수학자들의 AI 경고, 답보다 전승이 문제다

문제 풀이가 수학의 전부는 아니다

Math and AI 선언은 최근 수개월 동안 LLM의 수학 능력이 크게 개선됐지만, 유명 미해결 문제를 기업 벤치마크처럼 소비하는 흐름은 수학 공동체의 목표와 심하게 어긋난다고 말한다. 선언문에는 1978년 Fields Medal의 Pierre Deligne부터 2022년 수상자 June Huh, 2006년 수상자 Terence Tao까지 다수의 Fields Medal 수상자가 이름을 올렸다.

핵심은 AI가 수학 문제를 풀 수 없다는 방어가 아니다. 오히려 반대다. 너무 빨리, 너무 많이, 너무 결과 중심으로 풀기 시작할 때 문제가 생긴다는 경고다. 수학에서 유명 문제는 점수판이 아니라 새로운 개념, 방법, 강의, 교과서로 이어지는 긴 전승 장치였다. 타오의 경고, 좋은 수학 문제도 비재생 자원이다와 같은 문제의식이다.

기업 벤치마크와 학문 공동체의 목표가 갈라진다

AI 기업은 난제 해결을 모델 성능의 강한 홍보 신호로 본다. 반면 수학자에게 중요한 것은 정답 그 자체보다 왜 그 풀이가 작동하는지, 이전 연구와 어떻게 연결되는지, 학생이 어떤 훈련을 통해 그 아이디어에 접근하는지다. OpenAI 연구 가속, 과학도 제품화된다가 말한 과학의 제품화가 수학에도 들어온 셈이다.

형식 검증은 필요하지만 충분하지 않다

AI 수학의 신뢰 장치로 Lean 같은 형식 검증이 중요해지는 것은 분명하다. Lean 4 증명, AI 수학의 신뢰 장치가 되다는 이 흐름을 잘 보여준다. 하지만 Lean으로 참임을 확인해도 그것이 좋은 설명, 좋은 교육, 적절한 귀속을 자동으로 보장하지는 않는다.

수학은 오픈소스 소프트웨어처럼 결과물을 공개 저장소에 올린다고 끝나는 분야가 아니다. International Mathematical Union은 Fields Medal을 4년마다 젊은 수학자의 탁월한 업적에 수여하지만, 그 업적은 보통 긴 공동체 검증 위에서 의미를 얻는다. Lean이나 arXiv가 새 인프라가 될 수는 있어도 인간의 해석 노동을 대체하지는 못한다.

한국 연구자와 기업에 주는 신호

한국 대학과 연구소도 AI 수학 도구를 무조건 막을 수는 없다. 대신 연구실 규칙이 필요하다. AI가 만든 보조 증명, 문헌 탐색, 계산 실험을 어디까지 허용할지, 논문에는 어떤 수준의 사용 기록을 남길지, 학생의 과제와 연구 문제에는 어떤 보호 구역을 둘지 정해야 한다.

기업 입장에서도 수학 난제 풀이를 마케팅 자산으로만 쓰면 역풍을 맞을 수 있다. 미공개 수학과 AI 신뢰의 균열이 보여주듯 미공개 연구와 학문 신뢰가 섞이면 데이터 출처, 사전 접근, 평가 공정성 논란이 커진다.

자주 묻는 질문

Q1: 이 선언은 AI 수학 연구 반대인가요?

A: 아닙니다. 선언문도 AI가 genuine mathematical study를 강화할 가능성을 인정합니다. 반대 대상은 문제 풀이를 성과 지표로만 소비하는 방식입니다.

Q2: AI가 난제를 풀면 좋은 일 아닌가요?

A: 좋은 일일 수 있습니다. 다만 풀이가 공개 검토, 귀속, 교육 가능한 설명으로 이어지지 않으면 학문적 가치는 제한됩니다.

Q3: 형식 증명으로 해결할 수 있나요?

A: 일부 해결됩니다. 참과 거짓 검증에는 강력하지만, 아이디어의 의미와 전승까지 자동화하지는 못합니다.

Q4: 한국 대학은 무엇을 해야 하나요?

A: AI 사용 기록, 공동 저자 기준, 학생 과제 보호, 미공개 문제 공유 규칙을 명문화해야 합니다.

Q5: 기업은 어떤 태도가 필요하나요?

A: 난제 해결 발표보다 출처, 검토 절차, 공동체 협력 방식을 먼저 공개해야 신뢰를 얻을 수 있습니다.