Qué es la hipótesis de Riemann, y qué tan cerca está la IA de resolverla

Durante más de 150 años, una sola conjetura sobre la distribución de los números primos ha sido uno de los problemas abiertos más famosos de las matemáticas, resistiendo los esfuerzos de generaciones de matemáticos. Ahora, un modelo de inteligencia artificial no publicado, desarrollado por Anthropic, habría logrado avances significativos en la hipótesis de Riemann, sin llegar a una demostración completa, pero yendo más lejos de lo que muchos en el campo esperaban de un sistema de IA.

Propuesta por primera vez por el matemático alemán Bernhard Riemann en 1859, la hipótesis hace una afirmación precisa sobre un objeto matemático llamado función zeta de Riemann, que codifica información profunda sobre cómo se distribuyen los números primos entre todos los números enteros. Riemann conjeturó que cada cero 'no trivial' de esta función —un conjunto específico de puntos donde el valor de la función es igual a cero— se encuentra sobre una única línea en el plano complejo, aquella en la que la parte real del número siempre es igual a un medio. Suena abstracto, pero esa única afirmación precisa tiene enormes consecuencias en cadena para cómo los matemáticos entienden la distribución aparentemente aleatoria de los números primos a lo largo de la recta numérica.

La hipótesis es famosa mucho más allá de los departamentos de matemáticas, en parte por la recompensa asociada a ella: el Clay Mathematics Institute la nombró en 2000 uno de los siete Problemas del Milenio, ofreciendo un millón de dólares a quien logre una demostración rigurosa. Solo uno de los siete problemas se ha resuelto desde entonces, lo que subraya lo difícil que es este tipo de cuestión, y lo significativo que sería que cayera la hipótesis de Riemann.

Es importante ser precisos sobre lo que significa 'avance' aquí, porque no es lo mismo que una solución. Los matemáticos distinguen claramente entre la evidencia computacional —mostrar que una conjetura se cumple para una enorme cantidad de casos de prueba, algo que ya se ha hecho para billones de ceros de la función zeta— y una demostración rigurosa que establece que la afirmación es verdadera para todos los casos, sin excepción, para siempre. Lo que el modelo no publicado de Anthropic habría producido cae en una categoría intermedia: avances teóricos significativos en técnicas relevantes para el problema, no una demostración terminada que la comunidad matemática en general haya verificado.

El enfoque refleja un cambio más amplio en cómo se están aplicando los sistemas de IA a las matemáticas avanzadas. En lugar de simplemente memorizar resultados conocidos, los modelos de IA modernos pueden explorar enormes espacios de posibles estrategias de demostración, reconocer patrones en vastos cuerpos de literatura matemática existente y, cada vez más, trabajar junto a software de verificación formal de demostraciones capaz de comprobar mecánicamente si cada paso lógico de un argumento es realmente válido, reduciendo, aunque sin eliminar, el riesgo de que se cuele un error sutil.

Esa cuestión de la verificación importa enormemente aquí, porque la historia de la hipótesis de Riemann está llena de demostraciones anunciadas que no sobrevivieron al escrutinio. Los matemáticos tienden a tratar cualquier anuncio de avance en un problema tan famoso con considerable cautela hasta que el trabajo subyacente haya sido verificado de forma independiente, línea por línea, por otros expertos del campo, un proceso que, para un resultado de esta magnitud, probablemente llevaría meses o años en lugar de días.

El trabajo de Anthropic se enmarca en una tendencia más amplia y de rápido crecimiento de investigación matemática asistida por IA. Otros laboratorios de IA han reportado en los últimos años sistemas que generaron nuevas demostraciones para problemas de olimpiadas de geometría, descubrieron nuevas construcciones matemáticas y ayudaron a matemáticos humanos a explorar conjeturas que, de otro modo, tomarían toda una carrera investigar a mano. La hipótesis de Riemann, dada su fama y dificultad, se ha convertido en una especie de referencia informal para medir cuánto ha avanzado este tipo de razonamiento matemático asistido por IA.

El modelo detrás del avance reportado no se ha hecho público, y Anthropic ha sido mesurada al caracterizar el resultado, describiéndolo como un avance significativo en lugar de un gran hito o una solución. Ese matiz importa en un campo donde afirmaciones exageradas han llevado antes a retractaciones embarazosas, y donde la confianza de la comunidad matemática depende en gran medida de un lenguaje preciso y sin exageraciones sobre lo que realmente se ha demostrado y lo que no.

Una demostración completa de la hipótesis de Riemann, si finalmente se encuentra, tendría repercusiones mucho más allá de una sola ecuación. Afinaría la comprensión que tienen los matemáticos de cuán irregular o regular es en realidad la distribución de los números primos, con efectos en cadena en la teoría de números y campos relacionados. Sin embargo, no representaría una amenaza inmediata para los sistemas de cifrado modernos, que dependen de la dificultad práctica de factorizar números grandes y no directamente de la veracidad de la propia hipótesis de Riemann, una distinción que a veces se difumina en la cobertura popular del tema.

Por ahora, la hipótesis de Riemann sigue sin resolverse, y los matemáticos dicen que probablemente seguirá así durante algún tiempo más. Pero el hecho de que un sistema de IA —ni siquiera publicado al público— pueda producir avances genuinos, aunque parciales, en un problema que ha resistido a los mejores matemáticos del mundo durante siglo y medio, es en sí mismo una señal de lo rápido que avanzan las matemáticas asistidas por IA, y un indicio de que estas herramientas podrían convertirse cada vez más en colaboradoras, en lugar de simples calculadoras, en la búsqueda de algunas de las preguntas abiertas más antiguas del campo.