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.
  1. 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.

  2. 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.

  3. 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.

  4. 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.

  5. 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...

  6. 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 […]

  7. 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?

  8. 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.

  9. 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.

  10. olalonde

    에이전트들이 실제로 Lean에서 버그를 찾아내서 이 모든 증명에 악용했고, 인간 검토자들이 아직 그것을 발견할 시간이 없었다면 꽤 웃길 것이다.

이 날의 다른 글

2026-10-07