수학은 변했다. 이제 그에 맞춰 행동하자

최근 OpenAI가 700편 이상의 연구 논문을 발표하면서 수학의 지형이 근본적으로 바뀌었습니다. 이는 AI가 이제 다양한 하위 분야에서 획기적인 기여를 할 수 있음을 보여줍니다. 수학계는 이러한 발전을 실존적 위협으로 간주하기보다는, 개별 정리 증명에 집중하던 방식에서 벗어나 구조적 이해와 문제 설정이라는 더 넓고 야심 찬 의제로 전환해야 합니다.

수학 연구의 새로운 현실

수학은 역사적으로 장인 정신에 기반한 학문이었으나, 빠르게 기술 중심 분야로 진화하고 있습니다. AI가 Langlands 프로그램이나 침투 이론(percolation theory)과 같은 주요 미해결 난제들을 다룰 수 있게 되면서, 고독한 수학자가 유명한 추측을 해결하는 전통적인 '영웅적' 모델의 중요성은 점차 줄어들고 있습니다.

관찰자들이 지적했듯이, 현재 상황은 20세기 유한 단순군 분류 작업과 유사합니다. 일단 주요 문제가 '해결'되면, 학계는 해당 주제가 끝났다고 선언하고 싶은 유혹을 경계해야 합니다. 대신 수학자들은 이러한 AI 보조 결과를 새로운 영역으로 간주하고, 기술적 장벽으로 인해 이전에는 접근할 수 없었던 더 깊고 복잡한 연결 고리를 탐구하는 도구로 활용해야 합니다.

인센티브와 평가의 변화

이 새로운 시대에 적응하기 위해 수학계는 연구자를 단순히 논문 목록이나 점진적인 증명을 생성하는 능력으로만 평가하는 방식에서 벗어나야 합니다. 이제 수학자의 가치는 다음과 같은 능력에 달려 있습니다:

• 가치 있는 문제 선택: 어떤 질문을 탐구할 가치가 있는지 식별하는 것이 증명을 찾는 기계적인 과정보다 더 중요해지고 있습니다.
• 종합 및 소통: 복잡한 수학적 구조와 그 광범위한 의미를 설명하는 능력은 AI가 현재 인간 수준의 통찰력으로 복제할 수 없는 필수적인 기술입니다.
• 새로운 프로그램 개발: 선임 수학자들은 기존의 잘 정의된 추측을 해결하기 위해 AI와 경쟁하기보다는 대담하고 다년간의 연구 의제를 만드는 데 우선순위를 두어야 합니다.

학계를 위한 구체적인 단계

이러한 전환을 촉진하기 위해 학계는 제도적 관행을 개혁해야 합니다:

• 채용 및 승진: 논문 기반 지표를 넘어서야 합니다. 채용 위원회는 후보자의 비전, 지식의 폭, 복잡한 아이디어를 전달하는 능력을 테스트하는 대면 인터뷰를 우선시해야 합니다.
• 저널 개혁: 점진적인 연구 성과에 보상하는 현재의 저널 시스템은 AI 시대에 적합하지 않습니다. 학계는 적응하지 못하는 저널을 과감히 버리고, 명확성, 유용성, 심층적인 해설을 강조하는 플랫폼에 집중하는 것을 고려해야 합니다.
• 대학원 교육: 교육은 좁은 기술적 숙련도를 가르치는 것에서 수학적 연결에 대한 폭넓은 이해를 함양하는 방향으로 전환되어야 합니다. 학생들이 서로 다른 분야의 교차점을 탐색하는 방법을 배우도록 장려해야 합니다. 가장 중요한 미래의 발견은 바로 그곳에서 일어날 가능성이 높기 때문입니다.

AI 주도 미래에서의 인간의 역할

일부에서는 AI가 인간 수학자를 쓸모없게 만들 것이라고 우려하지만, 많은 전문가들은 인간의 판단력, 취향, 그리고 탐구의 경계를 정의하는 능력은 여전히 필수적이라는 데 동의합니다. 수학이라는 '게임'은 끝난 것이 아니라 단지 변화했을 뿐입니다.

한 논평자가 지적했듯이, "인간이 승리하는 가장 낮은 수준의 추상화는 단순히 답을 내는 것이 아니라 질문을 던지는 것이다." AI가 생성한 결과를 주도적으로 수용하고 이를 인간이 이끄는 더 큰 서사에 통합함으로써, 수학계는 이 학문이 여전히 활기차고 진화하는 분야로 남도록 보장할 수 있습니다. 목표는 기계와 그들의 방식대로 경쟁하는 것이 아니라, 기계의 능력을 활용하여 인간 지식의 경계를 그 어느 때보다 더 멀리 확장하는 것입니다.