La hipótesis de Riemann se ha mantenido como uno de los enigmas más desafiantes y fundamentales de toda la matemática pura desde que Bernhard Riemann la formuló en 1859, un problema tan complejo que ha resistido el talento de generaciones enteras de premios Fields y matemáticos de renombre mundial, y que además está ligado de forma directa a la distribución de los números primos, esa base sobre la que se sustentan gran parte de la criptografía moderna y la teoría de números. A día de hoy sigue sin demostrarse ni refutarse, y aunque el auge de la inteligencia artificial había renovado esperanzas en todos los campos del saber, ni siquiera los modelos más potentes del mundo han logrado derribar esta barrera histórica. El último intento sistemático ha partido de Anthropic, que ha puesto a prueba una versión especializada y experimental de Claude con este fin concreto; la compañía advierte desde el principio que no han conseguido la demostración definitiva y que las rutas exploradas probablemente no sirvan para alcanzarla en el futuro cercano, pero el recorrido completo ha dejado al descubierto tanto las limitaciones actuales de estas tecnologías como una capacidad auxiliar que promete transformar el ritmo de la investigación científica.
El punto de partida fue más bien modesto y nada convencional: Jarred Sumner, miembro del equipo de Anthropic sin formación especializada en matemáticas avanzadas ni teoría analítica de números, lanzó al modelo la petición directa de abordar la hipótesis sin guías ni pautas previas. En esa primera fase de libre exploración, Claude elaboró, desglosó y sometió a comprobación nada menos que seiscientas cincuenta propuestas distintas de enfoque, aproximación y demostración, y una tras otra resultaron insuficientes, erróneas o estériles respecto al objetivo central. Lo que diferencia este experimento de tantos otros es lo que ocurrió después: en lugar de descartar el proyecto por fracasado, Sumner se limitó a devolver mensajes simples y constantes: “vuelve a intentarlo”, “sigue profundizando”, “cree en ti mismo”. Lejos de tratarse de una motivación afectiva como la que se daría a una persona, estas instrucciones actuaron como autorizaciones para ampliar límites de ejecución, prolongar tiempo de proceso, poner en marcha rutinas de verificación más extensas y activar sistemas auxiliares que habitualmente permanecen en segundo plano. Durante treinta y seis horas continuas de trabajo, Claude redactó, corrigió y ejecutó cientos de códigos en lenguaje Python destinados a comprobar propiedades numéricas, revisar desigualdades y poner a prueba conjeturas parciales, mientras múltiples subagentes especializados desglosaban el problema en piezas más pequeñas para examinarlas desde ángulos muy diversos.
Fue al seguir este camino de persistencia infatigable cuando surgió el hallazgo verdaderamente relevante: dos de esas líneas de investigación secundarias confluyeron para romper una barrera estancada desde hacía décadas en uno de los resultados colaterales más importantes vinculados a la hipótesis. Hasta ahora el mejor límite conocido establecía que cierta propiedad se cumplía para el 41,6 % de los casos estudiados; gracias al trabajo de la IA ese porcentaje ha saltado hasta el 67,2 %, un avance cuantitativo sustancial que los expertos califican como muy notable aunque no acerque de forma directa a la demostración final. Para lograr ese salto, Claude procedió de una forma muy característica: recorrió decenas de artículos publicados en los últimos años por investigadores de países y escuelas matemáticas distintas, muchas veces aislados entre sí o que trabajaban sobre ramas diferentes, y detectó que herramientas, lemas y demostraciones parciales que parecían independientes o incluso ajenas podían ensamblarse siguiendo una lógica que nadie había sabido o podido establecer hasta el momento. Esta modalidad de trabajo confirma una tendencia que ya se aprecia en otras áreas científicas: los modelos de inteligencia artificial todavía no conciben teorías generales ni plantean preguntas fundamentales con esa chispa creativa e intuitiva que define al genio humano, pero son insuperables rastreando conexiones ocultas en océanos de información acumulada, combinando saberes dispersos y revisando exhaustivamente cada paso dado.
La rigurosidad con la que se completó el proceso es también destacable: una vez obtenido el nuevo valor, el sistema no lo dio por bueno automáticamente, sino que se puso a prueba a sí mismo buscando activamente fallos, lagunas lógicas o contraejemplos que pudieran invalidar el resultado; descargó y analizó cincuenta y cuatro trabajos académicos alojados en el repositorio arXiv para asegurarse de que nadie hubiera presentado esa misma combinación de métodos con anterioridad; reescribió la demostración completa desde cero siguiendo caminos alternativos para confirmar que la cifra no era fruto de una casualidad o un error puntual; y finalmente dos matemáticos profesionales vinculados a la empresa revisaron línea por línea todo el razonamiento mediante Lean, ese lenguaje formal informático diseñado para verificar demostraciones con total precisión lógica. Todo este despliegue consumió recursos ingentes: tan solo las dos sesiones principales de Claude Code produjeron más de treinta y un millones de tokens de salida procesada, una magnitud que da idea del volumen de información manipulado y contrastado.
Al final, la conclusión más importante no gira en torno a una victoria sobre la hipótesis, que sigue tan intacta y misteriosa como hace siglo y medio, sino sobre la naturaleza de la colaboración que ya está tomando forma. La inteligencia artificial no reemplaza al matemático creativo, pero sí aporta esa tenacidad inagotable, esa capacidad de memoria y esa visión panorámica global que nosotros perdemos inevitablemente al especializarnos o cansarnos tras horas de estudio. Lo que ha hecho Claude aquí es mostrarnos que tenemos a nuestra disposición un compañero de laboratorio que nunca duerme, nunca olvida una referencia y nunca se rinde ante la repetición, y que esa combinación de virtudes, puesta al servicio de la intuición y el razonamiento humanos, podría acortar décadas de camino en docenas de campos donde el conocimiento se ha fragmentado hasta volverse inabarcable para una sola mente. Riemann sigue esperando, pero ahora sabemos mejor que nunca que ya no tenemos que caminar solos por ese sendero.
