OpenAI의 Astra AI 시스템이 10개의 오래된 수학 문제를 솔루션당 $2,000에 해결하며 고급 추론 컴퓨팅 ROI를 입증했다.
순수 수학계에서 이례적인 일이 일어나고 있다. OpenAI는 내부 AI 시스템이 최소 10년, 많은 경우 그 이상 동안 해결되지 않은 채로 남아 있던 열 가지 수학 및 컴퓨터과학 문제를 해결하는 데 도움을 주었다고 발표했다. 이 발표와 함께 10만 명의 연구자에게 고급 ChatGPT 접근 권한을 제공하는 별도의 이니셔티브가 결합되면서, 수학 분야의 AI 발전이 단순한 흥미로운 사례를 넘어 진정한 연구 인프라로 자리 잡고 있음을 시사한다.
OpenAI의 접근 방식은 폐쇄적 개발보다 접근성에 중점을 둔다. 동사는 최근 'ChatGPT for Academic Researchers'를 출시하여 10만 명의 과학자와 수학자에게 가장 강력한 ChatGPT 모델에 대한 무료 접근 권한을 제공했다. 그 논리는 명확하다. 역사적으로 AI 보조 연구의 병목 현상은 접근성에서 비롯되었다. 학술 예산은 대규모 프리미엄 AI 구독을 감당하기 어렵고, 소수의 기관만이 틈새 수학 문제를 다루는 개별 연구자들의 최전선 모델 테스트 비용을 지원할 수 있다. OpenAI는 이러한 장벽을 큰 규모의 과학자 집단에게 제거함으로써, 더 넓은 접근성이 현재 공개된 것과 같은 결과를 도출할 것이라고 보고 있다.
5월, OpenAI는 이러한 모멘텀의 초기 신호를 공유했다. 그것은 수십 년간 수학자 폴 에르되시(Paul Erdős)에게 귀속되어 온 에르되시 단위 거리 추측(Erdős unit-distance conjecture)에 대한 AI 생성 반증이었다. 이 반증은 전용 연구 캠페인을 통해가 아니라 미공개 모델을 평가하는 과정에서 거의 우연히 드러났다. 이것이 중요한 이유는 해당 결과가 이미 인간 수학자들로부터 후속 연구를 촉발했으며, 이후 논문들이 그 접근법을 바탕으로 구축되었기 때문이다. AI 생성 결과가 추가 연구를 유발할 때, 이는 이러한 시스템이 고립된 답변보다는 확장 가능한 기법을 기여하고 있음을 시사한다.
OpenAI 발표의 핵심은 최소 10년 동안 핵심 질문에 대한 진전이 없었던, 많은 경우 훨씬 더 긴 기간 동안 정체되었던 문제들을 다룬 열 가지 새로운 결과물이다. 이러한 문제들은 고차원 기하학, 부호 이론, 산술 회로 복잡도, 군론, 연산자 대수, 양자 복잡도, 격자 암호학, 극값 조합론 등 여덟 개의 서로 다른 수학 분야를 아우른다. 이러한 폭은 주목할 만하다. 이들은 단일 틈새 분야의 인접한 하위 질문이 아니라, 각각 수십 년간의 연구 역사를 가진 수학 및 컴퓨터과학의 서로 다른 영역에 있는 별개의 미해결 문제들이다.
열 가지 결과 모두 OpenAI의 차세대 내부 모델인 Astra가 생산했다. 여기서 중요한 세부 사항은 비용이다. OpenAI는 모든 열 가지 문제에 대한 해답을 찾는 데 필요한 총 토큰 사용량이 API 기준 약 2,000달러에 달할 것으로 추정한다. 인간 수학자들이 10년 이상 진전을 보이지 못한 연구 분야에서 몇 천 달러의 컴퓨팅 자원이 의미하는 바는 매우 인상적인 가격 포인트이며, AI가 어려운 미해결 문제를 다루는 경제학을 어떻게 변화시키고 있는지 보여준다.
이 과정은 인간의 감독과 AI 능력을 결합했다. 인간 연구자들은 모델의 원시 논리를 받아 구조화된 논문으로 발전시켰으며, 동일한 모델과 함께 작업하며 이를 완성해 나갔다. 그런 다음 모델은 각 논리를 Lean 인증서(수학적 주장을 엄격하게 검증하는 데 사용되는 기계 판독 가능 증명 형식)로 공식화했다. OpenAI는 또한 각 해답에 대한 모델의 추론 과정 내러티브를 공개하여 외부 연구자들이 시스템이 각 답에 도달하는 방식을 가시화할 수 있도록 했다.
이러한 워크플로우—AI 생성 논리, 인간 준비 논문, 기계 공식화 Lean 인증서—는 AI 시스템이 수학적 통찰력을 생성하는 반면, 공식 검증 도구와 인간 감독이 확인을 보장하는 분업 체계를 확립한다. 이 템플릿은 다른 미해결 문제 전반에 걸쳐 더 많은 AI 보조 결과물이 등장함에 따라 영향력 있는 모델로 입증될 수 있다.
더 광범위한 함의는 열 가지 해결된 문제를 훨씬 뛰어넘는다. 단일 내부 모델이 약 2,000달러의 컴퓨팅 비용으로 여덟 가지 수학 분야에서 출판 가능한 수준의 결과물을 생산할 수 있다면, 장기적인 미해결 문제를 다루는 데 있어 제약 조건은 수학적 통찰력에서 유능한 모델에 대한 접근성으로 이동한다. 이는 정확히 OpenAI의 학술 접근 프로그램이 확대하려는 지점이다. 저렴한 컴퓨팅 비용과 광범위한 연구자 접근성의 조합은 경쟁 AI 연구소들과 이러한 도구를 업무에 통합하려는 수학 부서들의 관심을 끌 가능성이 크다.
에르되시 추측의 반증은 합곱 이론(sum-product theory), 사영 기하학, 계산 복잡도 관련 질문을 탐구하는 추가 연구를 이미 촉발했다. 이러한 모멘텀이 현재 속도를 유지할지, 아니면 다른 AI 연구소들이 서로 다른 모델로 비교 가능한 결과물을 생산할지는 AI 보조 증명 생성이 수학 실무에서 얼마나 빨리 일상화될지를 결정할 것이다.