Claude og Riemann-hypotesen løst? lektien er maskinel verifikation
Fredag den 20. november skrev Levent Alpöge, matematiker hos Anthropic, at han sammen med Claude har fundet et bevis for Riemann-hypotesen, det mest berømte uløste problem i matematikken. Han lagde ikke en artikel ud. Han lagde koden ud: he…
Fredag den 20. november skrev Levent Alpöge, matematiker hos Anthropic, at han sammen med Claude har fundet et bevis for Riemann-hypotesen, det mest berømte uløste problem i matematikken. Han lagde ikke en artikel ud. Han lagde koden ud: hele argumentet formaliseret i bevisassistenten Lean, så en computer kan efterprøve hvert eneste logiske skridt. Inden døgnet var omme, havde uafhængige matematikere kørt koden gennem flere kontrolprogrammer og meldte, at den ser ud til at holde.
Det er den interessante del for alle, der arbejder med AI. En sprogmodel kan nu ræsonnere dybere, end selv eksperter kan følge med i. Det rejser et tillidsproblem, og svaret på det er maskinel verifikation. Beviset blev taget alvorligt, fordi uafhængige folk uden tilknytning til Alpöge kunne køre det gennem flere kontrolprogrammer skrevet uafhængigt af hinanden. Det princip er præcis det, I får brug for, når I sætter AI-agenter til at skrive kode, regne på tal eller forberede beslutninger.
Hvad Alpöge hævder at have bevist
Riemann-hypotesen blev formuleret af Bernhard Riemann i 1859 og handler om, hvor nulpunkterne for den såkaldte zeta-funktion ligger. Bag den tørre formulering gemmer sig det præcise mønster i, hvordan primtallene er fordelt. Problemet er et af Clay Mathematics Institutes syv Millennium Prize-problemer, og indtil nu er kun ét af dem, Poincaré-formodningen, officielt løst.
I et fire sider langt notat på sin hjemmeside skriver Alpöge, at metoden rækker videre end selve Riemann-hypotesen. Den afgør også den generaliserede Riemann-hypotese for Dirichlet L-funktioner, og han forventer, at den udvidede version følger med mere tid. Han beskriver, at han selv styrede argumentet hen til den rigtige situation, mens Claude stod for den tekniske beherskelse af automorfe former på grupper af høj rang, et felt han åbent erkender, at han ikke selv mestrer. Rent matematisk kombinerer beviset to idéer: en videreudvikling af Stepanovs argument, der løste Riemann-hypotesen over funktionslegemer, og en kæde af theta-løft mellem unitære grupper, hvor Claude foreslog en kædelængde på kvadratroden af X. For sjov lod Alpöge modellen producere over 250.000 siders tekst, som Claude ifølge ham kaldte GRH-"bogen".
Anthropic selv har ikke stået bag annonceringen. Notatet er skrevet i første person og lagt på Alpöges eget domæne. Det står i kontrast til august, hvor Anthropic offentliggjorde, at en intern udgave af Claude havde hævet den kendte nedre grænse for andelen af zeta-nulpunkter på den kritiske linje fra 41,6 til 67,2 procent, og samtidig understregede, at Claude ikke havde bevist hypotesen, og at teknikkerne ikke ventedes at føre til et bevis.
Hvorfor Lean gør det her anderledes end et PDF
Normalt annonceres et bevis som en artikel, som andre matematikere så bruger måneder eller år på at læse. Alpöge valgte en anden vej. I stedet for at udgive et dokument på hundredtusindvis af ulæselige sider lagde han kun Lean-koden ud, delt i 14 filer. Lean er en bevisassistent, et program hvor du skriver både sætningen og hvert skridt i beviset i et formelt sprog, så computeren kan kontrollere, at slutningerne faktisk følger af aksiomerne.
Fordelen er, at tjekket ikke afhænger af, om en travl professor orker at læse det hele. Kompilerer koden, og siger den formelle sætning det samme som Riemann-hypotesen, er argumentet korrekt i forhold til de aksiomer og de kontrolprogrammer, der er brugt. Ulempen er lige så vigtig at forstå. Et bestået Lean-tjek fortæller dig ikke, at den sætning, der står i koden, virkelig er Riemann-hypotesen og ikke en svagere variant. Det fortæller dig heller ikke, at definitionerne af for eksempel zeta-funktionen er de rigtige, eller at der ikke er sneget en skjult antagelse ind undervejs. Derfor er det ikke nok, at koden kører. Nogen skal også bekræfte, at den beviser den rigtige sætning.
Status på verifikationen, og hvad der stadig mangler
MIT-matematikeren Andrew Sutherland begyndte at efterprøve koden samme dag. På hans offentlige verifikationsside kan du følge hvert tjek. Projektet består af 175.187 moduler bygget med Lean v4.33.1 og Mathlib v4.33.1. Den eksporterede version af beviset fylder 7,7 GB komprimeret og knap 62 GB udpakket, og en egen kontrol kræver omkring 100 GB RAM. Det kan I ikke lige køre på en bærbar.
Status er indtil videre stærk. Alle moduler kompilerer uden fejl, og de fem hovedsætninger bygger kun på Leans tre standardaksiomer. Kontrolprogrammet leanchecker har afspillet alle 175.187 moduler uden en eneste afvisning. To uafhængigt skrevne kerner, nanoda i Rust og con-leche, accepterer hele det eksporterede bevis, og con-leches sammenligningstilstand bekræfter, at de fem sætninger svarer til den officielle formulering af Riemann-hypotesen i Mathlib. Det sidste er vigtigt, for det er netop svaret på spørgsmålet om, hvorvidt koden beviser den rigtige sætning. To ting kørte stadig ved sidste opdatering: den fulde comparator-kørsel fra ende til anden og en kontrol med Leans egen standard- og "paranoid" kerne direkte på eksporten. Begge dele er enkelttrådede og tager lang tid.
Tonen blandt fagfolk afspejler det. Scientific American skrev, at matematikere nu er næsten sikre på, at beviset holder, og citerede Sutherland for, at chancen for, at noget er galt, er omtrent nul. Samme Sutherland tilføjede, at der er meget arbejde tilbage i at forstå den matematiske detalje. Matematikeren Terence Tao bekræftede på sin blog den 20. november, at Alpöge med en intern AI-model har produceret et enormt, rent Lean-baseret bevis for den generaliserede hypotese, og selve gennemgangen foregår i en åben Lean-chat. Fields-medaljevinder James Maynard sagde til Nature, at hvis det holder hele vejen, er det klart en historisk milepæl. Indtil comparator-kørslen er helt færdig, er det rigtige ord stadig "hævdet" og ikke "bevist".
Kritikken: timingen, forståelsen og et rivaliserende bevis
Ikke alle er lige begejstrede. Talteoretikeren Andrew Granville kaldte over for Nature det udgivne notat "garbled", altså forvrøvlet, og mente, at Alpöge burde have brugt tid på en klarere gennemgang, før han gik ud med det. Han pegede også på tidspunktet. Annonceringen kom dagen efter Anthropics børsnotering på Nasdaq. Alpöge er selv inde på det og skriver, at den præcise timing er forfærdelig. Han fortæller, at han kontaktede Dario Amodei sent søndag aften den 15. november for at høre, hvordan han kunne annoncere, at der var en begrænsning at respektere, og at den kyniske fortolkning af tidspunktet er forkert.
Et andet forbehold er mere grundlæggende: ingen forstår endnu beviset. Alpöge lægger et komplet argument frem, før han selv har mestret den omkringliggende matematik, og lover en ordentlig, læsbar gennemgang senere. Og så er der det usædvanlige sammentræf, at der samme dag dukkede et konkurrerende bevis op. Ravi Vakil, professor på Stanford og formand for American Mathematical Society, lagde et udkast op fra postdoc Alessandro Masullo, et menneskeskrevet manuskript på omkring 940 sider, der også hævder den generaliserede hypotese. Vakil kalder det "helt menneskeligt, uden AI". Stanford-matematikeren Brian Conrad har vurderet det i månedsvis og siger, at det indtil videre ser godt ud. Masullo havde egentlig planlagt endnu et år til at finpudse det, men den AI-assisterede annoncering rykkede tidsplanen. Heller ikke Masullos udkast er verificeret, og der blev rapporteret problemer til Vakil inden for få timer efter offentliggørelsen.
Lektien: stol på tjekket, ikke på modellen
Træd et skridt tilbage fra matematikken, og mønsteret er det, der betyder noget for jer. En AI leverede et resultat, som topeksperter ikke selv kan efterprøve ved at læse. Alligevel kunne verden begynde at tro på det inden for et døgn. Grunden var, at outputtet kom i en form, hvor andre maskinelt kunne kontrollere det, og at der fandtes uafhængige kontrollører til at gøre det. Hverken Claudes pålidelighed eller Anthropics størrelse var det, der afgjorde sagen.
Det er en brugbar model for, hvordan virksomheder bør sætte AI i arbejde. Et svar fra en sprogmodel er en påstand, ikke en garanti, og den kan hallucinere lige så selvsikkert, som den rammer rigtigt. Brug den gerne til de svære opgaver, men kræv output, der kan tjekkes af noget andet end modellen selv: tests, der kører, formelle specifikationer, sporbare kilder og beregninger, der kan gentages. Vi har tidligere beskrevet, hvordan DeepMinds agenter beviste Signals sikkerhed matematisk, og hvordan OpenAIs Astra løste ti gamle matematiske problemer. Riemann-sagen er det samme mønster i den største skala, vi har set: AI udforsker løsningen, et uafhængigt tjek afgør, om den holder.
Ofte stillede spørgsmål
Er Riemann-hypotesen nu bevist?
Ikke endeligt. Alpöge hævder et bevis, og de uafhængige Lean-tjek er indtil videre stærke, men den fulde comparator-kørsel og en enkelttrådet kontrol med Leans paranoid-kerne kørte stadig ved sidste opdatering. Clay Mathematics Institute kræver desuden offentliggørelse i et anerkendt tidsskrift og mindst to års bred accept, før en prisvurdering kan begynde. Brug ordet "hævdet", ikke "bevist", indtil checkene er færdige.
Hvad betyder det, at beviset er skrevet i Lean?
Lean er en bevisassistent, hvor hvert logisk skridt skrives formelt, så en computer kan kontrollere det. Et bestået tjek viser, at argumentet følger af standardaksiomerne ifølge de brugte kontrolprogrammer. Det viser ikke af sig selv, at den formelle sætning virkelig er Riemann-hypotesen. Det kræver en separat sammenligning med den officielle definition i matematikbiblioteket Mathlib, og den er i dette tilfælde bestået.
Hvilken Claude-model blev brugt?
Det er ikke oplyst i kilderne, hvilken Claude-model eller hvor meget regnekraft der blev brugt. Anthropic har ikke officielt kommenteret eller været involveret i annonceringen, som Alpöge lagde ud på sin egen hjemmeside dagen efter virksomhedens børsnotering.
Hvad kan vores virksomhed lære af sagen?
At pålidelighed skal hvile på verifikation. Beviset blev taget alvorligt, fordi uafhængige parter kunne efterprøve det med flere kontrolprogrammer skrevet uafhængigt af hinanden. Oversat til almindelig drift: kræv AI-output, der kan tjekkes af noget andet end modellen selv, og lad ikke den agent, der løste opgaven, være den eneste, der godkender resultatet.
Uanset om det her bevis holder hele vejen, er det et varsel. Sprogmodeller er begyndt at levere ræsonnementer, som de dygtigste mennesker i et felt ikke selv kan efterprøve ved at læse, og den eneste farbare vej til at stole på dem går gennem maskinel kontrol. Væn jer til tanken, længe før den slags lander i jeres egen kodebase eller jeres egne analyser. Når modellen overgår jer, bliver jeres evne til at kontrollere den det, der afgør, om I kan bruge dens svar.
Fortsæt læsningen
Microsofts agent-framework blev kapret på PyPI. Tjek jeres nøgler
Den 17. november blev to udgaver af Microsofts Python-pakke agent-framework lagt op på PyPI gennem Microsofts eget udgiverkonto som var komp…
Anthropic går på børsen: Jeres AI-leverandør har åbnet regnskabet
Anthropic prissatte onsdag aften sin børsnotering til 83 dollar pr. aktie og begynder at handle på Nasdaq i dag, torsdag, under tickeren ANT…
Gemini 4 Neon: Carbon-niveau billigere, og Argon skal skiftes ud
Google lancerede onsdag den 18. november Gemini 4 Neon, den fjerde model i Gemini 4-familien på syv uger. Neon er bredt tilgængelig fra dag …