Un modello Anthropic non rilasciato avanza sull’ipotesi di Riemann

Anthropic ha annunciato lunedì che un suo modello non ancora rilasciato ha aumentato il limite inferiore dei casi in cui l’ipotesi di Riemann risulta vera. L’azienda parla di “progressi significativi” su un problema aperto da oltre un secolo e mezzo.¹

L’ipotesi di Riemann riguarda la distribuzione dei numeri primi. Da più di 150 anni resta irrisolta. È in palio una ricompensa da 1 milione di dollari per una dimostrazione generale, mai assegnata. I modelli di intelligenza artificiale contemporanei non la sanno ancora risolvere, ma possono spingersi più avanti del previsto. L’annuncio di Anthropic si colloca qui: un passo misurabile, non una prova, che estende l’intervallo in cui l’ipotesi tiene.¹

Il processo colpisce quanto il risultato. Un membro del team, senza una formazione matematica significativa, ha chiesto al modello di “prendersi davvero sul serio” il problema. Poi lo ha lasciato coordinare il lavoro per il giorno e mezzo successivo. L’uso del termine “coordinare” è centrale nella descrizione: il modello ha gestito la propria attività su quell’arco temporale per esplorare la via alla dimostrazione.¹

I numeri dell’esperimento sono precisi. Il sistema ha testato 650 idee per affrontare l’ipotesi. Ha lavorato con 60 sotto‑agenti. Ha speso “31 milioni” in totale. La comunicazione riportata non specifica l’unità della spesa. Questi dati delineano un’esplorazione ampia e strutturata, ottenuta senza che chi ha impostato il compito disponesse di una specializzazione matematica profonda.¹

Il quadro resta netto: l’ipotesi di Riemann non è risolta. L’avanzamento dichiarato da Anthropic riguarda l’aumento del limite inferiore per cui l’ipotesi vale, non la chiusura del problema. La differenza è sostanziale ed è confermata anche dall’osservazione di partenza: i modelli attuali non arrivano alla dimostrazione generale. Ma il dato nuovo è che l’IA può contribuire a esplorare lo spazio delle idee su scala più ampia del previsto, mettendo alla prova molte strade in poco tempo e selezionando quelle più promettenti.¹

Secondo l’annuncio, questo tipo di risultato potrebbe riaprire domande che accompagnano l’IA da anni: fino a che punto i sistemi contemporanei sanno scoprire idee scientifiche e matematiche nuove? E in quali condizioni operative possono farlo con affidabilità? L’esperimento descritto mette sul tavolo un caso concreto, con un meccanismo di coordinamento interno e un insieme di tentativi numerosi e tracciabili. Resta da capire come questi progressi parziali si tradurranno in pratiche di lavoro e in criteri condivisi di valutazione.¹

Un dettaglio resta in sospeso nella sintesi circolata: la frase “Out of the 60 subagents, two were respo...” si interrompe prima di completare il pensiero. Non ci sono altre informazioni pubbliche su quel punto nella fonte riportata. È un promemoria sulla cautela necessaria nel leggere annunci tecnici sintetici: contano il perimetro delle affermazioni, i numeri disponibili e ciò che manca.¹