AI는 수학을 가속하지만, 수학자들은 ‘풀이’ 이상의 가치를 걱정한다

들어가며

AI는 어려운 수학 문제를 점점 빠르게 풀고 있다. 그러나 수학자들이 진정으로 우려하는 것은 기계가 답을 낼 수 있느냐만이 아니다. 사람이 그 답을 이해하고 검증하며 다음 세대에 전달할 시간이 남아 있는지가 더 중요한 문제다.

자료에 따르면 타오와 덩위 등을 포함한 필즈상 수상자 25명이 AI와 수학 연구에 관한 공동 성명에 서명했다. 성명은 AI를 중단하거나 수학 연구에서 배제하자고 주장하지 않는다. AI가 수학 발전에 기여할 가능성도 부정하지 않는다. 다만 일부 AI 기업이 수학을 측정 가능한 벤치마크로 지나치게 환원하면서, 기업의 목표와 수학 공동체의 장기적 목표 사이에 심각한 간극이 생겼다고 지적한다.

세 가지 핵심 쟁점

첫째, 결과가 이해를 앞지를 수 있다는 점이다. AI는 대규모 탐색, 다중 에이전트, 형식화 도구를 활용해 증명이나 반례를 빠르게 제시할 수 있다. 하지만 수학계는 세부 내용을 검증하고 기존 연구와의 관계를 파악한 뒤 논문, 강의, 교과서로 정리해야 한다. 단순한 ‘참’ 또는 ‘거짓’ 판정이 오래 남는 수학 지식으로 이어지는 것은 아니다.

둘째, 평가 기준이 갈라지고 있다. AI 기업은 해결한 미해결 문제의 수나 투입한 연산 규모를 능력의 지표로 제시하기 쉽다. 반면 수학은 개념적 통찰, 새로운 방법, 명확한 증명, 선행 연구에 대한 정확한 기여 표기를 중시한다. 문제의 개수만 쫓으면 미해결 문제를 빠르게 소모하는 결과가 될 수 있다는 우려가 나온다.

셋째, 연구 규범과 교육이 흔들릴 수 있다는 점이다. 자료가 언급한 Navier–Stokes 관련 논란은 프롬프트, 미공개 아이디어, 데이터 사용, 저자 표시, 우선권, 검증 책임을 둘러싼 문제를 드러냈다. 연구자들이 AI 도구에 미완성 아이디어를 입력하기를 꺼리게 되면, 수학을 발전시켜 온 공개적 협업 문화도 약해질 수 있다.

수학은 답을 얻는 것 이상이다

수학자에게 중요한 문제는 한 분야의 이해 수준을 보여주는 이정표이자 새로운 방법과 연결을 만들어내는 중심점이다. 문제가 해결된 뒤에는 증명을 설명하고, 방법을 추출하고, 기존 이론과 연결하며, 교육 체계에 편입하는 작업이 이어진다.

따라서 AI의 가장 바람직한 역할은 문제 해결을 선언하는 데 그치지 않는다. 문헌 검색, 계산, 코드 생성, 특수 사례 검증, 형식 증명을 돕되, 무엇이 중요한지 판단하고 구조를 설명하며 기여를 올바르게 배분하는 책임은 인간이 맡아야 한다.

의미와 영향

이 논쟁은 수학에만 국한되지 않는다. 다양한 지식 노동에서 기계가 결과를 내는 속도가 사회가 이를 검증하고 흡수하며 전승하는 속도를 앞설 수 있다. 연구기관은 AI 사용 공개, 데이터 경계, 저자 자격, 연구 우선권에 관한 규칙을 마련해야 한다. 모델 개발사 역시 해결 건수뿐 아니라 검증 상태, 사용한 연구 자료, 인간의 기여 수준을 공개할 필요가 있다.

AI가 수학의 정신을 무너뜨렸다고 단정할 수는 없다. 다만 수학의 발전이 문제를 더 빨리 없애는 일인지, 아니면 그 구조에 대한 인간의 이해를 더 깊게 만드는 일인지 다시 묻게 만들고 있다.

출처: 퀀텀비트