Terence Tao와 ChatGPT: 야코비안 추측 반례 해체하기

전문가 주도형 AI 프롬프팅을 통한 수학적 발견

Terence Tao의 ChatGPT와의 상호작용은 고급 수학에서 대형 언어 모델(LLMs)의 유용성이 사용자의 전문성에 크게 의존한다는 것을 보여준다. 특정 전문 용어가 많은 프롬프트를 제공하고 모델을 상징적 검증의 진행 과정을 통해 안내함으로써, Tao는 AI를 사용하여 야코비안 추측의 복잡한 반례를 더 간단한 정신 모델로 매핑했다.

야코비안 반례의 상징적 검증

공유된 대화에서 ChatGPT는 다항식 동형사상과 야코비안이 상수인 후속 맵을 검증하는 데 사용되었다. 이 과정은 세 가지 주요 단계로 전개되었다:

1. 다항식 동형사상 검증

ChatGPT는 맵 $\Phi: \mathbb{A}^{3} \rightarrow X$와 그 역 맵 $\Psi: X \rightarrow \mathbb{A}^{3}$가 서로 역인 다항식 동형사상임을 검증했는데, 여기서 $X$는 다음 방정식으로 정의된다:

$$X = \left{ (a, b, c, d, e) \in \mathbb{C}^{5} : a^{2} e - a b d + c b^{2} = 1 , a d + b c = 1 \right}$

By expanding the formulas for $b, c, d,$ and $e$ in terms of $a, y, z$, the model confirmed that the defining equations of $X$ are satisfied identically, proving that $X \cong \mathbb{A}^{3}$.

$b, c, d,$ 그리고 $e$를 $a, y, z$의 함수로 표현하여 확장함으로써, 모델은 $X$의 정의 방정식이 동일하게 만족됨을 확인하여 $X \cong \mathbb{A}^{3}$임을 증명했다.

2. 켈러 맵 구성

Following Tao's guidance, the model composed $\Phi$ with a map $F(a,b,c,d,e) = (ac, ad + bc, ae + bd, be)$ and discarded the constant coordinate ($ad+bc=1$). This resulted in a polynomial map $G: \mathbb{C}^{3} \rightarrow \mathbb{C}^{3}$:

• $G_{1} = a - \frac{3}{2} a^{2} y + a^{3} z$
• $G_{2} = \frac{1}{2} y - 3 a z + 6 a y^{2} - 6 a^{2} y z + \frac{9}{2} a^{2} y^{3} - 3 a^{3} y^{2} z$
• $G_{3} = - 2 z + 4 y^{2} - 6 a y z + 7 a y^{3} - 6 a^{2} y^{2} z + 3 a^{2} y^{4} - 2 a^{3} y^{3} z$

ChatGPT symbolically differentiated these expressions to confirm that the determinant of the Jacobian matrix is constant: $\det DG \equiv -1$.

ChatGPT는 이러한 표현을 상징적으로 미분하여 야코비안 행렬의 행렬식이 상수임을 확인했다: $\det DG \equiv -1$.

3. 원래 반례로의 매핑

Finally, the model demonstrated that this constructed map $G$ is equivalent to the original Jacobian Conjecture counterexample $F_{orig}$ via linear transformations of the source and output coordinates. By setting $a = z_{1}, y = z_{2}, z = -\frac{1}{2} z_{3}$, the model showed that:

$$F_{orig} = B \circ G \circ A$$

where $A$ and $B$ are linear maps. This verified that the factorization construction recovered the original map exactly.

여기서 $A$와 $B$는 선형 맵이다. 이는 분해 구성이 원래 맵을 정확히 복구했음을 검증했다.

기술 커뮤니티의 통찰

Discussion among the Hacker News community highlighted several key takeaways regarding the intersection of AI and advanced mathematics:

해커 뉴스 커뮤니티의 논의에서 AI와 고급 수학의 교차점에 관한 몇 가지 핵심 시사점이 강조되었다:

The "Cognitohazard" of Unsolved Problems

One contributor noted that the Jacobian Conjecture represents a "cognitohazard" for LLMs. Because the model's training data contains the fact that the conjecture is unsolved, it may be predisposed to doubt a user's claim of a proof. However, when steered by an expert to perform specific symbolic checks, the model can verify the math regardless of its internal "knowledge" of the problem's status.

한 기여자는 야코비안 추측이 LLMs에 대해 '인지적 위험'을 나타낸다고 지적했다. 모델의 학습 데이터에는 해당 추정이 미해결이라는 사실이 포함되어 있어, 사용자의 증명 주장에 대해 의심을 갖기 쉬울 수 있다. 그러나 전문가의 지도를 받아 특정 상징적 검사를 수행하도록 유도될 때, 모델은 문제의 상태에 대한 내부 '지식'과 관계없이 수학을 검증할 수 있다.

AI as a Collaborative Colleague

Users observed that the LLM functioned less as a tool and more as a colleague. The model's ability to handle PDF ingestion, code writing, and long-term context retention allowed it to act as a sounding board for a supergenius, reducing the friction of symbolic manipulation.

사용자들은 LLM이 도구보다는 동료로서 더 많이 기능한다고 관찰했다. PDF 섭취, 코드 작성, 장기 컨텍스트 유지 능력을 갖춘 모델은 슈퍼 천재의 소리판 역할을 하여 상징적 조작의 마찰을 줄일 수 있었다.

Breaking Down Specialization

Some argued that AI could help mathematicians overcome the extreme specialization of the field. By acting as a bridge between isolated mathematical domains, LLMs may help researchers connect concepts across different sub-fields that have become too dense for any single human to master.

어떤 이들은 AI가 수학자들이 분야의 극단적인 전문화를 극복하는 데 도움이 될 수 있다고 주장했다. 고립된 수학 영역 사이의 다리 역할을 함으로써, LLMs은 어떤 singolo 인간도 마스터하기에는 너무 밀집해진 다양한 하위 분야 간의 개념을 연구자들이 연결하도록 도울 수 있다.

"Modern AI feels like a godsend to mathematicians. It helps them break down boundaries and connect concepts in ways a mere mortal couldn't imagine.

"현대 AI는 수학자들에게 마치 신의 선물처럼 느껴진다. 이는凡人이 상상할 수 없는 방식으로 경계를 허물고 개념을 연결하는 데 도움을 준다.

모델 성능 요약

The conversation revealed that the model is capable of:

대화에서 모델이 다음과 같은 능력을 가지고 있음이 드러났다:

• 고충실도 상징적 조작: 오류 없이 복잡한 다항식 확장과 미분 수행.
• 적응형 톤: 사용자의 기술 전문성 수준에 맞춤.
• 주의 사항을 통한 추론: 사용자의 프롬프트가 잠재적인 오류로 이어질 때 수정 및 경고 제공.

Mathematician Terence Tao used ChatGPT to symbolically verify and simplify a counterexample to the Jacobian Conjecture, demonstrating how expert-led AI prompting can accelerate the understanding of complex mathematical proofs.

수학자 Terence Tao는 ChatGPT를 사용하여 야코비안 추측의 반례를 상징적으로 검증하고 간소화함으로써, 전문가 주도형 AI 프롬프팅이 복잡한 수학적 증명의 이해를 어떻게 가속화할 수 있는지를 보여주었다.

Terence Tao and ChatGPT: Deconstructing the Jacobian Conjecture Counterexample

Terence Tao와 ChatGPT: 야코비안 추측 반례 해체하기