OpenAI가 722편의 수학 논문을 쏟아냈습니다 – 이제 이 난장판을 수습해야 합니다

지난주에 저는 수학자들이 AI를 무시할 수 있는지 물었습니다. 어제 OpenAI는 광범위한 수학 분야에 걸쳐 4000개의 미해결 난제에 대한 대규모 캠페인의 결과물인 722편의 수학 논문을 코드 공유 웹사이트 GitHub에 쏟아내며 응답의 포화를 퍼부었습니다. 수학자들은 여전히 이 공개 자료를 소화하고 있으며 당분간은 계속 그럴 것으로 보입니다. 이것이 전례 없는 상황이라고 생각하기 쉽지만, 사실 저는 방금 일어난 일을 분석하고 다음에 어떤 일이 일어나야 할지 파악하는 데 유용할 수 있는 몇 가지 역사적 선례가 있다고 생각합니다.

그 이야기를 하기 전에 답해야 할 두 가지 큰 질문이 있습니다. 이 수학적 범람이 AI에 무엇을 의미하며, 수학에는 무엇을 의미할까요? 첫 번째 질문에 대해, 우리는 이제 선도적인 AI 모델이 버튼 하나만 누르면 연구 수준으로 보이는 수학을 본질적으로 생산할 수 있다는 추가적인 확인을 얻었습니다. OpenAI는 이름이 밝혀지지 않은 내부 모델을 사용했으며, 각 결과에 평균 "ChatGPT Pro 사고 연산 3시간"에 해당하는 자원을 사용했다고 밝혔습니다. Pro는 한 달에 100달러에서 500달러에 제공되는 최고 등급 제품입니다.

물론 "평균"이라는 단어에는 많은 의미가 담겨 있으며, OpenAI의 구독 서비스는 막대한 보조금을 받고 있기 때문에 이러한 각 결과에 대한 실제 비용 수치를 제시하기는 어렵고 OpenAI도 이를 제공하지 않았습니다. 하지만 평균적인 문제가 OpenAI가 보고한 1500만 달러의 비용을 들여 약 88시간이 걸렸다는 지난달의 Navier-Stokes 결과에 들어간 노력에 근접했을 가능성은 낮아 보입니다.

이 회사가 이 일을 하는 이유는 수학 기계를 원해서가 아니라, 자사 모델을 확장할 수 있는 문제를 찾고 있기 때문입니다. 수학은 많은 테스트 사이트 중 하나일 뿐입니다. 수학에서의 이러한 명백한 숙련도가 OpenAI가 다른 과학 분야에서도 유사한 성능을 달성하거나, 인간이 할 수 있는 모든 것을 할 수 있는 AI 모델인 인공 일반 지능(AGI)이라는 명시된 목표에 가까워졌음을 의미할까요? 저는 그렇게 생각하지 않습니다.

수학에는 AI의 성공에 필수적이었던 결정적인 요소인 검증 가능성이 있습니다. AI가 예를 들어 윌리엄 셰익스피어와 견줄 만한 연극을 쓸 수 있는지 확인할 수 있는 객관적인 척도는 없지만, 수학에는 증명이 참이거나 거짓이기 때문에 그러한 척도가 존재합니다. 증명을 공식화함으로써(논리적 단계를 컴퓨터가 기계적으로 확인할 수 있는 Lean이라는 컴퓨터 코드로 변환함으로써) AI 기업은 실제로 주장한 바를 달성했음을 입증할 수 있습니다. 이는 AI의 수학적 능력을 향상시키기 위한 편리한 루프를 제공합니다. 증명을 생성하게 하고, 이를 공식화하고, 정확성에 대해 모델에 보상을 주는 방식입니다. 다른 분야에서 이러한 루프가 부족하다는 점은 AI 모델이 발전하는 것을 더 어렵게 만들 가능성이 높습니다.