Claude y un humano: dos pruebas de Riemann en un día

Dos pruebas de la hipótesis de Riemann en el mismo día

El 20 de noviembre de 2026, la hipótesis de Riemann —el problema abierto más famoso de las matemáticas, formulado en 1859— recibió dos pruebas independientes en cuestión de horas. Una la firmó Levent Alpöge, matemático de Anthropic, trabajando con Claude. La otra, Alessandro Masullo, un matemático de Stanford que llevaba 12 años en el problema y no usó IA.

Ninguna de las dos está verificada del todo. Y esa es, precisamente, la parte que un founder debería leer con atención: la diferencia entre «el output es correcto» y «entiendo por qué es correcto» acaba de volverse un problema de negocio, no solo de matemáticas.

La prueba de Alpöge: 17 millones de líneas de Lean y ningún paper

Alpöge publicó una nota de cuatro páginas en su sitio personal, titulada «Remark», sin firma y sin anunciarla en redes sociales. La primera línea es directa: «Creo que, trabajando con Claude, he descubierto una prueba de la hipótesis de Riemann».

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Lo inusual no es la afirmación, sino el formato. No hay paper. Lo que se liberó es código en Lean, un lenguaje en el que un computador puede verificar cada paso lógico de una demostración. Según New Scientist, son unos 17 millones de líneas. El borrador informal generado por IA habría superado las 250.000 páginas, según la propia nota, y los archivos están divididos en 14 partes comprimidas.

La cronología que Alpöge publicó arranca el 6 de octubre y cierra el 16 de noviembre con la entrada «GRH» —la hipótesis de Riemann generalizada, que extiende el resultado a toda una familia de funciones llamadas L de Dirichlet—. Ocho de los 20 pasos se completaron el 15 de noviembre.

El propio matemático reconoce que no domina todas las partes del argumento. Le atribuye a Claude los tramos críticos, los que involucran formas automorfas en grupos de rango superior. Su frase, recogida por varios medios: «Claude me superó ampliamente cerca de la línea de meta. No, Claude voló, y bailó, y brilló cerca de esa línea de meta».

¿Ya está verificado? Lo que sí y lo que no

La parte mecánica avanzó rápido. Andrew Sutherland, del MIT, y otros investigadores confirmaron que el código compila en sus propios entornos. Sutherland señaló que la prueba se puede reverificar apoyándose solo en tres axiomas estándar y que «la posibilidad de que algo esté mal es casi cero». Elliot Glazer confirmó que el enunciado formalizado corresponde a la GRH y estima la probabilidad de un bug en Lean muy por debajo del 1%.

Pero hay un matiz que los matemáticos repiten: que el código compile no significa que el teorema final diga lo que dice la hipótesis de Riemann. Kevin Buzzard, del Imperial College de Londres, apunta que esa es la primera pregunta a resolver. James Maynard, medalla Fields, dijo que cree que la prueba es probablemente correcta pero que la verificación tomará tiempo. Terence Tao advirtió sobre el riesgo de pruebas que llegan como cajas negras selladas: verificadas, pero que no explican por qué funcionan.

La prueba humana: 940 páginas y 12 años

Horas después, Ravi Vakil, presidente de la American Mathematical Society y profesor en Stanford, publicó en su blog una prueba de la hipótesis de Riemann generalizada firmada por Alessandro Masullo, postdoc en la misma universidad. 940 páginas, sin IA, resultado de 12 años de trabajo.

Brian Conrad, experto en el área en Stanford, venía dándole feedback a Masullo desde hacía meses y confirmó a Scientific American los detalles del post. Su evaluación fue prudente: «Juzgar el éxito del método requiere que el paper llegue a una etapa de revisión más final. Está atravesando una revisión mayor». La decisión de publicarlo antes de tiempo fue forzada por el anuncio de Alpöge; Conrad lo describió como una elección entre «dos opciones desagradables».

Masullo, en su introducción: «Si este trabajo envía algún mensaje al matemático que se siente desalentado por el ritmo y el tono del clima actual, es este: seguimos aquí. Estamos muy vivos. No nos vamos a ninguna parte».

El contraste que importa: correcto pero incomprensible vs. entendible pero dudoso

El resumen más citado de la jornada es este: la solución escrita por IA es probablemente correcta pero incomprensible; la humana es probablemente técnicamente incorrecta pero entendible.

Alpöge lo planteó sin rodeos. Dijo que publicó solo Lean porque le parecía inapropiado publicar «una travesura masiva e ilegible de slop». Y sin embargo, ese montón de código es verificablemente correcto. La pregunta que deja abierta es incómoda y aplica mucho más allá de las matemáticas: si tu sistema produce algo que funciona pero que nadie de tu equipo puede auditar, ¿lo lanzas o lo retienes una década?

¿Qué pasa con el premio del millón de dólares?

El Clay Mathematics Institute ofrece US$1M por cada uno de los siete Millennium Prize Problems. Sus reglas exigen publicación en una revista con revisión por pares y al menos dos años de escrutinio público, con «aceptación general en la comunidad matemática global». En 25 años, solo se resolvió oficialmente uno: la conjetura de Poincaré.

La de OpenAI sobre Navier-Stokes, de septiembre, sigue sin reconocimiento formal y arrastra acusaciones sobre prácticas de investigación. The Verge reporta que la compañía gastó millones de dólares y desplegó 10.000 agentes en ese intento. El propio AINews lo marca como la advertencia: críticos argumentaron que su prueba en Lean no coincidía con el resultado en lenguaje natural.

Vale la pena mirar el arco completo. En agosto, una versión de investigación de Claude llevó del 41,6% al 67,2% la proporción de ceros demostrados sobre la línea crítica. Anthropic dijo entonces: «No esperamos que las técnicas que usó Claude lleven a probar la hipótesis de Riemann». Tres meses después, su propio matemático sostiene lo contrario.

Qué significa esto para tu startup

1. La verificación es el nuevo cuello de botella, no la generación. Tu equipo ya puede producir diez veces más output del que puede revisar. El caso Alpöge es el extremo: 17 millones de líneas que compilan y que ningún humano ha leído completas. Si tu producto usa IA para generar código, contratos, análisis o contenido, la inversión que te va a diferenciar no es el modelo: es el pipeline que comprueba lo que el modelo produjo. Empieza por definir qué significa «verificado» en tu caso y automatiza esa comprobación antes de escalar el volumen.

2. El patrón «Weak to Strong» ya está en tu flujo de trabajo. La experiencia habitual con agentes es la inversa: tú, humano más capaz, guías a una IA menos capaz en tareas que dominas. Alpöge vivió lo contrario: colaboró con Claude en las etapas iniciales y luego se quedó atrás en las partes críticas. Eso cambia el diseño del producto. En vez de preguntarte «¿en qué tareas reemplazo al humano?», pregúntate «¿cómo controlo y audito un sistema que en algunos tramos sabe más que yo?». La respuesta práctica son puntos de control, no instrucciones más largas.

3. Separa «correcto» de «entendido» en tu comunicación. Si vendes IA, tus clientes van a hacerte exactamente la pregunta que los matemáticos le hicieron a Alpöge: ¿por qué funciona? Ten preparada la respuesta en dos capas: la evidencia de que funciona (métricas, tests, trazas) y la explicación de por qué. La primera capa ya la tienes. La segunda es la que gana contratos en sectores regulados.

Conclusión

El día dejó dos pruebas de la hipótesis de Riemann y cero certezas. Lo que sí quedó claro es dónde se movió la frontera: el problema ya no es conseguir que un modelo resuelva algo difícil, sino construir la capacidad humana e institucional de entender, verificar y confiar en lo que produjo. El Clay Institute exige dos años de escrutinio antes de dar un millón de dólares. Tu startup no tiene dos años, pero sí puede copiar la parte útil: verificar antes de anunciar.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Daily Shot: Tu ventaja táctica

Lo que pasó en las últimas 24 horas, resumido para que tú no tengas que filtrarlo.

Suscríbete para recibir cada mañana la curaduría definitiva del ecosistema startup e inversionista. Sin ruido ni rodeos, solo la información estratégica que necesitas para avanzar:

  • Venture Capital & Inversiones: Rondas, fondos y movimientos de capital.
  • IA & Tecnología: Tendencias, Web3 y herramientas de automatización.
  • Modelos de Negocio: Actualidad en SaaS, Fintech y Cripto.
  • Propósito: Erradicar el estancamiento informativo dándote claridad desde tu primer café.

📡 El Daily Shot Startupero

Noticias del ecosistema startup en 2 minutos. Gratis, todos los días.

Share to...