OpenAI, GitHub에 AI로 생성한 수학 논문 공개

OpenAI가 공개한 내용과 그 중요성

OpenAI는 내부의 최전방 모델이 생성한 수십 개의 새로운 수학적 결과, Lean 형식화, 추론 요약, 계산 자원 사용 통계를 포함하는 공개 GitHub 저장소를 발표했다. 이 발표는 대규모로, 커뮤니티 친화적인 AI 생성 증명의 첫 번째 공개이자, 향후 과학 분야의 AI 돌파구가 어떻게 공유되어야 할지에 대한 전례를 세운다는 점에서 의미가 크다.

저장소 내용: 결과, 형식화, 투명성 데이터

저장소 (https://github.com/openai/math)는 세 가지 주요 섹션으로 구성되어 있다:

  • 프리프린트 – 각 결과, 모델의 추론 과정, 관련 연구에 대한 인용을 설명하는 PDF 원고.
  • Lean 형식화 – 일부 결과에 대한 기계 검증 가능한 증명 스크립트로, 커뮤니티가 Lean 정리 증명기로 정확성을 검증할 수 있게 한다.
  • 추론 추적 기록 – 모델이 사용한 단계별 사고 과정을 기록한 텍스트 파일과, 계산 자원 소비 요약(평균적으로 각 결과당 약 3시간의 ChatGPT Pro 계산 자원 사용).

"평균적으로 각 결과는 약 3시간의 ChatGPT Pro 추론에 해당하는 계산 자원을 사용했습니다." – OpenAI 발표 자료

저장소에는 또한 논문 수정 프로토콜이 포함되어 있어, 저자들이 원고를 업데이트하고 인용을 추가하며 형식적 검증을 요청할 수 있도록 한다.

주목할 만한 돌파구와 커뮤니티 반응

높은 영향력을 가진 문제들에 대한 해결 주장

  • 유일 게임 추측(Unique Games Conjecture) – 근사 난이도 이론의 핵심. 증명이 완성되면 이론적 컴퓨터 과학의 대부분을 재정의할 수 있다.
  • 바너테의 추측(Barnette's Conjecture) – 오랫동안 남아 있던 그래프 이론 문제. 증명은 "기본적인 그래프 이론 지식으로 접근 가능한" 것으로 설명된다.
  • 세 대기계 단위 작업 스케줄링(Three-machine unit-job scheduling) – 1979년부터 열려 있던 알고리즘 문제에 대한 결과로, 엄청난 크기의 지수(O((L+2)^150020) 단계)를 가진다.
  • ℚ 위에서의 힐베르트 10번 문제, 시공간 펜로즈 부등식, 란다우-시겔 영점의 부재, 기타 여러 문제들이 상위 500개 열린 문제 중 90개의 해결 목록에 포함되어 있다(참고: @zone411의 댓글).

커뮤니티의 반응

  • 흥분 – 많은 댓글 작성자들이 이 발표를 "수학 분야에서 50~100년 치 진보"라고 평가하며 오픈소스 접근 방식을 칭찬했다(예: @binlog, @gizmodo59).
  • 회의론 – 증명의 정확성, 잠재적인 구멍, 인간 검증의 필요성에 대한 우려가 제기되었다(예: @dualvariable, @lhk931122).
  • 연구자들에 대한 영향 – 일부는 박사 과정과 미래 논문에 미치는 영향에 대해 우려를 표했으나, 다른 이들은 새로운 워크숍과 협업 기회를 보았고(예: @mr_big_bowls, @novalis78).

Lean에서의 형식적 검증

OpenAI는 많은 증명에 대해 Lean 형식화를 포함하여, 커뮤니티가 Lean 체커를 실행해 논리적 단계가 타당한지 확인할 수 있도록 했다. 이는 재현 가능한 AI 생성 수학으로 나아가는 구체적인 단계이며, 고급 연구소(IAI)의 수학과 인공지능 고문 그룹(AGMAI) 의 권고와 일치한다.

"우리는 논문 수정 및 인용을 위한 프로토콜과 함께 GitHub 저장소에 결과를 공개하고 있습니다… 저희 GitHub 저장소의 일부로, 많은 증명의 형식화를 공유하고 있습니다." – OpenAI 발표

Lean 파일은 lean/ 폴더에 저장되어 있으며, 표준 Mathlib 규칙을 따르므로 기존 Lean 사용자들이 쉽게 가져와 확장할 수 있다.

계산 예산과 확장 가능성

각 결과는 약 3시간의 ChatGPT Pro 계산 자원을 필요로 했다. 일반적인 ChatGPT Pro 가격($20 USD/시간)을 기준으로 하면, 90개 이상의 결과에 대한 총 계산 비용은 약 $5,400 수준이며, 잠재적인 과학적 영향에 비하면 적은 비용이다.

확장 가능성은 명확하다: 모델의 능력이 향상될수록 증명당 계산 자원은 감소할 것으로 예상되며, 동일한 예산으로 훨씬 더 많은 결과를 생성할 수 있게 된다.

남은 질문과 다음 단계

  • 검증 누적 문제 – 커뮤니티는 증명을 감시해야 하며, 특히 주목받는 문제들(유일 게임, 힐베르트 유형 문제)에 대해 검증이 필요하다. 이미 초기 독립적인 검증(예: Dave Goldblatt의 리만 제타 함수 증명에 대한 Lean 검증)이 등장하고 있다.
  • 인용 및 저자 표기 기준 – 댓글 작성자들은 논문에 인간 검토자의 이름을 추가하여 수동 검증 수준을 나타내는 것을 제안했다(참고: @ks2048).
  • 더 넓은 과학적 영향 – 많은 결과는 순수 수학이지만, 일부(예: 나비에-스토크스 관련 계산)는 물리학 및 공학 분야에 응용 가능성을 시사한다. OpenAI가 후속 워크숍을 지원할 경우 실용적 의미가 명확해질 수 있다.
  • 향후 공개 계획 – OpenAI는 AGMAI의 최선의 실천 권고에 따라, 커뮤니티 주도의 배포 대안을 탐색하고, 설명 품질을 개선할 계획이다.

오늘 저장소를 사용하는 방법

  1. 저장소 복제: git clone https://github.com/openai/math.git.
  2. 개요 PDF 탐색: overview.pdf를 열어 모든 결과와 상태를 간략히 확인.
  3. Lean 검증 실행: Lean 4와 Mathlib를 설치한 후, lean/ 폴더 내에서 lean --make 명령어를 실행.
  4. 추론 추적 기록 읽기: 모델의 사고 과정을 이해하고 계산 자원 사용량을 추정.
  5. 기여하기: 제공된 수정 프로토콜을 따르며 오류 수정, 추가 인용, 개선된 형식화를 제출.

결론

OpenAI의 GitHub 공개는 AI 보조 수학의 전환점이 되었다: 오픈사이언스 배포, 형식적 검증, 투명한 계산 자원 계정을 결합했다. 커뮤니티는 이제 주장된 돌파구를 엄격히 검증하고, AI 생성 인사이트를 수학 생태계 전체에 통합하는 이중 과제를 안고 있다.

Sources

관련