Claude har inte löst Riemann-hypotesen. Det störande är vad han uppnådde när han försökte

Riemann-hypotesen har inte lösts sedan 1859, och för närvarande kan inte ens de bästa AI:erna på planeten hantera den. Anthropic har precis prövat det med en experimentell modell, och även om projektet har haft en positiv sida påpekar företaget själva att man inte förväntar sig att de tekniker man hittat kommer att hjälpa till att lösa detta matematiska problem. Det märkliga är att när man försökte lösa den hypotesen, uppnådde den AI-modellen något slående.

Oväntat resultat. Jarred Sumner, en antropisk anställd utan specifik utbildning i avancerad matematik, bad först denna speciella variant av Claude att helt enkelt försöka lösa hypotesen. Modellen genererade och testade 650 idéer och ingen av dem fungerade, men det var där det bra började. "Vi är nära att AI löser ett problem och människor kan inte förklara det": matematiker ger sin åsikt om AI.

Ge inte upp, AI. Sumner insisterade helt enkelt på att han skulle försöka igen för att lösa problemet. Under nästa och en halv dag skrev Claude hundratals Python-skript och utförde numeriska kontroller.

Och från dem hittade två av subagenterna som aktiverades idéer som hjälper till i ett av resultaten som härrörde från hypotesen som också hade utvecklats mycket långsamt i decennier. Således lyckades Claude göra ett hopp inom en av de kända gränserna för det härledda resultatet, från 41,6 % till 67,2 %. Claude förklarade hur han hade kommit fram till detta resultat.

Tro på dig själv. I Anthropic förklarar de att under mycket av processen var Sumners ingripanden begränsade till att säga till modellen "fortsätt igång" och "tro på dig själv". Det är inte så att AI-modeller behöver oss för att höja deras självkänsla: vad Sumner uppnådde med de enkla uppmaningarna var kanske att ge maskinen tillåtelse att konsumera mer och mer datoranvändning trots misslyckandena, även om det finns de som hävdar att denna teori inte är särskilt meningsfull.

Koppla ihop prickarna. För att uppnå detta kopplade Claude nyare arbeten av olika matematiker som hade arbetat med hypotesen, och nyheten var att upptäcka att alla dessa verktyg utvecklade av mänskliga experter kunde kombineras för att övervinna den tidigare gränsen. Den här typen av mönster börjar upprepa sig i vetenskaplig forskning (och inom andra områden) där AI tillämpas: modellerna skapar inte helt nya teorier, men de kan genomgå stora samlingar av litteratur för att upptäcka samband som människor hade misslyckats med att upptäcka. 31 miljoner tokens förbrukade.

De två Claude Code-sessionerna som användes under detta experiment genererade 31 miljoner output-tokens, även om den ekonomiska kostnaden för denna process inte är detaljerad. Efter att ha hittat det ovannämnda resultatet försökte agenterna demontera det, söka efter motexempel, ladda ner 54 relaterade studier på arXiv för att kontrollera att ingen hade publicerat den idén och sedan bevisa den igen från grunden. Två antropiska matematiker studerade det resulterande testet med hjälp av Lean-plattformen och validerade det.

I Xataka 1997 omdefinierade en dator schack för alltid. OpenAI tror att det är i en position att göra detsamma med matematik. AI är inte bra, men det är ihållande.

Claude är kanske inte den största matematikern i världen för tillfället, men han och andra modeller som häpnar oss inom matematikområdet gör något klart: att de kan bete sig som outtröttliga forskare som kan konsumera enorma mängder matematisk litteratur för att hitta användbara kopplingar mellan alla typer av teorier. Riemanns hypotes är fortfarande oöverstiglig, men AI fortsätter att bekräfta att dess råa kapacitet kan vara till stor hjälp för oss. I Xataka | Einstein lämnade oss en matematisk gåta som var otydlig i nästan ett sekel.

Tills en spansk forskare kom