Ipotesi di Riemann e Claude: la prova in Lean di Alpöge divide i matematici
Un matematico di Anthropic pubblica una prova in Lean dell'ipotesi di Riemann ottenuta con Claude: cosa è stato verificato e cosa resta aperto.

Il 20 novembre 2026 un matematico di Anthropic, Levent Alpöge, ha pubblicato sul proprio sito personale una dimostrazione dell’ipotesi di Riemann scritta in Lean, il linguaggio per la verifica formale delle prove, con l’aiuto di Claude. Non è un comunicato aziendale e non è ancora un articolo da rivista: è un pacchetto di codice enorme, accompagnato da una nota, che in poche ore ha messo in moto la comunità matematica. Se il risultato regge, siamo davanti a uno dei momenti più rilevanti nella storia dell’AI applicata alla ricerca.
Conviene però procedere con ordine, separando ciò che è stato verificato da ciò che resta aperto.
Cosa è successo e perché l’ipotesi di Riemann conta
L’ipotesi di Riemann è un problema aperto da oltre un secolo e mezzo, formulato nel 1859, e riguarda la distribuzione degli zeri della funzione zeta. Detto in modo semplice, descrive con quale regolarità si distribuiscono i numeri primi, i mattoni di tutta l’aritmetica. È uno dei sette problemi del millennio del Clay Mathematics Institute e, ancora oggi, l’istituto lo elenca come irrisolto.
Secondo quanto riportato da TechCrunch, Alpöge ha diffuso la sua nota insieme al codice Lean sul sito personale, senza passare da un annuncio ufficiale dell’azienda. La nota rivendica la dimostrazione dell’ipotesi di Riemann e anche della sua versione generalizzata. Alpöge è un teorico dei numeri formatosi ad Harvard e oggi lavora in Anthropic, e avrebbe ottenuto il risultato lavorando con Claude per diverse settimane.
Il punto centrale è il formato. Non si tratta di un testo che un esperto deve leggere e giudicare: è una prova che un computer può controllare passo dopo passo.
Perché Lean cambia le regole del gioco
Lean è un assistente di dimostrazione. Un teorema scritto in Lean viene accettato solo se ogni passaggio logico, fino agli assiomi di base, è controllato da un nucleo software molto piccolo e ben studiato. Per questo una dimostrazione formale, anche se lunghissima, non richiede di fidarsi dell’autore: richiede di fidarsi del verificatore. Le librerie di matematica formalizzata, come Mathlib, forniscono le definizioni di partenza, e se l’enunciato è scritto correttamente il resto è meccanica.
Questo è esattamente il motivo per cui il caso è diverso dalle solite dichiarazioni di successo dei modelli AI su problemi aperti.
Come è stata controllata la prova
Nelle ore successive alla pubblicazione, diverse persone hanno compilato il codice e riportato di aver ottenuto lo stesso risultato, senza errori. Tra queste, secondo le cronache, c’è Andrew Sutherland del MIT, che ha tenuto una pagina pubblica con gli esiti dei controlli. I dati riportati da quella pagina, rilanciati da explainx, parlano di oltre 175 mila moduli Lean compilati senza errori e di più verificatori indipendenti, tra cui un kernel scritto in Rust, che accettano la prova. Gli assiomi usati risultano quelli standard della matematica classica in Lean.
Un resoconto di OfficeChai aggiunge che la comunità di Lean e il progetto Mathlib avrebbero pubblicato una dichiarazione congiunta, il 21 novembre, esprimendo piena fiducia nella correttezza. I criteri sarebbero quattro: l’enunciato coincide con la definizione di Mathlib, la libreria compila, il codice dimostra proprio quell’enunciato e la prova è valida secondo più verificatori.
Detta con prudenza: la parte formale sembra solida, ma alcuni dettagli dei controlli arrivano da una sola fonte e andranno confermati.
Le zone ancora grigie
Restano alcune questioni aperte. La prima riguarda l’enunciato esatto che è stato formalizzato: le cronache non concordano del tutto su quanto sia l’ipotesi di Riemann classica e quanto la sua generalizzazione, e proprio il rischio che l’enunciato in Lean non corrisponda a quello voluto è il punto su cui i matematici sono più attenti. La seconda è la leggibilità: per ora non esiste un articolo comprensibile a un essere umano, e Alpöge avrebbe detto che ne scriverà uno. Una dimostrazione che nessuno riesce a capire, anche se corretta, lascia in sospeso la domanda su che cosa abbiamo davvero imparato sui numeri primi.
Il terzo nodo è formale: il Clay Mathematics Institute richiede pubblicazione in una sede qualificata e un periodo di accettazione prima di qualsiasi riconoscimento. Per ora nessun premio è in vista.
La dimostrazione umana in parallelo e le reazioni
Quasi in contemporanea è comparso un secondo tentativo, questa volta interamente umano: una bozza sull’ipotesi di Riemann generalizzata di Alessandro Masullo, postdoc a Stanford, pubblicata dal matematico Ravi Vakil sul suo blog con la dicitura di lavoro senza AI. Secondo TechCrunch, Masullo ci lavorava da anni e il testo è ancora una bozza non verificata formalmente. Il confronto tra i due annunci, uno controllabile da una macchina e uno ancora da esaminare da esperti, è diventato rapidamente il tema di discussione tra i matematici.
Le reazioni sono contrastanti. Alcuni esperti si concentrano sulla tecnica usata, altri sul metodo. Terence Tao ha messo in guardia più volte dai risultati che funzionano come scatole nere, e un’associazione di matematici ha espresso preoccupazione per ciò che una prova del genere rappresenta per la professione. Sono posizioni riportate da una sola fonte e vanno lette come tali.
Il dato di fondo, però, è un altro: il dibattito non riguarda più se un modello possa contribuire alla matematica di frontiera, ma come la comunità debba valutare ciò che produce.
Cosa cambia per la ricerca e per chi usa l’AI
Per la ricerca scientifica, la lezione è metodologica. Quando una prova è formale e verificabile da strumenti indipendenti, il costo della fiducia crolla. Non serve credere al modello né all’autore, basta far girare il verificatore. Questo apre uno scenario in cui l’AI propone e la verifica formale dispone, un’idea su cui Anthropic lavora da tempo: avevamo già raccontato come Claude formalizza l’ultimo teorema di Fermat in Lean e come FlashProve punta a rendere verificabile l’inferenza dei modelli.
C’è poi il contesto aziendale. La notizia arriva nella stessa settimana in cui l’azienda è sbarcata sul listino, come abbiamo visto nell’articolo sull’IPO di Anthropic da 81 miliardi di dollari al Nasdaq, e non è sfuggito a chi commenta che il tempismo alimenta discussioni. Non esiste, per quanto riportato finora, una dichiarazione ufficiale dell’azienda sul risultato, e conviene non trarre conclusioni su intenzioni che nessuno ha dichiarato.
Per chi lavora con questi strumenti ogni giorno, il messaggio pratico è semplice: la verificabilità sta diventando un requisito, non un optional. Che si parli di codice, di dati o di teoremi, i risultati più credibili saranno quelli che chiunque può controllare in modo indipendente.
Cosa tenere d’occhio nei prossimi giorni
Tre segnali meritano attenzione. Il primo è il completamento dei controlli end-to-end ancora in corso sulla community. Il secondo è l’eventuale pubblicazione di un testo leggibile da parte di Alpöge, che permetterebbe agli specialisti di capire il meccanismo. Il terzo è la valutazione dell’enunciato formalizzato da parte dei teorici dei numeri: è lì che si deciderà se si tratta davvero della congettura che tutti conoscono.
Conclusioni
Per ora la formula più onesta è questa: esiste una prova formale che molti verificatori indipendenti hanno accettato, ma mancano ancora una spiegazione umana, la revisione degli esperti e un giudizio condiviso sull’enunciato. Non è ancora la parola fine, ed è giusto aspettare.
Se ti occupi di AI, ricerca o contenuti tecnici, segui l’evoluzione della vicenda dalle fonti primarie, il sito di Alpöge e la pagina di verifica del MIT, e confronta sempre più voci prima di rilanciare titoli sensazionalistici. Torna su intelligenzaartificiale.net: aggiorneremo il quadro non appena arriveranno nuove conferme, e sul tema ti consigliamo anche di leggere come AI for Science di Anthropic sostiene la ricerca con Claude.
Tutta l'AI della settimana, in 5 minuti, nella tua email
- Le guide e le notizie della settimana, divise per rubrica
- Solo ciò che conta, verificato e spiegato in italiano
- Niente spam, ti cancelli con un clic
Daniele Della Corte
Fondatore di IntelligenzaArtificiale.net · Consulente SEO e AI dal 2008
Prima della pubblicazione controlla fonti, numeri e nomi, e risponde personalmente di quello che leggi. Lavora con l'intelligenza artificiale da oltre 7 anni: ha fondato BeProud.ai e ha progettato la redazione di questo sito.
Consulenza AIVuoi applicare l'AI al tuo lavoro? Ti aiuto a scegliere cosa automatizzare e a realizzarlo.
Scopri la consulenza
