Ramanujan: 3.900 fórmulas que la IA aún no descifra

Un matemático autodidacta con 3.900 fórmulas que la ciencia aún no ha descifrado del todo

Srinivasa Ramanujan murió a los 32 años, en 1920, sin título universitario y sin haber pisado un laboratorio de investigación formal. Dejó atrás cerca de 3.900 resultados matemáticos —identidades, ecuaciones y conjeturas— de los cuales la gran mayoría resultaron ser correctos. En 2024, más de un siglo después, los matemáticos siguen trabajando para comprender por qué funcionan.

Para un founder o líder técnico, esta historia no es solo inspiracional. Es un caso de estudio sobre cómo el pensamiento intuitivo, aplicado con consistencia extrema, puede generar ventajas competitivas que la formalidad convencional tarda décadas en alcanzar.

¿Qué descubrió Ramanujan y por qué aún importa en 2025?

Su contribución más influyente en matemáticas contemporáneas es la fórmula asintótica de Hardy-Ramanujan, desarrollada junto al matemático británico G.H. Hardy, que permite calcular el número de particiones de un entero —es decir, las formas distintas de descomponer un número en sumas de enteros positivos—.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Ejemplo concreto: el número 4 tiene exactamente 5 particiones (4; 3+1; 2+2; 2+1+1; 1+1+1+1). Para números grandes, este cálculo se vuelve computacionalmente costoso. La fórmula de Ramanujan lo resuelve con una aproximación que, refinada en 1937 por Hans Rademacher, se convirtió en una serie convergente exacta. Hoy se usa en simulación computacional y combinatoria avanzada.

Sus congruencias de Ramanujan —propiedades de divisibilidad de la función de partición módulo ciertos primos— fueron un misterio durante décadas. Investigaciones recientes las explican mediante teoría fractal: las particiones exhiben patrones periódicos y autosimilares para cada primo, una conexión que nadie anticipó y que abrió un campo de investigación nuevo.

De las particiones a la física cuántica y la teoría de cuerdas

Las matemáticas de Ramanujan no se quedaron en los libros de teoría de números. Sus series-q —un tipo de expresión matemática que él desarrolló intuitivamente— tienen hoy aplicaciones directas en:

Física cuántica: El conteo de estados en modelos de mecánica estadística usa directamente la teoría de particiones. Cada microestado posible de un sistema físico es, matemáticamente, una partición.
Teoría de cuerdas: El análisis de Fourier y las funciones modulares que Ramanujan exploró son herramientas centrales en la cuantización de cuerdas y el cálculo de amplitudes de dispersión.
Funciones modulares y geometría algebraica: Sus identidades sobre funciones theta y series de Eisenstein conectan directamente con la geometría de variedades algebraicas, un área que hoy integra la geometría diferencial con la teoría de números.

El matemático español Renato Álvarez-Nodarse, de la Universidad de Sevilla, ha documentado estas conexiones en su análisis de las series-q de Ramanujan, señalando su relevancia en teoría analítica de números y física matemática.

¿Tiene Ramanujan algo que ver con la inteligencia artificial?

Más de lo que parece. En 2019, el proyecto Ramanujan Machine —desarrollado en el Technion (Israel Institute of Technology)— usó algoritmos de búsqueda automática para descubrir nuevas identidades matemáticas al estilo de Ramanujan. El sistema encontró conjeturas sobre constantes como pi y la constante de Euler que los matemáticos luego verificaron formalmente.

Esto es relevante para el ecosistema tech por dos razones. Primera: los algoritmos de búsqueda en espacio matemático se parecen mucho a los de exploración en reinforcement learning. Segunda: demuestra que el método de Ramanujan —proponer primero, verificar después— puede automatizarse y escalar con IA. Herramientas como AlphaProof de DeepMind (2024) están siguiendo una lógica similar para resolver problemas matemáticos de competición olímpica.

En combinatoria, la teoría de particiones también tiene aplicaciones directas en algoritmos de planificación y optimización discreta, áreas clave para productos SaaS de logística, scheduling y asignación de recursos.

¿Qué significa esto para tu startup?

La historia de Ramanujan no es una curiosidad histórica. Es un modelo operativo que founders y CTOs pueden estudiar con propósito concreto:

1. La intuición sin validación formal es un activo, no un defecto

Ramanujan presentaba resultados sin demostración. La comunidad matemática tardó décadas en construir las pruebas. En el contexto de una startup, esto equivale a lanzar una hipótesis de producto antes de tener todos los datos. El error más costoso no es iterar sin certeza —es esperar la certeza antes de actuar.

2. La colaboración entre intuición y rigor multiplica el impacto

La sociedad Ramanujan-Hardy es un caso clásico de complementariedad: uno aportaba visión sin estructura; el otro, estructura sin visión. Muchos equipos fundadores necesitan exactamente esta tensión productiva. El CTO que valida rápido lo que el CEO vislumbra, o viceversa.

3. Las matemáticas de base tienen horizontes de aplicación que hoy no existen

Ramanujan no sabía que sus series-q aparecerían en física cuántica ni en teoría de cuerdas —disciplinas que no existían en su época. Para founders en IA, biotech o computación cuántica, la lección es clara: invertir en fundamentos matemáticos y científicos profundos genera ventajas competitivas de largo plazo que los competidores que solo optimizan a corto no pueden replicar.

Acciones concretas que puedes implementar esta semana:

Si tu producto usa modelos de IA, revisa si tu equipo de data science tiene familiaridad con teoría de grupos y funciones especiales. No es un lujo —es la base de architecturas como los transformers.
Aplica el método Ramanujan a tu proceso de product discovery: permite que tu equipo lance hipótesis sin exigir demostración inmediata. Crea un sistema de validación ágil posterior, no previo.
Estudia el caso de la Ramanujan Machine si estás construyendo productos de IA generativa o razonamiento formal. El enfoque de búsqueda exploratoria en espacio de hipótesis es directamente aplicable a arquitecturas de agentes.

El contexto que falta: por qué la matemática pura siempre llega antes que la aplicación

Existe un patrón recurrente en la historia de la tecnología: las matemáticas abstractas de hoy son la infraestructura de los productos de mañana. La teoría de grupos de Galois, desarrollada en el siglo XIX sin aplicación visible, es hoy la base de la criptografía que protege cada transacción bancaria digital. La geometría diferencial de Riemann, pura abstracción en 1854, se convirtió en el lenguaje matemático de la relatividad general y hoy aparece en sensores de navegación.

Las matemáticas de Ramanujan siguen ese mismo arco. Sus identidades sobre formas modulares son parte central de la prueba del último teorema de Fermat (demostrada por Andrew Wiles en 1995) y están integradas en el programa de Langlands, uno de los proyectos más ambiciosos de las matemáticas modernas que busca unificar teoría de números, geometría algebraica y representaciones de grupos.

Para founders en España y LATAM que compiten globalmente: el acceso a talento matemático de alta formación —que en la región existe y está infrautilizado— es una ventaja competitiva real frente a competidores que solo escalan por headcount.

Lo que aún no entendemos de Ramanujan

Quanta Magazine señala que la matemática contemporánea todavía está alcanzando a Ramanujan. No es retórica. Varias de sus fórmulas sobre funciones mock theta —un tipo de función que él definió intuitivamente semanas antes de morir— no tuvieron interpretación formal hasta 2002, cuando Sander Zwegers las conectó con las formas modulares armónicas. Un resultado que llevó 82 años entender.

Esto sugiere que sus cuadernos —tres libretas conocidas y una cuarta descubierta en 1976 en la biblioteca del Trinity College de Cambridge— probablemente contienen resultados cuya aplicación aún no existe. La comunidad matemática los sigue explorando sistemáticamente.