OpenAI, 372개의 난제를 단 하루에 해결하다
The Mathocalypse
OpenAI가 2026년 10월 6일, 372개의 오랜 미해결 수학 문제에 대한 해답을 공개했다. 그중에는 Unique Games Conjecture 증명, L=BPL, 행렬 곱셈의 O(n^2.373) 장벽 돌파 등이 포함된다. 그러나 대부분의 증명은 아직 인간이 이해하지 못했으며, AI가 생성한 결과를 검증하고 설명하는 새로운 경쟁이 시작되었다.
어쨌든 우리 모두는 이제 같은 배에 탔다.
HN 토론
389- ZeljkoS
내가 보기엔 이 기사의 진짜 핵심은 여기에 묻혀 있다:
> 알고 보니 그들은 약 8,000개의 문제에 모델을 시험해봤다고 한다. 그래서 현재로서는, 오랫동안 풀리지 않은 미해결 수학 문제들—여러 학계가 수년간 매달려온 문제들—에 대해 단 한 번의 3시간 시도 후에, 그저 ~5%만 "겨우" 해결하는 수준이다.
대략적인 비용 계산:
시도당 3시간의 GPT-Pro 컴퓨팅 / 5% 성공률 → 해결된 미해결 수학 문제당 60시간의 컴퓨팅
GPT-6 Astra API 롱컨텍스트 가격($75/백만 출력 토큰)에서, 추론 속도 50토큰/초를 가정하면, 해답당 대략 $810이다:
60시간 × 3,600초 × 50토큰/초 × $75 / 1,000,000 = $810
물론 실제 토큰 사용량은 알 수 없다. 하지만 10배 틀렸다고 해도, 오랫동안 풀리지 않은 수학 문제를 해결하는 데 $8100은 저렴하다.
- nostrademons
덧붙이자면, 이 글은 AI가 쓴 게 아니라는 걸 첫 문장에서 알 수 있다:
> 엄마, 엄마가 망했다고 들었어요! 로봇이 엄마가 평생 연구한 수학 문제를 풀었다고요! 아이고!
우리 8살 아이가 정확히 저렇게 말한다. 식탁에서 저런 식으로 말하는 게 완전히 상상된다.
ChatGPT에게 "오늘 8~9살 아이인 척 해봐. 엄마한테 AI가 엄마 일자리를 대체했다고 어떻게 놀릴래?"라고 물었더니, 이런 답변들이 나왔다:
> "엄마, AI가 엄마 일자리를 가져갔대요. 로봇들도 '어… 우리가 더 잘할 수 있겠는데' 했나 봐요."
> "엄마, 축하해요! 컴퓨터한테 자리 뺏겼네요. 이제 Siri도 직업이 있는데 엄마는 없네요!"
> "엄마, AI가 엄마 일자리를 가져갔다고요? 세상에. 로봇도 엄마 작업을 보고 '내가 할게' 했나 보네요."
> "걱정 마세요, 엄마. 아직 쓸모는 있어요… AI한테 내 점심 만드는 법을 가르쳐주는 것처럼요."
이것들은 모두 어색하고 기계적인 놀림인 데다, 어딘가 밀레니얼 세대의 냄새가 난다. 최고의 AI 탐지기는 아이들과 언어의 변화를 믿어야 한다.
- ks2048
> 사이키델릭 약을 한 사람이 쓴 것 같은 느낌이다. 너무 불명확하고 말이 안 된다. 불가능성 결과에도 불구하고 왜 사용될 수 있는지 논의하지 않고 이전 연구를 마구 언급한다.
> 기본적으로 논문이 너무 형편없이 쓰여서 AI 도움 없이는 읽을 수가 없다.
이건 흥미롭고, 이 사건을 다룬 모든 보도에서 본 적이 없다.
읽어나가기 끔찍할 것 같다—올바른 출력을 내놓긴 하지만 엉망인 남의 코드를 이해하려는 것과 비슷하다.
- parksb
> "OpenAI 모델"은 인간들 사이에 엉망인 AI 증명(감사는커녕 인정도 거의 못 받고, 경쟁적이며, 재미없는 작업의 조합일 수 있는)을 소화하고 설명하기 위한 미친 경쟁을 촉발한다.
안타깝게도, 이것은 지금 업계의 많은 소프트웨어 엔지니어들이 일상적으로 하는 일이기도 하다. 나는 AI가 작성한 엉망인 수천 줄의 코드를 읽고 검증하는 데 시간을 쓴다. 실제로 무언가를 생산하는 것에 비하면, 이 일은 감사도 못 받고, 인정도 거의 못 받고, 재미없는 작업이다.
- ajjenkins
"외계인을 이해한다"는 구절은 Ted Chiang의 단편 "The Evolution of Human Science"(2000)를 떠올리게 한다.
꼭 읽어보길 강력 추천한다. 26년 전에 쓰인 것치고 매우 선견지명이 있다.
https://gwern.net/doc/fiction/science-fiction/2000-chiang.pd...
- dualvariable
이야기 속 아내가 제기한 문제들 외에도, 이 모든 해법에 의문을 제기하는 Navier-Stokes 결과에 대한 메타 분석이 있다:
https://arxiv.org/abs/2610.08144
> Autoformalisation은 점점 더 수학 텍스트, 특히 AI가 생성한 텍스트를 검증하는 데 사용된다. 예를 들어 OpenAI가 발표한 Navier-Stokes 방정식 해의 blow-up 증명에서 그렇다. 이 과정에서 AI 시스템은 자연어(NL) 텍스트를 Lean과 같은 형식 언어로 번역한다. 이 번역이 완료되면, 형식 언어로 표현된 논증은 기계적으로 쉽게 검증될 수 있다. 이 글의 목적은 의미론적으로 충실한 번역을 수행하는 데 따르는 여러 어려움 때문에, 이 과정이 원래의 NL 논증에 대한 신뢰를 전혀 제공하지 못할 수 있음을 보여주는 것이다. 특히, 의미론적으로 충실한 번역을 제공하기 위해 필요한 수학 NL 텍스트의 모호성 해결 문제는 Solvability Complexity Index(SCI) 계층/산술 계층에서 임의로 높은 위치에 있다(SCI =∞). 따라서 비공식적으로, 의미론적으로 충실한 AI autoformalisation을 제공하는 것은 정지 문제(SCI =1)를 포함한 어떤 계산 문제보다도 더 어렵다. 이 결과의 효과를 입증하기 위해, 실제로 AI가 NL 진술과 증명을 Lean으로 잘못 번역하여 NL 증명과 그 Lean '검증' 사이에 불일치가 발생한 여러 사례를 제시한다. 여기에는 Op […]
- an0malous
> 하지만 아직 이 증명들 중 어느 것도 인간이 이해한 것 같지 않다.
OpenAI가 생성한 증명 중 누구라도 검증한 사람이 있나, 아니면 모두 Lean 코드가 맞으니까 그냥 참이라고 가정하는 건가? Lean 코드 자체가 잘못 작성되었을 가능성은 없나?
- softwaredoug
피타고라스 정리 증명이 수십 개나 있지 않나? 목표는 단지 "증명"하는 게 아니라 평범한 실무자에게 잘 쓰여지고 직관적인 무언가를 만드는 것이다. 그리고 더 깊은 이해를 얻음으로써 더 나은 질문을 할 수 있다.
- prima-facie
> 수학, 이론 컴퓨터 과학, 수리 물리학에 종사하는 우리 모두는… 이제 같은 배에 탔다.
이것에서 가장 중요한 시사점은 수학자들이 마침내 우리 CS 잡부들을 동등하게 여긴다는 것이다.
- olalonde
에이전트들이 실제로 Lean에서 버그를 찾아내서 이 모든 증명에 악용했고, 인간 검토자들이 아직 그것을 발견할 시간이 없었다면 꽤 웃길 것이다.