La inteligencia artificial acaba de hacer historia en las matemáticas — y de una forma que pocos esperaban tan pronto.
Agentes de IA de Anthropic completaron la formalización matemática del Último Teorema de Fermat en apenas 11 días.
Así como lo lees.
Un problema que estuvo sin respuesta durante siglos, y cuya demostración humana le tomó al matemático Andrew Wiles siete años de trabajo casi secreto para ser construida en los años 1990, ahora tiene una demostración formalizada y verificada por máquina — sin ninguna suposición más allá de los propios axiomas de las matemáticas. La formalización confirma que la demostración encontrada por humanos en la década de 1990 es correcta.
Y el resultado es impresionante en números:
- 13 millones de líneas de código escritas en el lenguaje Lean
- 29.500 teoremas intermedios desarrollados a lo largo del camino como escalones necesarios para completar el trabajo
- La mayor demostración en Lean jamás creada en la historia, cinco veces más grande que todo lo que existía antes en el repositorio Mathlib
Lo que Anthropic entregó no es solo una hazaña técnica impresionante. Es un punto de inflexión real para el futuro de las matemáticas y la investigación científica. 🔑
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Pero para entender la magnitud de esta conquista, vale la pena retroceder un poco en el tiempo y comprender por qué este teorema en particular es tan especial.
Qué es el Último Teorema de Fermat y por qué importa tanto
El Último Teorema de Fermat es una de esas historias que parecen sacadas de una película. En el siglo XVII, el matemático francés Pierre de Fermat planteó el enigma y escribió al margen de un libro que estaba usando que había descubierto una demostración para la afirmación. ¿El detalle famoso? Dijo que el margen era demasiado pequeño para que cupiera la demostración. Y ahí comenzó uno de los mayores misterios de la historia de las matemáticas, que permaneció abierto durante siglos.
El teorema, a pesar de ser fácil de enunciar, fue extremadamente difícil de demostrar. Afirma que no existen números enteros a, b y c que satisfagan la ecuación aⁿ + bⁿ = cⁿ, donde n es un número entero mayor que 2. Simple de escribir, casi imposible de demostrar.
Durante siglos, los más grandes matemáticos del mundo intentaron demostrar la afirmación de Fermat y fracasaron. Fue recién en 1995 que el matemático británico Andrew Wiles publicó una demostración matemática completa. Wiles trabajó en el problema durante siete años en secreto antes de anunciar su avance en 1993. Las demostraciones matemáticas suelen involucrar largos argumentos lógicos que se apoyan unos en otros. Si un solo paso contiene un error, todo puede desmoronarse. Y fue exactamente eso lo que sucedió con Wiles: se encontró una falla en su demostración, y él junto con su colaborador Richard Taylor tardaron cerca de un año en corregirla.
Es justamente ese tipo de fragilidad lo que la formalización matemática resuelve. Saca la demostración del dominio del papel y lápiz y la coloca en una configuración — código de computadora — que permite a las máquinas trabajar metódicamente sobre la lógica, exponiendo cualquier falla. Hoy ya existen cerca de 2 millones de líneas de matemática formalizada almacenadas en un repositorio central llamado Mathlib. Es aquí donde la conquista de Anthropic entra en escena con toda su fuerza. 💡
Cómo la Inteligencia Artificial de Anthropic lo logró en 11 días
Anthropic utilizó agentes de inteligencia artificial basados en su modelo Claude para conducir el proceso de formalización. Según la propia empresa, Claude trabajó de forma continua y autónoma durante 11 días para escribir la demostración. En lugar de un único modelo respondiendo preguntas, el enfoque utilizó múltiples agentes de IA trabajando de forma coordinada, con tareas diferentes asignadas a cada uno — como enfrentar porciones más pequeñas del teorema, dividiendo el problema en partes manejables.
No todo fue perfectamente lineal, sin embargo. Especialistas humanos ocasionalmente emitieron instrucciones de alto nivel para mantener el trabajo en el camino correcto. En varios momentos, los agentes perdieron la noción del estado del proyecto y dejaron de colaborar de forma eficaz. Curiosamente, Anthropic afirmó que el éxito solo llegó después de que la empresa comenzó a usar una herramienta diseñada para la colaboración matemática entre humanos, llamada Prove2Me, que ayudó a los diferentes agentes a dar seguimiento a su trabajo y decidir las siguientes tareas.
El lenguaje elegido para este trabajo fue Lean, un sistema de demostración asistida por computadora que funciona como una especie de compilador para matemáticas — si la lógica tiene algún error, simplemente no lo acepta. Para tener una idea de la escala: el repositorio Mathlib fue construido a lo largo de años por cientos de matemáticos y programadores colaborando juntos. La demostración generada por los agentes de Anthropic es cinco veces más grande que todo lo que había en ese repositorio antes, con 13 millones de líneas de código y 29.500 teoremas intermedios. Todo esto en menos de dos semanas. 🤖
Qué dijeron los especialistas sobre la hazaña
A comienzos de este año, una conferencia que reunió a especialistas en IA, científicos de la computación y matemáticos se realizó en Londres organizada por Kevin Buzzard, del Imperial College London. Hasta el anuncio de Anthropic, Buzzard estaba dirigiendo un proyecto de cinco años para formalizar la demostración de más de 100 páginas de Wiles y Taylor en el lenguaje Lean, justamente para que pudiera ser verificada formalmente y servir de base para nuevas investigaciones.
Buzzard había dicho, en aquel momento, que cuando el proyecto comenzó estaba confiado en el éxito, pero que los avances recientes en IA lo convencieron de que el trabajo se completaría mucho más rápido de lo que él imaginaba posible. El anuncio de Anthropic terminó superando ese esfuerzo y cerrando la cuestión.
En una declaración publicada por la propia Anthropic, Buzzard afirmó que la demostración de la empresa no deja ninguna suposición más allá de los axiomas de las matemáticas. En resumen: el problema está resuelto. Destacó además que, a lo largo del proceso, fue posible observar la autoformalización de álgebra, análisis armónico, geometría y teoría de números, y que los artefactos de autoformalización de IA ahora son lo suficientemente robustos como para ser usados como base para nuevos trabajos, ya que la demostración es multicapa. Según Buzzard, si la formalización automática del Último Teorema de Fermat es posible ahora, entonces hemos dado un gran paso hacia la formalización automática de toda la literatura matemática moderna.
Qué cambia a partir de ahora para las matemáticas y la ciencia
La conquista de Anthropic no es solo un récord técnico. Abre una puerta que la comunidad científica venía intentando abrir desde hace décadas: la posibilidad de tener demostraciones matemáticas verificadas por máquina de forma sistemática y escalable. Esto tiene implicaciones enormes. Los errores en demostraciones complejas existen y son más comunes de lo que se imagina — la propia demostración de Wiles tuvo una falla que tardó un año en ser corregida. Un sistema capaz de formalizar y verificar demostraciones automáticamente podría reducir drásticamente este tipo de problemas.
Herramientas que usamos a diario
Además, la capacidad de generar y verificar matemática formal a velocidad de máquina abre espacio para explorar problemas que hoy son considerados inaccesibles por el volumen de trabajo que requerirían. Existen conjeturas famosas en las matemáticas — como la Hipótesis de Riemann y otros problemas del milenio — que pueden convertirse en objetivos más viables para enfoques basados en inteligencia artificial en los próximos años. No es que la IA vaya a resolver todo automáticamente, pero puede acelerar de forma dramática el trabajo de los matemáticos humanos, dejándoles a ellos las partes que todavía requieren intuición y creatividad de alto nivel.
Para la comunidad científica en general, el impacto va más allá de las matemáticas puras. La física teórica, la criptografía, la ciencia de la computación e incluso la biología computacional dependen de fundamentos matemáticos rigurosos. Contar con herramientas capaces de formalizar y verificar esos fundamentos con la velocidad que Anthropic demostró puede cambiar el ritmo del progreso científico de forma significativa. 🚀
Por qué la formalización matemática es tan difícil — y tan importante
Para quien no es del área, puede parecer extraño que una demostración ya aceptada por la comunidad matemática necesite ser formalizada. Al fin y al cabo, si los especialistas ya la validaron, ¿cuál es el problema? La respuesta está en la diferencia entre convencer a otros matemáticos y demostrar de forma absolutamente irrefutable. Las demostraciones tradicionales se escriben en lenguaje natural mezclado con notación matemática, y dependen de que el lector llene los vacíos con su propio conocimiento e intuición. Un matemático experimentado lee un argumento y entiende lo que se está diciendo, incluso si varios pasos intermedios no están escritos explícitamente.
En la formalización matemática, esto no está permitido. Cada paso necesita estar justificado por axiomas o por teoremas ya demostrados anteriormente. Es como la diferencia entre describir un algoritmo en lenguaje natural y escribir el código que realmente se ejecuta en la máquina — la computadora no tolera ambigüedad. Este nivel de rigor es extremadamente valioso porque garantiza que la demostración es correcta de verdad, no solo convincente. Y el trabajo de transformar una demostración intuitiva en formal suele revelar sutilezas y dependencias que no eran obvias en la versión original.
El desafío es que este proceso es increíblemente lento cuando lo hacen humanos. Proyectos de formalización de teoremas importantes tomaron años de esfuerzo colectivo de comunidades enteras de matemáticos y científicos de la computación. El hecho de que agentes de inteligencia artificial logren hacer esto en 11 días con un teorema de la complejidad del Último Teorema de Fermat sugiere que estamos entrando en una nueva era para esta área — y que el ritmo seguirá acelerándose a medida que los modelos se vuelvan más capaces y las técnicas de coordinación entre agentes evolucionen. Este es el tipo de avance que va a ser estudiado y referenciado durante mucho tiempo. ✨
