Aclarémoslo: la Hipótesis de Riemann, posiblemente el problema no resuelto más famoso en matemáticas, sigue sin resolverse a septiembre de 2026. Ninguna IA ha reclamado el premio de un millón de dólares ofrecido por el Clay Mathematics Institute. Pero lo que sucedió en agosto de 2026 podría ser más significativo que si una IA simplemente hubiera presentado una prueba. Una versión de investigación no publicada del modelo Claude de Anthropic hizo un progreso inesperado en un límite matemático relacionado. Un no matemático en Anthropic, Jarred Sumner, instó al modelo con una solicitud audaz: intenta seriamente probar la Hipótesis de Riemann. La IA no pudo hacerlo. Nadie esperaba que lo hiciera. Pero mientras exploraba el problema durante un día y medio, Claude mejoró un límite inferior de larga data que había sido el mejor resultado humano durante décadas. El límite en cuestión mide qué fracción de los ceros de la función zeta de Riemann están garantizados para estar en la línea crítica donde la hipótesis predice que todos deberían estar. Los matemáticos habían demostrado que al menos el 41.6% de estos ceros satisfacen la hipótesis. Claude elevó ese número al 67.2%. Para llegar allí, la IA probó 650 enfoques diferentes, coordinó aproximadamente 60 subagentes, realizó miles de verificaciones numéricas, escribió cientos de scripts en Python y revisó 54 artículos de investigación. James Maynard, un matemático de la Universidad de Oxford, calificó el resultado de genuinamente impresionante, diciendo que el problema necesitaba una nueva idea real, que el resultado de Claude parece proporcionar. Lo que hace esto sorprendente es que la IA inicialmente era escéptica de su propio hallazgo, posiblemente porque había aprendido de los datos de entrenamiento sobre la dificultad de los problemas matemáticos abiertos y las limitaciones de los modelos de IA. Después de algunos estímulos alentadores de humanos, llegó al resultado verificado. Dos matemáticos de Anthropic validaron el artículo de Claude, y expertos externos, Brian Conrey y Dan Goldston, lo examinaron con poco tiempo de aviso. Claude también produjo una prueba formalmente verificable utilizando Lean, un sistema de asistencia de pruebas que verifica argumentos matemáticos línea por línea. Este no fue un incidente aislado. Agosto de 2026 marcó un punto de inflexión para la IA en matemáticas. El 1 de agosto de 2026, OpenAI anunció que Astra, su modelo interno, había resuelto 10 problemas abiertos de larga data en matemáticas y ciencias de la computación teórica. En julio de 2026, Levent Alpöge, un matemático de Anthropic, refutó la conjetura jacobiana utilizando Claude Fable 5. Múltiples problemas de Erdős han caído ante modelos de IA a lo largo de 2026. Gemini Deep Think de Google DeepMind obtuvo el estándar de medalla de oro en la Olimpiada Internacional de Matemáticas de 2025 y lanzó un sistema de co-matemático de IA en mayo de 2026 que obtuvo un 48% en FrontierMath Tier 4, problemas diseñados para confundir a la IA durante décadas. El flujo de trabajo que produjo el resultado de Riemann de Claude revela el futuro de la investigación matemática. No fue un destello de genialidad. Fue una exploración a gran escala por fuerza bruta, mantenida viva por el aliento humano. De los 60 subagentes de Claude, solo dos desarrollaron las ideas matemáticas clave. Trece contribuyeron con ideas de apoyo. Treinta intentaron y fracasaron. El proceso consumió 31 millones de tokens de salida. Lo que surgió no fue una matemática elegante en el sentido clásico, sino más bien una búsqueda computacional masiva y paciente que atravesó cientos de callejones sin salida antes de encontrar algo que funcionara. Anthropic se cuida de señalar que las técnicas que utilizó Claude son poco probables de llevar a probar la Hipótesis de Riemann en sí. La hipótesis, propuesta por Bernhard Riemann en 1859, concierne a la distribución de números primos a lo largo de la recta numérica. Predice que todos los ceros no triviales de la función zeta de Riemann tienen una parte real igual a uno medio. Probarlo revolucionaría la teoría de números y tendría aplicaciones en criptografía y en innumerables otros campos. Pero una prueba completa, coinciden los expertos, requerirá un enfoque fundamentalmente nuevo, no mejoras incrementales en los límites existentes.
🌍 world
La IA no resolvió la Hipótesis de Riemann, pero estuvo cerca
En agosto de 2026, una versión no publicada de Claude de Anthropic superó una barrera matemática de 167 años sin siquiera intentarlo. La IA elevó un límite clave del 41.6% al 67.2%, superando décadas de trabajo humano. La Hipótesis de Riemann en sí sigue sin resolverse, pero la pregunta del millón de dólares se volvió mucho más interesante.
Fact checked - 16 claims 11 Sept 2026 · 12 with sources
Mi opinion
La mitología en torno a la IA resolviendo la Hipótesis de Riemann oscurece lo que realmente sucedió, que es de alguna manera más interesante. Estamos presenciando la aparición de un nuevo tipo de trabajo matemático: una exploración masiva, paciente e incansable que ningún humano tendría la resistencia o la vida útil para intentar. Claude no tuvo una brillante idea. Tuvo 650 intentos, docenas de agentes paralelos y el equivalente computacional de trabajar sin dormir durante 36 horas seguidas. Este es el futuro que los matemáticos temían y esperaban en igual medida. No es la IA reemplazando la creatividad humana, sino la IA haciendo el trabajo arduo que los humanos encuentran tedioso o imposible. La respuesta de la comunidad ha sido cautelosamente impresionada, no en pánico. El comentario de James Maynard sobre la necesidad de una nueva idea real es revelador. Él reconoce que Claude proporcionó algo genuinamente útil mientras mantiene la perspectiva sobre lo que sigue sin resolverse. Lo que me preocupa es la brecha entre lo que las empresas de IA afirman y lo que sus modelos realmente logran. El anuncio de Anthropic navegó cuidadosamente entre el bombo y la precisión, pero los titulares se escribieron solos de todos modos. La Hipótesis de Riemann sigue tan distante como siempre, sin embargo, estamos viviendo en un momento en el que cualquier progreso de la IA sobre ella es digno de noticia. Esa brecha entre la percepción y la realidad es donde viven tanto la oportunidad como el peligro. Si la IA puede elevar un límite del 41.6% al 67.2%, ¿qué sucede cuando alcanza el 99%? ¿Cambia eso las matemáticas, o solo el trabajo matemático?
Que pasa despues
La comunidad matemática ahora enfrenta un período de verificación. A principios de septiembre de 2026, el resultado de Claude cuenta con el respaldo de empresas y revisión de expertos, pero aún no con una amplia replicación independiente. Ese proceso suele llevar meses. Si el límite del 67.2% se mantiene bajo escrutinio, se convertirá en la nueva base para futuros trabajos, ya sea por humanos o máquinas. La Iniciativa de IA para Matemáticas de Google DeepMind, anunciada a finales de 2025, se asocia con cinco instituciones: Imperial College London, el Instituto de Estudios Avanzados, IHES (Francia), el Simons Institute en UC Berkeley y el Tata Institute of Fundamental Research (India), que probablemente producirán resultados competitivos. El presidente de OpenAI, Greg Brockman, ha predicho que la IA podría resolver un Problema del Premio del Milenio en un plazo de dos a cinco años. El CEO de DeepMind, Demis Hassabis, argumenta que los laboratorios con herramientas sólidas de matemáticas y programación se están distanciando de los competidores porque esas capacidades se acumulan. La carrera está en marcha. La pregunta más grande es si estas mejoras incrementales se acumulan en una prueba o chocan contra un muro. Expertos como Maynard creen que la Hipótesis de Riemann requerirá un enfoque fundamentalmente diferente, no solo mejores límites. La hipótesis ha resistido 167 años de esfuerzo humano. Se han verificado computacionalmente veinte billones de ceros en la línea crítica. La maquinaria matemática sigue afinándose, pero el misterio central permanece intacto. La IA podría ser la herramienta que finalmente logre el avance, o podría ser simplemente muy buena en hacer lo que ya sabemos hacer, solo que más rápido.
Lo que nos dice la historia
La Hipótesis de Riemann se encuentra junto a otros grandes desafíos matemáticos que tomaron siglos en resolverse o permanecen abiertos. Andrew Wiles demostró el Último Teorema de Fermat en 1995 después de 358 años. La Conjetura de Poincaré cayó ante Grigori Perelman en 2003 después de 99 años. Estas pruebas requirieron marcos matemáticos completamente nuevos, no un progreso incremental en técnicas conocidas. Lo que hace que el momento actual sea diferente es la introducción de un colaborador no humano con capacidades fundamentalmente diferentes. Cuando los matemáticos en la década de 1970 comenzaron a usar computadoras para ayudar con las pruebas, la comunidad debatió si las pruebas asistidas por computadora contaban como matemáticas reales. La famosa prueba del teorema de los cuatro colores en 1976 dependió de la verificación de miles de casos por computadora, y algunos puristas se opusieron. Ese debate se ha resuelto: la asistencia computacional es ahora estándar. Pero la IA presenta un nuevo desafío porque no solo calcula, explora y combina ideas de maneras que sus creadores no comprenden completamente.
Impacto en los mercados
La industria de la criptografía está observando de cerca. La encriptación RSA y otros sistemas de clave pública dependen de la dificultad de factorizar grandes números en primos. Una prueba de la Hipótesis de Riemann no rompería inmediatamente estos sistemas, pero proporcionaría una comprensión mucho más profunda de la distribución de primos, abriendo potencialmente caminos hacia algoritmos de factorización más rápidos. La computación cuántica ya representa una amenaza conocida para los estándares de encriptación actuales. Los avances de la IA en matemáticas puras añaden otra variable al panorama de la seguridad. La valoración y posición competitiva de Anthropic se benefician directamente de demostraciones como el trabajo de Claude sobre Riemann. La compañía recaudó fondos a una valoración reportada de 18.4 mil millones de dólares en febrero de 2024. La capacidad de razonamiento matemático se ha convertido en un diferenciador clave entre los laboratorios de IA de frontera. Google DeepMind, OpenAI y Anthropic están compitiendo para demostrar competencia a nivel de investigación. Para las empresas tecnológicas, poder reclamar contribuciones a las matemáticas puras proporciona tanto prestigio como evidencia de que sus modelos pueden manejar razonamientos complejos de múltiples pasos en dominios mucho más allá de los chatbots y la generación de imágenes.