오픈AI, 수학·물리·CS 새 증명 공개… "학계와 함께 검증하겠다"

오픈AI, AI가 증명한 세 가지 난제… 공개 방식부터 바꿨다

오픈AI가 10월 18일(미국 시간) 블로그를 통해 자사 모델이 발견한 수학·컴퓨터과학·물리학 분야 세 가지 새로운 증명을 발표했다. 조화해석학의 국소 평활화 추측, 복잡도 이론의 지수시간 가설 반증, 양자장론의 양자 색역학 존재성 증명이다. 이 중 국소 평활화 추측은 카케야 추측과 슈타인의 제한 추측까지 한꺼번에 풀린 셈이다.

단순히 논문을 올리는 데 그치지 않았다. 오픈AI는 **'원시 연구 데이터(raw research data)'**라 부르며, 외부 전문가를 '셰퍼드(shepherd·목자)'로 초청해 검증·해설 그룹을 꾸리게 했다. 분야마다 공개 전략도 달리했다.

• 수학: AI 출력을 그대로 공개, 연구자가 자발적으로 설명에 나서도록 둠
• 컴퓨터과학: 외부 협업 그룹을 구성해 해설하게 하되, AI 출력(자연어 증명과 린Lean 형식화)은 즉시 깃허브에 공개
• 물리학: 외부 협업 그룹에 맡기고, 자료 공개 시점도 그룹 판단에 위임

오픈AI는 "어떤 방식이 가장 유용한지 아직 모른다"며 피드백을 요청했다. 스스로 답을 정하지 않고 실험적 공개 프로세스를 택한 점이 눈에 띈다.

크레딧은 학계에, 오픈AI는 '도구'로 남겠다

네 가지 원칙을 내걸었다. 투명성(비밀유지계약 없음, 자유 논의), 학문적 크레딧 불요구(발견 주체는 모델, 연구자는 '이해'에 대한 공로만), 인정(해설 그룹의 기여는 별도 인정), 독립성(무보수 자발 참여, 결론은 그룹 몫).

이 대목이 걸린다: 오픈AI가 "발견의 크레딧을 요구하지 않겠다"고 명시한 건, AI가 과학적 발견의 '주체'가 될 수 있느냐는 논쟁을 의식한 조처로 보인다. 앞서 본지가 다룬 칩 설계 자동화 기사에서도 오픈AI는 자사 모델을 '설계 보조 도구'로 썼을 뿐, 최종 검증은 엔지니어가 맡았다. 이번에도 **'발견=모델, 이해=사람'**이란 선을 그은 셈이다.

세 분야, 세 가지 다른 길… 왜?

자료를 나란히 놓고 보면 의도가 보인다. 수학은 증명이 린(Lean) 같은 형식 검증 언어로 기계 확인 가능하다. 따라서 원문만 던져도 수학자가 검증·확장하기 쉽다. 컴퓨터과학(지수시간 가설 반증)도 형식 증명이 가능해 즉시 공개했다.

반면 물리학(양자 색역학)은 수학적 엄밀성뿐 아니라 물리적 직관·해석이 더 중요하다. 오픈AI 스스로 "물리학 결과는 AI 산출물 대신 그룹이 직접 작성하기로 했다"고 밝혔다.

대조해 보면: 수학·CS는 '증명 객체'가 이미 기계 판독 가능 상태라 공개 비용이 낮다. 물리는 '해석'이 필수라 그룹이 시간을 들여 다시 쓸 때까지 비공개다. 오픈AI가 분야 특성을 고려해 비대칭 전략을 짰다는 뜻이다.

한국 연구자에게는 아직 '먼 나라 이야기'

국내 대학 연구실 입장에서 당장 달라질 건 없다. 증명이 린으로 공개됐어도 린을 다루는 인력과 계산 자원이 있어야 검증에 참여할 수 있다. 오픈AI가 깃허브에 올린 자료도 영어 기반이고 협업 그룹 구성은 초청 위주라, 국내 기관이 별도 채널로 합류하지 않는 한 **'구경꾼'**에 머무를 가능성이 크다.

다만 **형식 검증 도구(린, 코크Coq 등)**가 국내 대학원 커리큘럼에 들어오는 계기가 될 수는 있다. 이미 서울대·KAIST 일부 연구실은 린을 쓴 증명 교육을 시작했다. 이번 건이 'AI 증명을 사람이 읽고 고치는 워크플로'의 참고 사례가 될 순 있다.

쉽게 풀어보면

오픈AI가 자사 AI 모델에게 "이 난제 좀 풀어봐"라고 시켰더니, 수학·컴퓨터과학·물리학에서 수십 년 걸린 문제 세 개를 풀어냈다. 그런데 답안지를 그냥 인터넷에 올리지 않았다. "이 답이 맞는지, 왜 맞는지 사람이 설명해 달라"며 분야별로 전문가 그룹을 다르게 꾸렸다.

수학은 답안지(린 코드)를 공개하고 "알아서들 검증하세요" 했다. 컴퓨터과학도 답안지 공개하되, 설명팀을 따로 붙였다. 물리는 "답안지는 나중에 내고, 일단 설명부터 제대로 쓰자"며 공개를 미뤘다.

오픈AI는 "우리는 답만 냈으니 학문적 명예는 안 받겠다. 설명 잘한 그룹이 공로 가져가라"고 선을 그었다. 마치 계산기 회사가 "우린 계산기만 만들었지, 수학자는 따로 있다"고 말하는 꼴이다.

이게 왜 중요하냐면, AI가 '발견'을 내놓는 시대가 오면 '누가 이해했느냐'가 새로운 권위가 되기 때문이다. 지금까지는 논문 쓴 사람이 발견자였다. 앞으로는 'AI가 낸 답을 사람이 풀어쓴 사람'이 별도 인정을 받을 수 있다. 이번 오픈AI 실험도 결국 **'이해의 주체를 인간으로 남기기 위한 장치'**다.

나에게 미치는 영향

일반인이 오늘 할 수 있는 건 딱 하나다. 오픈AI 깃허브 저장소에서 린(Lean) 증명 코드를 찾아보는 것. 린을 모르면 읽기 힘들지만, "AI가 증명을 기계가 읽는 언어로 남겼다"는 사실만 확인해도 의미 있다.

연구자나 대학원생이라면 린(Lean)이나 코크(Coq) 같은 형식 검증 도구 하나쯤 익혀두는 게 좋다. 앞으로 AI가 증명을 뱉으면, 사람이 그걸 린으로 옮기고 검증하는 흐름이 주류가 될 가능성이 높다. 본지가 확인한 바에 따르면 국내 대학원 커리큘럼에 관련 스터디가 개설되는 움직임이 있다.

학생이라면 "AI가 수학 문제를 푼다"는 뉴스에 흔들리지 말고, '증명이 무엇인지'를 배우는 데 집중하라. AI가 답을 줘도, 그 답이 왜 맞는지 인간이 이해 못 하면 과학이 아니다.

남은 쟁점: 비대칭 정보, 누가 먼저 아나

오픈AI 스스로 인정했듯, 초기 셰퍼드 선정 자체가 '누가 먼저 아나'를 결정한다. 수학은 공개라 괜찮아도, 물리는 그룹이 논문을 쓸 때까지 외부인은 볼 수 없다. '열린 과학'과 '전문가 독점' 사이의 긴장이다.

또 하나. 오픈AI는 모델 가중치나 추론 과정은 공개하지 않았다. 증명 결과물만 던져준 셈이다. "어떻게 풀었는지"는 여전히 블랙박스다. 검증 그룹이 '왜 이 증명이 성립하는가'를 인간 언어로 복원해내야 비로소 과학적 지식이 된다. 그 복원 과정이 이번 실험의 진짜 본질이다.

본지가 앞서 다룬 LLM 가격 80% 인하 기사에서 "모델이 상품이 됐다"고 썼는데, 이번 건은 모델이 '상품'을 넘어 '연구 파트너'로 들어오는 장면이다. 가격이 싸진 건 API 호출비고, 과학적 발견 권한은 여전히 비싸다. 누가 그 권한을 쥐느냐는 아직 열려 있다.