테런스 타오, 재현 가능한 연구를 위한 오픈 수학 모델 계획 출범

개요

필즈상 수상자인 테런스 타오가 비영리 기관 SAIR Foundation을 대표해 ‘오픈 수학 모델 계획’을 발표했다. 이번 발표는 완성된 모델을 공개하는 제품 출시가 아니라, 수학 연구를 위한 오픈 웨이트 모델과 오픈·폐쇄형 대규모 언어 모델을 함께 활용할 수 있는 과학 연구 도구를 구축하려는 장기 계획에 가깝다.

SAIR은 현재 자금, 컴퓨팅 자원, 전문 지식, 커뮤니티 운영에 기여할 파트너를 모집하고 있다. 계획의 일부 세부 사항은 아직 마련 중이며, 향후 협력 기관과 실행 방식에 대한 추가 발표가 이어질 예정이다.

핵심 내용

• 일상적인 연구 업무부터 시작한다. 1단계의 대상은 어려운 논증 이해, 문헌 확인, 수학적 예시 탐색, 코드 작성, 형식화 증명 등이다. 단순히 정답률을 높이는 데 그치지 않고, 신뢰할 수 있는 보조, 검증 가능한 결과, 반복 사용이 가능한 비용 구조를 중시한다.
• 웨이트 이상의 개방성을 지향한다. 오픈 라이선스로 모델 웨이트와 코드를 제공하고, 학습 방식과 재현 가능한 평가를 공개한다는 방침이다. 학습 데이터에는 출처와 라이선스 정보를 붙이며, 성공 사례뿐 아니라 실패와 한계도 함께 보고할 계획이다.
• 데이터 사용 권한을 연구자에게 둔다. 이용자가 명확히 동의하고 사전에 합의한 조건을 따르는 경우에만 사용자 데이터를 모델 학습이나 개선에 사용한다. 무엇을 어떤 목적으로 공유할지는 연구자가 결정한다.
• 커뮤니티가 거버넌스에 참여한다. 기관, 지역, 경력 단계의 경계를 넘어 참여자를 모집하고, 연구 우선순위와 공유 자원의 사용 방식을 커뮤니티와 함께 정한다는 구상이다. 산업 파트너가 컴퓨팅 자원을 제공하더라도 연구 독립성은 유지한다는 원칙을 제시했다.

의미와 과제

수학은 다른 연구자가 검토하고 이어갈 수 있는 지식의 축적을 통해 발전한다. 수학 AI에서 웨이트와 코드가 공개되면 독립적인 팀이 결과를 재현하고, 모델의 동작을 점검하며, 각자의 연구 목적에 맞게 조정할 가능성이 커진다. 평가 결과와 실패 사례를 공개하는 방식은 유창하지만 부정확한 답변과 실제로 유용한 추론 지원을 구분하는 데도 도움이 된다.

다만 계획의 실질적인 가치는 후속 실행에 달려 있다. 현재 발표에는 모델 구조, 학습 데이터 규모, 컴퓨팅 예산, 평가 벤치마크, 공개 일정이 포함되지 않았다. 따라서 이번 발표는 모델 출시보다는 개방형 연구개발 로드맵과 협력자 모집 선언으로 이해하는 편이 정확하다.

향후 핵심 과제는 신뢰할 수 있는 데이터 거버넌스, 지속 가능한 컴퓨팅 자원, 수학자들이 의미 있다고 인정할 평가 체계를 마련하는 일이다. 계획이 구체화되면 연구자들은 AI의 소비자에 머무르지 않고, 학습 목표와 검증 방법, 성과의 귀속 및 공유 규칙을 함께 설계할 수 있다. 이는 AI가 과학 연구에 들어올 때 연구 커뮤니티가 도구의 방향을 직접 정하는 한 가지 모델이 될 수 있다.

출처: 퀀텀인