Una versión experimental de la inteligencia artificial de Anthropic probó 650 ideas, escribió cientos de programas y mejoró de 41.6 % a 67.2 % uno de los límites conocidos relacionados con el problema
San Francisco. Claude no resolvió la hipótesis de Riemann.
Pero hizo algo que empieza a preocupar y entusiasmar a los matemáticos por partes iguales.
Una versión experimental de la inteligencia artificial de Anthropic logró mejorar de manera considerable uno de los resultados relacionados con ese problema, abierto desde 1859 y considerado uno de los grandes enigmas de las matemáticas.
El experimento comenzó cuando un empleado de Anthropic le pidió al modelo que intentara resolver directamente la hipótesis.
Claude generó y probó unas 650 ideas.
Ninguna funcionó.
Entonces siguió.
Durante aproximadamente un día y medio escribió cientos de scripts en Python, realizó comprobaciones numéricas y activó varios subagentes para explorar caminos distintos.
Dos de ellos terminaron encontrando una combinación de técnicas existentes que permitió mejorar uno de los límites conocidos asociados con la hipótesis de Riemann.
El resultado pasó de 41.6 % a 67.2 %.
La novedad no estuvo en inventar desde cero una nueva teoría matemática.
Claude conectó trabajos recientes de distintos investigadores y detectó que varias herramientas que habían sido desarrolladas por separado podían combinarse para producir un resultado mejor.
Ahí está la parte interesante.
La inteligencia artificial no actuó como un genio que tuvo una revelación.
Actuó como un investigador que no se cansa.
El sistema consumió 31 millones de tokens de salida, descargó 54 estudios científicos, buscó posibles contraejemplos y volvió a demostrar el resultado desde cero.
Después, dos matemáticos de Anthropic revisaron la prueba mediante la plataforma Lean y la validaron.
La hipótesis de Riemann sigue sin resolverse.
Anthropic tampoco asegura que este avance acerque directamente a una solución.
Pero el experimento muestra algo distinto.
Una IA puede leer enormes cantidades de literatura, probar cientos de caminos, descartar errores y encontrar conexiones que ningún investigador había explotado de esa manera.
No piensa como un matemático humano.
No se cansa como uno tampoco.
Y esa diferencia empieza a importar.
