Claude-ren Riemann-en frogaren ustezko konpilazioa: Lean-en egiaztapenek zer estaltzen duten eta zer uzten duten zabalik
Levent Alpögek, Anthropic-eko matematikariak, lau orrialdeko ohar bat argitaratu zuen esanez uste duela, Claude-rekin lanean, Riemann Hipotesiaren eta horren orokorpenaren frogapen bat aurkitu duela, eta Lean kodea besterik ez duela kaleratu: 175.187 fitxategitan 17,4 milioi lerro inguru.
Levent Alpögek, Anthropic-eko matematikariak, lau orrialdeko ohar bat argitaratu zuen esanez uste duela, Claude-rekin lanean, Riemann Hipotesiaren eta horren orokorpenaren frogapen bat aurkitu duela, eta Lean kodea besterik ez duela kaleratu: 175.187 fitxategitan 17,4 milioi lerro inguru. Ostiralean, 2026ko azaroaren 20an, argitaratu zuen, eta aldarrikapen bat da, ez onartutako frogapen bat. Azaroaren 21eko larunbatean, 17:05 GMT+7 orduan, MITeko Andrew Sutherlandek jakinarazi zuen 175.187 modulu guztiak Lean v4.33.1 eta Mathlib-ekin konpilatzen direla, bost teorema nagusiak hiru axioma estandarren (propext, Classical.choice, Quot.sound) menpe bakarrik daudela, nanoda eta con-leche kernel independenteek 61,6 GB-ko frogapen osoa onartzen dutela (27 min 42 s eta 3 min 15 s), eta con-leche-ren konparazio moduak, Comparator-en baieztapen bat etortzearen inplementazio independentea, bost teorema guztiak onartzen dituela. `lake comparator` exekuzio ofiziala eta Lean-en kernel lehenetsi eta paranoikoen errepikapenak frogapen osoan oraindik martxan zeuden. Kevin Buzzardek AI-k sortutako Lean-erako (baieztapena bat dator, konpilatzen du, kodeak frogatzen du aipatutako teorema, kernel akats bat aprobetxatzen du) lau galderak check bakoitzak estaltzen duena markatzen dute. Sutherlandek Robin-en desberdintasuna ere egiaztatu zuen, zatitzaileen batuketen inguruko baieztapen bat zeta funtziorik gabe, eta hori egiaztatzaile independenteek onartu zuten. Bigarren aldarrikapen bat, Ravi Vakilek iragarritako hipotesi orokorraren Alessandro Masulloren gizakiak idatzitako zirriborroaren frogapenak, AI laguntzarekin aurkitutako arazoen berri eman zuen; Vakilek ez du bere zuzentasunari buruzko aldarrikapenik egiten eta Brian Conrad-ek Scientific American-i esan zion berrikuspen handia jasaten ari dela. Terence Taok idatzi zuen Lean-eko frogapen bakarra digeritzeko denbora beharko dela. Anthropic-en akzioek 88,91 dolarretan itxi zuten ostiralean, osteguneko itxieraren %8,5 inguru behera; The Guardian-ek jaitsiera teknologiaren salmenta zabal bati egozten dio eta ez du frogapenarekin loturarik ezartzen.
Irakurri idatzizko edizioa (ingelesez) ↗
Bideo honek zer jorratzen duen
- Lean froga bat konpilatzea benetako egiaztapen bat da: Andrew Sutherland-ek (MIT) jakinarazi du 175.187 modulutatik 175.187 akatsik gabe konpilatzen direla, eta bost titulu-teoremek propext, Classical.choice eta Quot.sound bakarrik erabiltzen dituztela (orrialdea azkenekoz 2026-11-21 10:05 UTC eguneratu zen).
- Kernel independenteak ados daude: nanoda-k (Rust) 61.6 GB-ko esportazioa 27 minutu eta 42 segundotan onartu zuen 80 harirekin, eta con-leche-k 3 minutu eta 15 segundotan 64 harirekin; Lean komunitateko Joachim Breitner-ek emaitza oso ondo egiaztatua dela esan zuen.
- Kevin Buzzard-en lau galderak (Xena Project-en argitalpena, azaroak 12) kontrol-zerrenda dira: Lean adierazpena informala denarekin bat dator, kodea konpilatzen du, kodeak adierazitako teorema frogatzen du (lake comparator), kernel akats bat ustiatzen du (lake comparator --paranoid edo hainbat kernel independente).
- Azaroaren 21ean, 17:05 GMT+7 orduan egoera: froga osoaren gaineko `lake comparator` exekuzio ofiziala eta Lean-en kernel lehenetsi eta paranoikoaren errepikapenak oraindik martxan zeuden; bere adierazpen-konparazioa eta axioma-egiaztapena exekuzio batean gaindituak ziren, eta con-leche --compare-k bost teorema guztiak onartu zituen.
- Adierazpena Mathlib-en Riemann-en Hipotesiaren definizio propioa da; Sutherland-ek Robin-en desberdintza ere probatu zuen, zeta funtzioa inoiz aipatzen ez duena, eta horrek Mathlib adierazpenaren atzean dauden definizioetako zuloak eraginkortasunez baztertzen dituela dio. Bere orrialdean ere adierazten du emaitza kernelekin eta Mathlib-en definizioen asmoarekin bat etortzearekin fidatzen dela.
- Konpilatzen den Lean fitxategi batek ez ditu matematikak azaltzen: Alpöge-k dio sortutako prosa bertsio batek 250.000+ orrialde zituela eta Lean bakarrik argitaratu zuela; Terence Tao-k digestioa denbora beharko duela espero du; Scott Aaronson-ek dio matematikariek pozik egongo direla beraiek azaldu ahal izango dutenean.
- Gizakiak idatzitako zirriborro arrakastatsu batek (Alessandro Masullo, Ravi Vakil-ek iragarria) AI-ren laguntzarekin aurkitutako arazoen txostenak jaso zituen; Vakil-ek ez du bere zuzentasunari buruzko erreklamaziorik egiten eta Brian Conrad-ek berrikuspen garrantzitsua jasaten ari dela dio.
- Eraikitzaileentzat: irakurri zehaztapena kodea baino lehen, galdetu zer konparatzen duen froga adierazpenarekin eta nork idatzi zuen adierazpena, exekutatu beste norbaiten idatzitako bigarren egiaztatzaile bat, eta kontuan hartu konpilatutako fitxategien hashak eraikuntza-direktorioaren araberakoak izan daitezkeela (175.187 fitxategitatik 98.219-k bide bat txertatzen dute).
- Ikusmen-kredituak: Terence Tao-ren erretratua IPAM-eko Fireside Chat 2026-n, Institute for Pure & Applied Mathematics-ena, CC BY 4.0, atzeko planoa kenduta moztua; Dario Amodei-ren erretratua TechCrunch Disrupt 2023-n, TechCrunch-ena, CC BY 2.0, atzeko planoa kenduta; bakoitzak pertsona hori edo Anthropic bakarrik identifikatzen du eta ez du inongo babes, aipamen edo erreakziorik adierazten; math.mit.edu, Lean Zulip, alpo.ge, Ravi Vakil-en bloga eta aipatutako beste orrialdeen pantaila-grabaketa eta zatiak beren orrialdeei egozten zaizkie; GIPHY-ren "Double checking" corgi GIF-aren bi segundoko aipamen isil bat, jabeak eskubideak gordetzen dituela eta istorio honetako inork erreakzionatu ez duela adierazten duena; Is This A Pigeon meme txantiloia imgflip bidez.
Galderak eta erantzunak
Zer esan nahi du Riemann-en Hipotesiaren Lean frogak konpilatzen duela?
MIT-eko Andrew Sutherland-ek jakinarazi duenez, Levent Alpöge-ren Lean artxiboko 175.187 modulu guztiak Lean v4.33.1 eta Mathlib-ekin akatsik gabe konpilatzen dira, eta bost titulu-teoremak propext, Classical.choice eta Quot.sound axioma estandarren mende bakarrik daudela. Konpilatzeak erakusten du Lean adierazpenak axioma horietatik datozela erabilitako egiaztatzaileen arabera. Ez ditu matematikak azaltzen, matematikariek oraindik digeritu ez dituztenak.
Zeintzuk dira Kevin Buzzard-en lau galderak AI-k sortutako Lean froga bat egiaztatzeko?
Azaroaren 12ko argitalpen batean, Kevin Buzzard-ek lau galdera zerrendatzen ditu. Lean adierazpenak bat dator adierazpen informalarekin? Kodeak konpilatzen du? Kodeak frogatutako teorema frogatzen du, `lake comparator` tresnak egiaztatzen duena? Lean-en kernel ofizialaren akats bat ustiatzen du, hainbat kernel independente edo konparagailuak modu paranoikoan jorratzen dutena? AI-k sortutako kodeak proba hauek behar dituela idazten du zuzentasun-erreklamaziorik egin aurretik.
Zer egiaztatzen du Lean-en konparagailuak, eta non zegoen Riemann-en frogaren exekuzioa?
Konparagailuak egiaztatzen du fitxategi fidagarri batean adierazitako teorema eta inportazio fidagarri ez direnen bidez frogatutako teorema berdinak direla, eta axioma estandarrak bakarrik erabiltzen direla (Kevin Buzzard). Andrew Sutherland-en MIT orrialdeak, azaroaren 21ean 10:05 UTC-n eguneratua, froga osoaren exekuzio ofiziala oraindik martxan zegoela adierazi zuen, bere adierazpen eta axioma faseak exekuzio batean gaindituak, eta con-leche-ren konparazio moduak bost teorema guztiak onartu zituen bitartean.
Lean-en egiaztatzaile independenteak ados egon al ziren Alpöge-ren Riemann-en Hipotesiaren frogarekin?
Andrew Sutherland-en MIT orrialdearen arabera, modu independentean idatzitako kernelak nanoda eta con-leche-k esportatutako 61.6 GBko froga osoa onartu zuten, 27 minutu eta 42 segundo eta 3 minutu eta 15 segundo hartuz, eta lean4lean-ek konpilatutako modulu guztiak onartu zituen. Lean garatzaile Joachim Breitner-ek idatzi zuen froga orain oso ondo egiaztatua dagoela. Konparagailuaren exekuzio ofiziala eta Lean-en kernel propioaren errepikapenak oraindik martxan zeuden eguneratze horretan.
Zein izan zen The Daily Diff-en epaia Lean Riemann-en Hipotesiaren froga-erreklamazioari buruz?
The Daily Diff-en epaia BERRIKUSI BEHAR DA izan zen. Konpilazioa benetakoa da eta egiaztatzaile independenteak ados daude, baina konparagailuaren exekuzio ofiziala bukatu gabe zegoen azken eguneratzean eta matematikariek oraindik ez dute argudioa digeritu. Terence Tao-k digestioa denbora beharko duela espero du, eta Scott Aaronson-ek dio matematikariek pozik egongo direla ideiak beraiek azaldu ahal izango dituztenean. Alessandro Masullo-ren giza zirriborro arrakastatsu bat berrikuspen garrantzitsua jasaten ari da.
Itzulitako transkripzioa
Jatorrizko ingelesezko narraziotik itzulia. Eskuragarri dauden audioa eta azpitituluak YouTube-k kontrolatzen ditu.
Zer baieztatu zuten ezezagunek benetan?
0:00 Kanal gehienek Claude-k Riemann-en Hipotesia frogatu duela esaten dizute. Ezezagunek baieztatu dutena da Lean-en hamazazpi milioi lerro konpilatzen direla, eta egiaztatzaile batek fitxategi osoa lau minutu baino gutxiagoan onartu zuela. Bideo honetan, zer egiaztatu zuen benetan egiaztatzaile horrek? Zer ezin dizu inoiz egiaztatzaile batek esan? Eta zer kopiatu beharko luke eraikitzaile batek hortik? Egiaztapen bat oraindik martxan zegoen larunbat arratsaldean, Kevin Buzzard-ek itxaroten zuela esan zuena.
0:23 Epaiaren aurretik non zegoen esango dizut. Larunbata da, azaroak hogeita bat, eta hau The Daily Diff da.
Nork zer aldarrikatzen du, eta zein formatan?
0:29 Levent Alpöge Anthropic-eko matematikari bat da. Ostiralean lau orrialdeko ohar bat argitaratu zuen, uste zuela esanez, Claude-rekin lanean, Riemann-en Hipotesiaren froga bat aurkitu zuela. Ez zuen artikulurik kaleratu, Lean bakarrik, hau da, programa batek frogaren urrats guztiak egiaztatzen dituen hizkuntza bat. Atzo jorratu nuen IPOa da atzealdea. Anthropic-en akzioek ehuneko zortzi baino gehiago jaitsi ziren ostiralean, The Guardian-ek frogarekin lotzen ez duen salmenta masibo batean,
0:53 eta nik ere ez. Artxiboak ehun eta hirurogeita hamabost mila fitxategi ditu.
Zeintzuk dira lau galderak?
0:58 Irailean esan nizun Claude-ren Fermat-en froga hamahiru milioi lerro zirela, eta Kevin Buzzard-ek memoria gabe geratu zen hura konpilatzen saiatzean. Duela bederatzi egun AI-k idatzitako Lean-erako lau galderako kontrol-zerrenda bat idatzi zuen. Bat, Lean adierazpenak benetako teorema esan nahi du? Bi, kodeak konpilatzen du? Hiru, frogak adierazpen hori frogatzen du eta ez ezer maltzurragoa? Lau, Lean-en kernel propioaren akats bat ustiatzen du? Bigarren galdera da erraza.
Konpilatzen du?
1:21 MIT-eko Andrew Sutherland-ek dena akatsik gabe konpilatu zuen, eta bost titulu-teoremak Lean frogak normalean erabiltzen dituzten hiru axiomatan bakarrik oinarritzen dira. Buzzard-ek dio erantzuna baietz dela. Egiaztapen ofiziala zuk zeuk exekutatzeko ehun gigabyte inguru memoria behar dituzu.
Lean-en kernel propioa engainatu al daiteke?
1:36 Laugarren galdera da paranoikoa. Scott Aaronson-ek adierazi du Lean-en kernelek akatsak izan dituztela, zero bat dela frogatzeko aukera eman dutenak. Beraz, beste batzuek beren egiaztatzaileak idatzi zituzten, beste hizkuntza batzuetan, eta esportatutako froga eman zieten. Nanoda, Rust-en idatzia, ordu erdi baino gutxiagoan onartu zuen. Con-leche-k, bere egileek koherentzia-froga batekin babestuta, hiru minutu inguru behar izan zituen.
1:56 Lean komunitateko Joachim Breitner-ek oso, oso ondo egiaztatua zela esan zuen. Aaronson-ek gaineratzen du orain arte Lean ziurtagiri bat duen AI emaitzarik ez dela atzera bota. Lehenengo eta hirugarren galderak dira zailak.
Uste dugun teorema al da?
2:07 Adierazpena Mathlib-en Riemann-en Hipotesiaren definizio propioa da, eta bere iruzkinak dio froga bat milioi bat dolar balio duela. Baina hamazazpi milioi lerro fidagarri ez daude adierazpen horren eta frogaren artean, eta horietako edozeinek isilean sinbolo bat birdefinitu eta zerbait errazagoa frogatu zezakeen. Comparator, azaroaren hamarrean azaldu nuen tresna, horretarako dago zehazki. Adierazpen fidagarria frogak benetan ematen duen teoremarekin konparatzen du, eta axiomak egiaztatzen ditu.
2:33 Bigarren erreklamazio bat iritsi zen goiz berean.
Zer gertatzen da giza zirriborroarekin?
2:35 Ravi Vakil, American Mathematical Society-ko presidentea, Alessandro Masullo-ren Riemann-en froga orokor baten zirriborroa argitaratu zuen. AI gabe idatzi zen, eta Brian Conrad-ek hilabeteak zeramatzan berrikusten. Zortzi ordu geroago Vakil-ek gaineratu zuen AI modeloak erabiltzen zituzten pertsonek arazoak aurkitu zituztela, eta ez zuela zuzena dela aldarrikatzen. Conrad-ek Scientific American-i esan zion berrikuspen garrantzitsua jasaten ari dela. Vakil-ek ere idatzi zuen benetan espero zuela funtzionatzea. Egiaztatzaile batek esaten dizu urratsak betetzen diren ala ez.
Zer ezin dizu egiaztatzaile batek esan?
3:02 Ezin dizu esan zergatik funtzionatzen duen. Alpöge-ren oharrak dio Claude-k hegan egin zuela, dantzatu zuela eta amaiera-lerroaren ondoan distira egin zuela. Sortutako prosa bertsio batek berrehun eta berrogeita hamar mila orrialde zituela dio, zikinkeria deitu zion, beraz Lean bakarrik argitaratu zuen. Terence Tao-k idatzi zuen hura digeritzeko denbora beharko dela, eta Scott Aaronson-ek dio matematikariek pozik egongo direla beraiek azaldu ahal izango dutenean. Zure pilarrean ezer ez da aldatuko gaur gauean,
Zer egiten du eraikitzaile batek honekin?
3:26 Scientific American-ek dioenez, emaitzak ez baitu berehalako aplikazio errealik. Eraikitzaileentzat, hiru ohitura. Irakurri zehaztapena kodea baino lehen. Galdetu zer konparatzen duen froga adierazpenarekin, eta nork idatzi zuen adierazpena. Eta exekutatu beste norbaiten idatzitako bigarren egiaztatzaile bat. Eraikuntza-higienea ere agertzen da, zeren eta Sutherland-ek dioenez, konpilatutako fitxategien hashak eraikitzen duzun karpetarekin aldatzen dira, Lean-ek iturburu-bidea barruan gorde dezakeelako.
3:49 Beraz, non zegoen egiaztapen hori larunbat arratsaldean?
Non zegoen falta zen egiaztapena?
3:52 Garatzaileen hizkeran, CI berdea zegoen, denek begiratzen zuten lan bat izan ezik. Froga osoaren gaineko konparazio-exekuzio ofiziala oraindik martxan zegoen. Bere adierazpen-konparazioa eta axioma-egiaztapena jada gaindituak ziren exekuzio batean, eta zati motelak froga errepikatzen du Lean-en kernel propioetan, hari bat aldi berean. Bitartean, con-leche-ren konparazio moduak, adierazpen berdina bat etortzearen kopia independentea, bost teorema guztiak onartu zituen. Sutherland-ek zeta funtziorik gabeko adierazpen bat ere probatu zuen,
4:18 Robin-en desberdintza, zatitzaileen batuketen inguruko hipotesiaren baliokide zahar bat. Egiaztatzaile independenteek hori ere onartzen dute, eta Sutherland-ek dioenez, horrek Mathlib adierazpenaren atzean dauden definizioetako zuloak eraginkortasunez baztertzen ditu. Hau irakurri nahiago baduzu niri entzun beharrean, diff-a zure sarrerako ontzira iristen da goizero, doan the daily diff dot dev-en, beheko esteka.
Zein da gaurko epaia?
4:36 Beraz, gaurko epaia BERRIKUSI BEHAR DA. Egiaztapena bidaliko nuke eta ondorioa mantenduko nuke. Konpilazioa benetakoa da, ezezagunen egiaztatzaileek bat egiten dute, eta exekuzio ofiziala bukatu gabe dago, matematikariek oraindik argudioa digeritu ez duten bitartean. Eta hori da gaurko diff-a. Niko naiz Axrisi-koa. Batu arduraz.
Iturriak
- Levent Alpöge, note announcing a Lean proof (PDF)Levent Alpöge
- RH Lean proof: verification filesAndrew Sutherland, MIT
- …and the proof is checked in LeanKevin Buzzard, Xena Project
- Discussion: Alpöge Proves the Riemann HypothesisLean Zulip (#general)
- Mathlib: RiemannZeta.lean (RiemannHypothesis)leanprover-community
- Hurried Announcement: Alessandro Masullo GRHRavi Vakil
- Unforced Euler singularity, unforced Navier-Stokes singularity, and the Generalized Riemann HypothesisTerence Tao
- The stochastic parrots have apparently proved the Riemann HypothesisScott Aaronson
- Anthropic mathematician claims to prove Riemann hypothesis, most famous problem in all of mathScientific American
- The AI Riemann hypothesis proof is almost certainly true, independent mathematicians attestScientific American
- Dueling claims of Riemann hypothesis proofs emergeScientific American
- Nasdaq erases all 2026 gains as AI sell-off dampens Anthropic's second day of tradingThe Guardian
- Levent Alpöge claims proof of the Generalized Riemann Hypothesis [pdf]Hacker News



