Levent Alpöge afirma ter provado a Hipótese de Riemann Generalizada [pdf]

Um pesquisador da Anthropic afirma ter provado a Hipótese de Riemann Generalizada com ampla ajuda do modelo Claude da IA, apoiado por uma formalização em Lean que, segundo relatos, abrange milhões de linhas e centenas de milhares de páginas. Os comentaristas oscilam entre entusiasmo e ceticismo: lembram falhas célebres do passado, enfatizam que só especialistas independentes e verificação formal podem trazer aceitação real e temem uma era emergente de provas matematicamente corretas, mas incompreensíveis para humanos. Além da matemática, muitos veem isso como um momento de virada para as capacidades da IA, levantando questões sobre superinteligência, o futuro do trabalho matemático humano e a concentração dessas ferramentas em laboratórios privados.

Reação geral e credibilidade

  • Muitos comentaristas descrevem isso como potencialmente um dos maiores dias da matemática moderna, comparável a provas históricas marcantes.
  • O entusiasmo é temperado por lembretes de que matemáticos proeminentes já erraram antes; a verificação pela comunidade é vista como essencial.
  • Alguns tratam a existência de uma formalização em Lean como um aumento drástico da confiança; outros enfatizam que o Lean apenas garante “se a formulação formal estiver certa, então a prova é válida”.

Formalização em Lean, escala e praticidade

  • A prova em Lean é vinculada como um tarball em 14 partes, ~1 GB, ~15 milhões de linhas em ~175 mil arquivos; estima-se que leve ~um dia para compilar em hardware sério.
  • A prova em linguagem natural excederia ~250 mil páginas, então não foi divulgada na íntegra.
  • As pessoas discutem a necessidade de comparadores e múltiplos kernels de prova para mitigar bugs do Lean e para verificar que nenhum axioma extra foi introduzido sorrateiramente.

Papel da IA vs. matemático humano

  • O documento retrata um fluxo de trabalho “centauro”: o humano define as ideias e a direção; o modelo explora e executa argumentos técnicos em larga escala, especialmente perto da “linha de chegada”.
  • Há debate sobre crédito: alguns argumentam que o especialista humano é indispensável; outros dizem que a IA fez “a maior parte” do trabalho, dada a escala da prova.
  • A linguagem antropomórfica sobre o modelo (“voou, dançou, cintilou”) divide os comentaristas entre achar poético e achar constrangedor.

Importância de RH/GRH e matemática subsequente

  • Vários comentários observam que muitos teoremas são atualmente provados condicionalmente em (G)RH; se isso estiver correto, eles se tornam incondicionais.
  • Os efeitos práticos diretos são vistos como modestos e em grande parte teóricos (distribuição de primos, testes de primalidade, teoria dos números, limites em criptografia).
  • Vários especulam que a GRH pode implicar rapidamente progresso em problemas como Goldbach, embora os detalhes e condições adicionais sejam apontados como não triviais.

Compreensão vs. mera correção

  • Uma preocupação importante é que provas gigantes assistidas por IA possam ficar para sempre fora da compreensão individual humana, deslocando a matemática de uma visão elegante para um argumento formal bruto.
  • Outros esperam simplificações substanciais ao longo do tempo, citando como provas anteriores em IA (por exemplo, quasi-Riemann, formalizações do FLT) foram depois comprimidas por humanos.

Verificação, bugs e definições

  • Tarefas-chave de verificação identificadas:
    • Confirmar que a declaração do teorema em Lean corresponde à definição padrão de GRH (por exemplo, da mathlib/formal-conjectures).
    • Verificar que nenhum axioma não padrão ou bug do kernel do Lean foi explorado.
  • Alguns argumentam que o Lean reduz muito a margem para erro humano; outros alertam que a má especificação do problema ou problemas sutis no kernel continuam sendo riscos reais.

Progresso em IA, AGI e segurança

  • Muitos veem isso (além de Navier-Stokes e outros resultados) como evidência de que os modelos de fronteira já são sobre-humanos em domínios matemáticos restritos.
  • Um longo subfio debate se isso implica superinteligência iminente ou autoaperfeiçoamento recursivo; os céticos observam que todos os grandes ganhos estão em domínios estritamente verificáveis.
  • Alguns pedem regulação ou uma “pausa”, preocupados com capacidades futuras (por exemplo, quebra de criptografia, patógenos projetados); outros veem isso como prematuro ou inviável.

Acesso, equidade e dinâmica institucional

  • Há preocupação de que funcionários de alguns poucos laboratórios de IA, com acesso exclusivo aos melhores modelos e a enorme capacidade computacional, possam agora avançar à frente da comunidade matemática mais ampla.
  • Alguns elogiam os laboratórios de IA por, na prática, financiarem matemática pura com dinheiro de investidores; outros se incomodam com modelos fechados “acumulando” poder intelectual.
  • É notado o timing em relação a um IPO recente; as opiniões se dividem sobre se isso é marketing ou apenas uma aparência infeliz.