• 목록

(사진=오픈AI)

AI가 수십년간 인간 수학자들이 풀지 못했던 문제에서 잇달아 성과를 내며 학계를 놀라게 하는 것으로 알려졌습니다. 오픈AI는 지난달 20일(현지시간) 새로운 추론 모델이 폴 에르되시가 1946년 제기한 유명한 미해결 기하학 추측을 반박하는 독창적인 수학 증명을 만들어냈다고 주장했습니다.

이어 21일에는 구글이 '알파프루프 넥서스(AlphaProof Nexus)' 모델로 역시 미해결 에르되시 문제 9개와 OEIS 추측 44개를 해결했다고 발표했습니다. 핵심은 AI가 답만 낸 게 아니라, 증명을 만들고 검증까지 통과했다는 점입니다. 그러고도 문제당 수백달러 수준 연산만 사용했다고 밝혔습니다.

그런데 주목되는 것은 수학자들의 반응입니다. 일반적으로 수학자들은 과장된 홍보에 극도로 민감합니다. 또 많은 수학자는 AI가 수학 분야를 혁신할 것이라는 전망에 회의적인 시각을 가진 것으로 알려져 있습니다.

월스트리트 저널(WSJ)에 따르면, 오픈AI의 발견에 저명한 수학자들은 극찬을 보냈습니다. 

1998년 필즈상 수상자인 티모시 고워스 콜레주 드 프랑스 교수는 "이번 해결책이 AI 수학에 있어 획기적인 사건이라는 점에는 의심의 여지가 없다. 만약 사람이 이 논문을 작성했다면 나는 주저 없이 게재를 추천했을 것"이라며 "이전의 어떤 AI도 이 정도 수준에 근접하지 못했다"라는 평을 남겼습니다.

그는 이미 우리가 새로운 시대에 접어들었으며 "인간이 수학 문제 해결에서 AI와 경쟁하는 것은 매우 어려워질 것"이라고 말했습니다. 

물론 AI가 수학의 모든 난제를 해결한 것은 아닙니다. 최상위 난제는 여전히 숙제로 남아 있습니다. 

하지만 수학계가 놀란 이유는 단순히 문제를 풀었다는 데 있지 않습니다. 지금까지 AI가 알려진 정답을 찾거나 계산을 수행하는 도구에 가까웠다면, 이번에는 새로운 아이디어를 제시했다는 점이 다릅니다.

특히, 인간 수학자들이 80년 동안 풀지 못한 문제를 어떻게 AI가 해결할 수 있었는지에 대한 분석이 눈길을 끕니다. 

WSJ은 인간 연구자들은 에르되시가 제시한 직관을 바탕으로 문제를 바라보고 이를 증명하려고 노력했지만, AI는 처음부터 특정 가설이 맞다는 전제를 두지 않았다고 지적했습니다. 이처럼 증명뿐 아니라 반례 가능성까지 동일한 비중으로 탐색했고, 결국 기존의 통념을 깨는 새로운 구조를 발견했다는 것입니다. 

또 AI가 단순히 수학이나 특정 지식 분야에 한정되지 않는 광범위한 지식을 갖췄다는 것도 차별점으로 꼽혔습니다. 현대 학문은 지나치게 세분화돼 있고 전공자는 하나의 분야에 집중하지만, AI는 인간 연구자들이 쉽게 연결하지 못했던 개념들을 외부에서 끌고 올 수 있다는 설명입니다. 이번 에르되시 문제도 AI는 '대수적 정수론'과 '이산 기하학'이라는 완전히 다른 두 학문 분과를 종합해 인간이 미처 생각지 못한 연결고리를 찾았기 때문입니다.

AI가 지치지 않는다는 것도 결정적인 장점으로 꼽혔습니다. 인간은 체력과 집중력의 영향을 받지만, AI는 24시간 문제에만 집중할 수 있습니다. 오픈AI의 사례에서도 문제 해결 과정에 수만단어에 달하는 추론 기록이 생성된 것으로 알려졌습니다. 인간 연구자가 몇년에 걸쳐 검토할 수 경우의 수를 AI는 며칠 만에 탐색할 수 있습니다.

이런 점은 사실 지난해부터 강조됐던 내용입니다. 오픈AI의 과학 조직을 이끌었던 케빈 웨일 전 부사장은 AI의 '장기 추론' 능력을 바탕으로 2050년에나 가능할 것으로 봤던 과학적 성취가 2030년이면 가능할 것으로 예측한 바 있습니다.

더 주목해야 할 부분은 AI 성능의 발전 속도입니다. 오픈AI와 구글 모델이 수학 올림피아드 금메달 수준의 문제를 풀었다고 떠들썩했던 것이 바로 1년 전입니다. 당시 구글은 "1년 뒤에는 AI가 수학 난제를 해결할 것"이라고 예고했는데, 이게 현실화한 것으로 볼 수 있습니다.

그리고 이런 발전은 과거 체스와 바둑에서 AI가 인간을 이긴 것과 차원이 다릅니다. 체스와 바둑은 게임이었지만, 새로운 수학은 결국 물리학과 공학, 컴퓨터 과학 등으로 이어지기 때문입니다. AI가 새로운 개념을 발견하고 연구 방향까지 제안한다면, 물리학과 신약 개발, 재료공학, 기후 과학 등 거의 모든 분야에 영향을 미칠 수 있습니다.

출처 : AI타임스(https://www.aitimes.com)