IT之家 10월 17일 소식, OpenAI는 올해 9월 나비-스톡스 방정식(Navier–Stokes equations) 관련 166페이지 분량의 증명을 공개하며, 내부 AI 시스템이 약 88시간 만에 이 밀레니엄 난제의 풀이를 완료했다고 밝혔다.
하지만 수학계가 관련 연구를 더욱 검토하면서, 연구자들은 증명에 사용된 방법, 기존 연구와의 관계, 그리고 대규모 AI 에이전트가 실제로 어느 정도 역할을 했는지에 대해 의문을 제기하기 시작했다.
수학자 곤살로 카오-라보라(Gonzalo Cao-Labora)는OpenAI가 스스로도 이해하지 못한 채 서둘러 논문을 발표했을 수 있다。
고 지적했다. 그는 OpenAI의 증명 세부 사항이 스페인 수학자 디에고 코르도바(Diego Córdoba)와 루이스 마르티네스-소로아(Luis Martínez-Zoroa)가 이전에 제안한 방법과는 다른 노선을 보이며, 양자의 유사성은 표면적인 수준에 머물可能性이 더 크다고 밝혔다.
검토에 참여한 여러 전문가 그룹은 모두 《사이언티픽 아메리칸》에 OpenAI의 증명이 '스페인 노선'을 따르지 않았다는 점을 시사하는 증거가 점점 많아지고 있다고 밝혔다. 이는 OpenAI가 해당 성과를 발표할 때 자사 모델이 실제로 무엇을 했는지 완전히 이해하지 못했을 수 있음을 의미한다.
IT之家 참고: 나비-스톡스 방정식은 유체 운동을 기술하는 방정식으로, 클레이 수학연구소가 지정한 밀레니엄 현상금 문제 중 하나이다. OpenAI는 9월 8일 관련 연구를 발표하며 내부 모델이 수학적 증명을 완료했다고 밝혔고, 동시에 Lean 형식화 검증 언어로 작성된 증명도 공개했다. OpenAI에 따르면 연구팀은 약 1만 개의 AI 에이전트를 사용해 약 88시간에 걸쳐 결과를 얻었으며, 이후 약 17시간을 추가로 들여 형식화 및 검증 작업을 완료했다.
Lean은 형식화된 증명의 논리적 추론이 설정된 규칙에 부합하는지 검사할 수 있지만, 형식화 검증을 통과했다는 것이 증명이 해결하는 문제가 반드시 연구자들이 본래 주목했던 과학적 문제와 일치함을 의미하지는 않으며, 증명의 사고방식이 인간이 이해하기 쉽다는 것을 의미하지도 않는다. OpenAI가 공개한 증명은 166페이지에 달하며, 수학계는 현재도 그 구체적 방법과 결론을 검토하고 있다.
이번 논쟁의 쟁점 중 하나는 OpenAI의 연구가 코르도바와 마르티네스-소로아가 이전에 탐구했던 연구 경로와 과연 얼마나 관련이 있는가이다.
《사이언티픽 아메리칸》은 OpenAI의 증명이 나비-스톡스 방정식의 외력 항을 활용해 유체 속도가 유한 시간 내에 무한히 증가하는 상황을 구성했다고 지적했다.
수학자들은 이 결과의 의미에 대해 서로 다른 견해를 보인다. 이 결과는 클레이 수학연구소의 원래 문제 서술이 허용하는 한 가지 상황에 부합하지만, 외력을 가하지 않을 때 3차원 나비-스톡스 방정식의 해가 항상 매끄러운지라는 더 주목받는 문제는 해결하지 못했다.
연구 성과의 귀속 측면에서, 뉴욕대학교 수학자 트리스턴 벅마스터(Tristan Buckmaster)는 OpenAI의 연구가 그와 Anthropic 직원 레벤트 알뢰게(Levent Alpöge)가 공개 모델을 사용해 수행한 관련 연구의 이익을 얻었을 수 있다고 의문을 제기했다.
이에 대해 OpenAI는 벅마스터의 관련 데이터를 사용하지 않았다고 부인했으며, 9월 10일 업데이트된 공식 성명에서 조사 결과 벅마스터가 이전 두 달간 Codex에 입력한 프롬프트는 모델 훈련을 통한 영향을 포함해 어떤 방식으로도 이번 연구에 영향을 미칠 수 없었다고 밝혔다. 하지만 현재까지도 양측은 연구 방법과 성과의 관계에 대해 여전히 논쟁 중이다.
아직 명확한 답을 얻지 못한 또 다른 문제는 이들 에이전트의 협업이 과연 얼마나 기여했는가이다. OpenAI 공식 발표에 따르면 이번 연구에는 약 1만 개의 에이전트가 병렬로 실행되었고, 누적 약 270만 건의 메시지를 주고받았으며, 약 1300억 개의 출력 Token을 사용했다. 하지만 이러한 수치는 계산 규모와 실행 과정만을 반영할 뿐, 멀티 에이전트 아키텍처가 최종 성과에 실제로 기여한 바를 직접 설명해주지는 못한다.
OpenAI 연구원 놈 브라운(Noam Brown)도 현재 연구자들은 이처럼 대규모의 에이전트 군집이 과연 얼마나 추가적인 이득을 가져왔는지 명확히 알지 못한다고 지적했다. 수천 개의 에이전트를 사용한 체계적인 대조 실험은 비용이 많이 들기 때문에, 연구자들은 아직 단일 에이전트가 동일한 작업을 완료하는 데 필요한 시간을 충분히 비교하지 못했으며, 1만 개의 에이전트가 1000개의 에이전트에 비해 갖는 우위도 정확히 측정하기 어렵다.브라운은 멀티 에이전트 협업 아키텍처가 이번 성공에 기여한 바는 10%도 되지 않을 것으로 추정했다。
그의 견해로는, AI 에이전트 기술은 새롭고 폭넓은 관심을 받기 쉬워 실제 기여를 넘어서는 인정을 받기 쉽다. 진정으로 핵심적인 요인은 기반 모델 자체의 능력, 그리고 모델이 장시간 지속적으로 작업을 처리하고 여러 해법을 병렬적으로 탐색할 수 있는 특성일 수 있다.
10월 초, OpenAI는 다시 약 400건의 수학 연구 결과를 공개했다.수학계는 이 내용을 소화하는 데만 수년이 필요할 것이라는 데 대체로 입을 모으고 있다。
이러한 성과들은 비교적 느슨한 형태로 GitHub에 집중적으로 공개되었고, 이는 다시 일부 수학 연구자들의 불만을 불러일으켰다. 이들은 충분한 설명, 정리, 학술적 교류 없이 대량의 성과가 집중적으로 공개될 경우 수학 연구 성과의 가독성이 떨어지고, 엄밀한 연구 검증과 대규모 자동 생성 결과 사이의 구분이 모호해질 수 있다고 우려했다.
현재 수학계는 여전히 OpenAI의 관련 연구를 평가하고 있다. 이번 논쟁은 AI가 형식화된 증명을 생성할 수 있는지 여부만이 아니라, 연구 방법이 목표 문제를 실제로 해결했는지, 성과의 귀속은 어떻게 이루어져야 하는지, 그리고 멀티에이전트 시스템의 실질적 기여를 어떻게 측정해야 하는지까지 아우른다.
관련 기사: