OpenAI Astra: 수학 및 이론 컴퓨터 과학에서의 10가지 진전

OpenAI Astra, 10개의 오랜 수학적 난제 해결

OpenAI는 차세대 주요 모델인 Astra의 내부 버전이 수학 및 이론 컴퓨터 과학 분야의 10가지 미해결 문제를 성공적으로 해결했다고 발표했습니다. 이 문제들은 최소 10년 동안, 많은 경우 그보다 훨씬 더 긴 시간 동안 주요 결과에 대한 진전이 없었던 문제들입니다. 정확성을 보장하기 위해 OpenAI는 공개 GitHub 저장소를 통해 각 증명에 대한 Lean 인증서를 공개했습니다.

수학적 돌파구 요약

결과는 고차원 기하학, 군론, 양자 복잡도 등 여러 복잡한 영역을 아우릅니다. 해결된 10가지 문제는 다음과 같습니다:

  • 고차원 구 패킹(High-dimensional sphere packing): Cohn–Elkies 임계값까지 구 패킹 밀도에 대한 새로운 상한선을 확립했습니다.
  • 이진 및 구형 코드(Binary and spherical codes): 임의의 지정된 최소 거리에서 이진 코드의 최대 크기에 대한 지수적으로 개선된 상한선을 생성했으며, 고차원 구형 코드에 대해서도 유사한 결과를 도출했습니다.
  • 비소픽 군(Non-sofic groups): 비소픽 군의 존재를 확립하는 구성을 제공하여 군론의 핵심적인 미해결 질문을 해결했습니다.
  • Connes’s rigidity conjecture: 특정 군이 그들의 von Neumann algebra에 의해 유일하게 결정된다는 추측을 반박했습니다.
  • 산술 회로 복잡도(Arithmetic circuit complexity): 산술 회로와 공식을 사용하여 permanent를 계산하는 데 필요한 새로운 하한선을 확립했으며, 여기에는 $n^{4/\log n}$ 차수의 산술 공식 하한선이 포함됩니다.
  • 양자 병렬 반복(Quantum parallel repetition): 일반적인 2인용 양자 게임에 대한 지수적 병렬 반복 정리를 개발하여 고전적 복잡도 이론 원칙을 확장했습니다.
  • 최단 벡터 문제(Closest vector problem): 포스트 양자 암호학의 핵심 격자 문제인 최단 벡터 문제에 대해 다항식 인자 근사 어려움을 발견했습니다.
  • Ehrhart’s volume conjecture: 모든 차원에서 무게중심이 유일한 내부 격자점인 볼록체의 가능한 최대 부피를 결정했습니다.
  • 다색 Ramsey 수(Multicolor Ramsey numbers): 다색 삼각형 Ramsey 수에 대한 초지수적 하한선을 제공함으로써 Erdős problem 183을 해결했습니다.
  • 극한 그래프 이론 추측(Extremal number conjectures): 극한 그래프 이론의 압축성 및 퇴화성 추측과 관련된 Erdős problems 146 및 180을 해결했습니다.

방법론 및 자원 소비

해결책은 Astra 모델의 내부 버전으로 생성되었습니다. OpenAI는 이러한 해결책을 찾는 데 드는 총 토큰 비용이 현재 Sol API 요율로 약 $2,000일 것이라고 보고했습니다.

AI의 수학적 논증을 발견한 후, 인간 연구원들이 모델과 협력하여 결과를 원고로 준비했습니다. 마지막으로, 모델은 각 논증을 Lean 인증서로 공식화하여 기계 검증 가능한 증명의 정확성을 제공했습니다. OpenAI는 또한 각 해결책에 대한 모델의 사고 과정을 설명하는 내레이션을 공개했습니다.

AI 수학에서의 책임과 귀속

OpenAI는 결과의 기원이 어디인지 정직하게 반영해야 한다고 주장하며, AI가 생성한 증명을 인간의 저작물로 주장하는 것은 지적 작업의 본질을 왜곡하는 것이라고 말했습니다. 인간이 원고 준비와 Lean 공식화에 도움을 주었지만, OpenAI는 핵심적인 수학적 논증을 Astra 시스템의 공으로 돌립니다.

커뮤니티 분석 및 반론

이 발표는 AI 주도적 발견의 성격과 과정의 투명성에 대해 기술 커뮤니티 내에서 상당한 논쟁쟁을 불러일으켰습니다.

투명성 및 실험적 엄밀성

일부 비판론자들은 실험 설정에 대한 완전한 투명성 없이 보고된 $2,000의 비용이 잠재적으로 오해의 소지를 불러일으킬 수 있다고 주장합니다.

"I want to know: 1. How many total problems were given to the model, and what percent were left unsolved at what cost before giving up? 2. How many attempts were given to the model at solving these problems?"

휴리스틱 탐색 vs. 새로운 이론

모델이 진정으로 새로운 수학적 이론을 생성하는 것인지, 아니면 단순히 기존 도구의 적절한 조합을을 찾기 위해 기존 도구들을 철저히 탐색하는 것인지에 대한 논의가 계속되고 있습니다.

"Do these proofs contribute new ideas to the mathematical corpus, rather than simply being an effective method to exhaustively search the literature for the right combination of existing tools to apply to the problem?"

수학 전문직에 미치는 영향

일부 사람들은 이러한 결과를 전문직에 대한 위협으로 보주지만, 다른 이들은 AI가 촉매제 역할을 하여 인간 연구원들에게 새로운 길을 열어줄 것이라고 제안합니다.

"For every conjecture defeated, some seven or eight new ideas open up. Our path through that combination will be set by creative and curious human mathematicians."

기술적 관찰

관찰자들은 결과로 나온 Lean 증명 중 일부가 최대 50,000행에 달할 정도로 매우 길다는 점에 주목했습니다. 이는 AI가 생성한 공식화와 간결한 인간이 작성한 증명 사이의 차이를 강조합니다.

Sources