OpenAI의 차기 모델 Astra가 수십 년 묵은 수학 난제 10가지를 방금 해결했다

8월 1일, OpenAI는 내부 명칭으로 Astra(아직 공개되지 않음)라 부르는 차기 모델이 수학의 열 가지 서로 다른 미해결 문제에 대해 새로운 결과를 도출했다고 발표했습니다. (밀레니엄 문제들은 아니지만, 그럼에도 중요한 성과입니다.)

주목할 점: 이 해들은 문제에 대한 점진적 진전이 아니라, Lean으로 검증된 진정한 해결입니다. (Lean은 수학적 논증의 모든 단계를 기계가 읽을 수 있는 세부 수준으로 명시하도록 강제하는 프로그래밍 언어이자 증명 도우미입니다.) 

한꺼번에 받아들이기엔 많은 내용입니다. 이 글에서는 분야별로 문제를 정리하고, 어떤 일이 있었는지 고수준에서 설명하며, 이것이 수학이라는 분야에 어떤 의미를 갖는지, 그리고 Astra에 관해 우리가 더 알 수 있는 점은 무엇인지 살펴봅니다.

열 가지 문제는 무엇인가요?

아래는 각각의 결과를 쉬운 말로 정리하고, 해당되는 수학 또는 컴퓨터 과학의 세부 분야를 덧붙였습니다.

비소픽 군

분야: 군론

Astra는 큰 유한 구조로는 아무리 가깝게도 근사할 수 없는 군을 구체적으로 구성해냈습니다. 이는 1999년에 \"소픽(sofic)\" 군 개념이 도입된 이래 열려 있던 질문을 닫는 성과입니다. 이 구성에는 어떤 유한 근사열도 결코 작동하지 않음을 보이는 증명이 함께하며, 논리를 기계적으로 점검할 수 있도록 Lean으로 정식화되어 있습니다.

위키피디아는 이미 업데이트되었습니다:

구의 채움

분야: 고차원 기하

차원이 증가할 때, 서로 겹치지 않는 동일한 구들을 얼마나 촘촘하게 채울 수 있는가가 질문입니다. Astra는 고차원에서 그 밀도의 상한을 더 타이트하게 증명했으며, 이 특정 경계가 개선된 것은 1978년 이후 처음입니다. 더 나은 채움 방법을 제시한 것은 아니지만, 향후 어떤 방법이든 도달할 수 있는 최선의 한계를 더 좁혔습니다.

이진 및 구상 코드

분야: 부호 이론

오류 정정 코드는 유효한 메시지들 간 거리를 충분히 떨어뜨려 작은 오류로는 서로 바뀌지 않도록 합니다. Astra는 주어진 최소 거리에서 가능한 메시지 개수에 대한 상한을 극적으로 더 타이트하게(지수적으로 개선된 수준으로) 증명했으며, 고차원 구 위에 점들을 분포시키는 경우에 대해서도 일치하는 결과를 제시했습니다.

콩니스의 강직성 추측

분야: 작용소 대수

Alain Connes는 특정 군들이 그들로부터 구성된 폰 노이만 대수라는 대수적 구조로부터 항상 유일하게 재구성될 수 있다고 추측했습니다. Astra는 서로 본질적으로 다른 두 군이 동일한 대수를 낳는 예를 제시함으로써, 재구성이 항상 일대일은 아님을 보였습니다.

산술 회로 복잡도

분야: 계산 복잡도 이론

숫자 격자에서 계산되는 단일 수인 \"퍼머넌트(permanent)\"는 계산 비용이 큽니다. 복잡도 이론가들은 어떤 방법이든 필요한 산술 단계 수의 최소치를 알고자 합니다. Astra는 그 최소치에 대한 새로운, 더 강한 하한을 증명했는데, 이런 유형의 결과는 조금만 전진시키기도 악명 높게 어렵습니다.

양자 병렬 반복

분야: 양자 복잡도 이론

고전 이론에 따르면 통신하지 않는 두 플레이어에게 어려운 게임을 병렬로 여러 번 반복시키면, 부정행위가 성공할 가능성이 지수적으로 줄어듭니다. Astra는 플레이어들이 양자 얽힘을 공유하는 경우에도 동일한 보장이 성립함을 증명하여, 고전적 기본 원칙을 양자 환경으로 확장했습니다.

가장 가까운 벡터 문제

분야: 격자기반 암호

점들의 반복 격자(격자)와 목표 위치가 주어졌을 때, 이 문제는 가장 가까운 격자점을 찾는 것입니다. 이는 고차원에서 매우 어렵다고 여겨지며, 그 때문에 일부 양자 내성 암호의 기초가 됩니다. Astra는 특정 다항식 계수 이내로 답을 근사하는 것조차도 증명 가능하게 어렵다는 것을 보여, 그 위에 구축된 암호의 안전성을 강화했습니다.

에르하르트의 체적 추측

분야: 이산 및 볼록 기하

질량중심에 내부 격자점이 정확히 하나만 있는 볼록 도형에 대해, 주어진 차원에서 그런 도형이 가질 수 있는 최대 부피가 얼마인지가 질문이었습니다. Astra는 모든 차원에 대해 그 최대 부피를 계산하여, 이 추측을 완전 일반성에서 해결했습니다.

다색 램지 수

분야: 램지 이론 / 조합론

사람 수가 충분히 많고 그들 간 관계 범주가 충분히 다양하면, 결국 동일한 범주로 연결된 세 사람을 반드시 찾게 됩니다. Astra는 범주 수가 증가함에 따라, 필요한 최소 집단 규모가 어떤 고정된 지수율보다 더 빠르게 증가함을 증명하여, 에르되시 문제 183을 해결했습니다.

극단적 수 추측들

분야: 극단 그래프 이론

이 분야는 특정 작은 금지 패턴을 피하면서 한 네트워크가 가질 수 있는 연결의 최대 개수를 묻습니다. Astra는 여기에서 관련된 두 가지 추측(에르되시 문제 146과 180에 해당)을 해결하여, 그런 네트워크가 그 패턴들이 불가피해지기 전까지 얼마나 조밀해질 수 있는지를 정확히 규명했습니다.

이들 각각은 최소 10년, 여러 문제는 30년 이상 열려 있었으며, 이론 CS 측 목록에서는 튜링상 수상자들이 연구했던 문제들도 포함됩니다.

잠깐, 반례는 \"쉬운\" 종류의 증명 아닌가요?

제가 여기서 뭐라고 폄하할 입장은 아니지만, 특히 수학에 대해 조금 아는 분들 사이에서 흔한 질문이자 반응이라는 점은 알고 있습니다.

가장 흔한 비판은 이렇습니다. 여러 결과가 새로운 일반 이론이라기보다 반례라는 점입니다. 반례는 예/아니오 질문에 답하지만, 그 패턴이 왜 깨지는지 또는 다음에 연구할 유사한 대상의 계열을 제공하지는 않는다는 점에서 중요합니다. 반면 분류 정리나 새로운 기법 같은 것은 더 많은 문을 열어줍니다.

일반적으로는 타당한 비판이라 보지만, 이번 일괄 성과 전체를 일괄적으로 깎아내릴 정도는 아닙니다. 첫째, 비소픽 군 결과는 아슬아슬하게 놓친 기존 시도에 대한 작은 수정이 아닙니다. 27년 동안 아무도 갖지 못했던 최초의 구성이며, 그 기법은 다른 예들을 찾는 데 일반화될 것으로 기대됩니다.

둘째, 나머지 아홉 결과 중 여러 개(구 채움의 상한과 CVP 난이도 결과 등)는 반례가 전혀 아니며, 기존 경계를 직접적으로 개선한 것입니다. 

아직 남은 쟁점

앞으로 며칠, 몇 주, 몇 달 동안 학계에서 검토가 진행되며 추적할 만한 사항들은 다음과 같습니다.

\n
• 아직 동료평가 없음. Lean으로 검증되었고, 프리프린트를 본 수학자들의 비공식 검토는 있었지만, 정식 심사 저널 과정을 거친 것은 하나도 없습니다. 
\n
• 저자권이 아직 조율 중. OpenAI는 원고와 Lean 정식화에 대한 책임을 진다고 밝히는 한편, 수학적 논증 자체는 모델에 귀속합니다. 증명의 검증과는 달리, 과정의 독립적 재현은 현재로서는 수행하기 어렵습니다.
\n

수학에 주는 의미

가장 즉각적인 변화는 수학자들이 실제로 시간을 어디에 쓸지 달라질 수 있다는 점입니다. 잘 정식화된 미해결 문제를 모델에 맡기고 Lean으로 검증할 수 있다면, 병목은 \"누가 이것을 풀 수 있는가\"에서 \"우리가 올바른 질문을 했고 정확히 정식화했는가\"로 이동합니다. 좋은 문제를 제기하고 무엇이 도전할 가치가 있는지 아는 능력은 경험을 통해 기르는 실력입니다. 

또한 자금과 신뢰성의 문제가 조용히 떠오르고 있습니다. 연구비, 테뉴어 심사, 상들은 역사적으로 희소성에 기반했습니다. 문제들이 충분히 어려웠기에, 하나를 푼다는 것이 해결자의 역량을 말해주었습니다. AI 보조 결과가 일상화되면, 진정으로 어려운 것과 이제 수천 달러의 추론 비용으로도 가능한 것을 구분해 신호를 보낼 새 방법이 필요할 것입니다. 물론 일반 대중이 이러한 문제를 완전히 이해하는 것은 아닙니다. 제대로 훈련받은 사람들은 이해하며, 그 사실은 변하지 않습니다. 그래서 수학적 지식은 그 어느 때보다 더 가치가 큽니다. 

사람들은 어떻게 반응하고 있나

소셜 미디어의 반응은 증명이 맞는지보다, 그것이 무엇의 증거인지에 더 갈렸습니다.

일부는 그 속도 자체를 핵심으로 봅니다. 서로 무관한 분야에서 수십 년 묵은 열 가지 문제가 한꺼번에, 전문가들이 검토 속도를 따라잡기도 전에 나왔다는 점이죠. 미래를 향한 질문: \"우리는 이것들을 모두 검증하는 속도를 따라갈 수 있을까?\"

다른 이들은 이것이 겉보기만큼 일반적인 AI의 능력을 말해주지는 않는다고 반박합니다. 수학은 모델의 작업을 자동적이고 완전하게 확인할 수 있는 드문 영역입니다. 대부분의 현실 세계 문제는 그런 내장된 자동 정답지를 제공하지 않습니다. 이런 관점에서, 성취는 실재하지만 이는 수학이 유난히 AI에 잘 맞는 분야라는 점을 더 잘 보여줄지도 모릅니다.

세 번째 논점도 있습니다. 아무도 완전히 감리하거나 소화하지 못한 올바른 증명은, 아직 검증만 되었을 뿐 진정으로 이해된 것은 아니라는 견해입니다. 이 관점에서 정리를 발견하는 일과 그것의 의미를 이해하는 일은 서로 다른 작업입니다.

마무리 생각

수학자들은 비소픽 군 결과가 진짜라고 평가합니다. 군론의 수십 년 묵은 미해결 문제를, 해당 분야 수학자들이 진지하게 받아들이는 구체적 구성으로 닫았다는 뜻입니다. 나머지 아홉 결과 역시, 순수수학 전반에 걸쳐 폭넓고 기술적으로 실질적인 진전을 이룬 묶음으로 볼 수 있습니다.

아직 일어나지 않은 것은 더딘 부분입니다. 동료평가, 탐색 과정의 재현, 그리고 학계가 실제로 이 결과들을 토대로 쌓아 올리는 일입니다. 이 부분은 블로그 글보다 시간이 더 걸리며, 이번이 얼마나 큰 일이었는지를 정말로 알려줄 부분입니다. 계속 소식을 전해드리겠습니다.