad bruta puede sernos de mucha ayuda.
En Xataka | Einstein nos dejó un enigma matemático indescifrable durante casi un siglo. Hasta que llegó un investigador español