← Últimos artículos
🔢 mathematics

Resolution of Erdős Problem #728: a writeup of Aristotle's Lean proof

Este artículo presenta la primera resolución de IA totalmente autónoma del Problema de Erdős #728, utilizando una combinación de GPT-5.2 Pro y el sistema Aristotle para generar una prueba formal en Lean que demuestra un fenómeno de brecha logarítmica en la divisibilidad factorial mediante un novedoso análisis primo a primo de los coeficientes binomiales.

Autores originales: Nat Sothanaphan

Publicado 2026-01-27
📖 5 min de lectura🧠 Análisis profundo

Autores originales: Nat Sothanaphan

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La visión general: Un equipo de matemáticos de IA

Imagina a un famoso matemático retirado, Paul Erdős, que pasó su vida dejando tras de sí una gigantesca lista de tareas con acertijos sin resolver. Uno de estos acertijos, el #728, ha permanecido intacto durante décadas.

Recientemente, un equipo compuesto por una IA superinteligente (GPT-5.2 Pro) y un robot especializado en la verificación matemática (Aristoteles) finalmente lo resolvió. No se limitaron a adivinar la respuesta; construyeron una prueba rigurosa, paso a paso, que una computadora puede verificar como 100% correcta. Los autores de este artículo simplemente están traduciendo ese código de computadora a una historia que los humanos puedan leer.

El acertijo: El equilibrio de los factoriales

El problema plantea una pregunta sobre los factoriales (números como 5!=5×4×3×2×15! = 5 \times 4 \times 3 \times 2 \times 1).

Imagina que tienes una enorme pila de bloques que representan n!n!. Quieres ver si puedes construir dos torres más pequeñas, a!a! y b!b!, y una tercera torre pequeña k!k!, de tal manera que las dos torres pequeñas encajen perfectamente dentro de la grande sin que sobre ningún bloque.

Matemáticamente, esto significa: ¿Divide a!×b!a! \times b! exactamente a n!×k!n! \times k!?

El acertijo pregunta: ¿Qué tan grande puede ser la "brecha" (kk)?

  • Si kk es diminuta, es fácil hacer encajar los bloques.
  • Si kk es enorme, normalmente es imposible.
  • El truco es encontrar una "zona de equilibrio" donde kk sea lo suficientemente grande como para ser interesante, pero no tanto como para que los bloques no encajen.

El equipo de IA demostró que puedes encontrar infinitas situaciones donde esta brecha (kk) es aproximadamente del tamaño del logaritmo del número total. En lenguaje sencillo: si tu número total de bloques es un millón, la brecha puede ser de alrededor de 14. Si tu número es mil millones, la brecha puede ser de alrededor de 20. Crece muy lentamente, pero crece.

La estrategia: El juego del "acarreo"

Para resolver esto, los matemáticos tuvieron que observar el problema a través del lente de los números primos (2, 3, 5, 7, etc.). Utilizaron una regla llamada Teorema de Kummer, que es como un juego de "llevar" o "acarreo" en la suma.

La analogía: El cubo desbordado
Imagina que estás sumando números en un lenguaje específico (base pp).

  • Cuando sumas dos dígitos y el resultado es demasiado grande para un espacio, "llevas" el exceso al siguiente espacio.
  • El objetivo: La IA necesitaba encontrar un número (mm) que, al duplicarse, causara muchos acarreos (como un cubo desbordándose repetidamente).
  • El obstáculo: Al mismo tiempo, la IA tenía que asegurarse de que los números inmediatamente posteriores a mm (como m+1,m+2...m+1, m+2...) no tuvieran "picos": aumentos repentinos y masivos de divisibilidad por un número primo que arruinarían el equilibrio.

Piensa en ello como caminar por la cuerda floja:

  1. La cuerda floja (La condición de "acarreo"): Necesitas elegir un número que sea "rico en acarreos". Al duplicarlo, debe desbordar sus cubos con la mayor frecuencia posible. Esto crea una "red de seguridad" de divisibilidad que ayuda a que la ecuación funcione.
  2. Los picos (La condición "mala"): Debes evitar números donde los siguientes enteros enteros sean divisibles por potencias enormes de un número primo. Estos son "picos" que te harían caer de la cuerda floja.

Cómo encontraron la solución

La IA no eligió un número al azar. Utilizó un argumento de conteo (una estrategia estadística):

  1. El área de búsqueda: Miraron un rango enorme de números (desde MM hasta 2M2M).
  2. El filtro: Calcularon cuántos números en este rango eran "malos" (ya sea porque no tenían suficientes acarreos, o porque tenían un pico).
  3. El resultado: Demostraron que la cantidad de candidatos "malos" es en realidad menor que la cantidad total de candidatos en el rango.
  4. La conclusión: Dado que hay más números que números "malos", debe haber al menos un número "bueno" restante en la pila.

Es como decir: "Si tienes un frasco de 1,000 canicas, y solo 900 de ellas son rojas (malas), debe haber al menos 100 azules (buenas) restantes". La IA demostró que para cualquier frasco lo suficientemente grande, siempre existe una canica "buena".

Por qué esto es importante (según el artículo)

  • Primera prueba realizada solo por IA: Esta es la primera vez que un sistema de IA resuelve de forma autónoma uno de los famosos problemas de Erdős y produce una prueba formal que los humanos pueden verificar.
  • La "brecha logarítmica": Confirmaron que la brecha entre los números puede ser logarítmica. Aunque el artículo señala que la brecha podría ser potencialmente un poco mayor (como sugiere el matemático Terence Tao), esta prueba establece una base sólida y garantizada.
  • Metodología: El método utilizado (contar acarreos y evitar picos) es similar a las técnicas que el propio Erdős utilizó en el pasado, pero aplicado aquí a un objetivo más complejo y cambiante.

Resumen

El artículo es un informe sobre cómo un equipo de IA resolvió un acertijo matemático de hace 40 años. Demostraron que siempre se puede encontrar un conjunto específico de números donde una compleja ecuación factorial se equilibra perfectamente. Lo hicieron tratando los números como cubos que se desbordan (acarreos) y demostrando que siempre se puede encontrar un cubo que se desborde lo suficiente como para ser útil, sin derramarse demasiado en los lugares equivocados.

¿Ahogado en artículos de tu campo?

Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.

Probar Digest →