수학의 미해결 문제 10건이 모아서 해결되었다 2026년 8월 1일, OpenAI는 차세대 모델 Astra의 내부 버전이 수학 및 이론 계산 기계 과학 분야의 미해결 문제 10건에 새로운 해결책을 제시했다고 발표했다. 이 문제들은 최소 10년 이상 큰 진전이 없었던 문제들이다. 해법 탐색에 사용된 추론 토큰 비용은 기존 모델 솔의 API 가격 환산으로 약 2,000달러로 평가되었다. 그러나 이 2,000달러에는 모델 개발 비용, 훈련 비용, 컴퓨팅 인프라 고정 비용, 문제 선정, 논문화는 포함되어 있지 않으며, 인류가 수십 년 동안 쏟아부었던 연구비를 2,000달러로 대체했다는 표현은 정확하지 않다. 한편, 모든 증명에 Lean 4에 의한 형식 검증이 첨부되어 있다. Lean은 정설 증명 지원 시스템이며, 증명을 한 줄씩 기계적으로 검사할 수 있다. 정당성의 확인이 인간의 검토뿐만 아니라 프로그램 실행에 의해 가능해졌다. 결과에 수학적 의미가 있는 것은 향후 전문가 평가를 기다려야 하지만, AI가 장기간 해결되지 않았던 문제에 대해 여러 새로운 해결 방안을 제시하고 기계 검증을 통과했다는 점은 유의미하다. 저는 이 소식에 강한 Deja Vu 느낌을 받았습니다. 슈기 AI도 처음에는 간단한 실수를 하고 있었습니다. 슈기 인공지능의 초기에도 약점은 끊임없이 있었다. 간혹 놓치는 부분이 있다. 장기적인 구상이 부족하다. 초반에는 인간의 정석만 기억하고, 특수한 상황에서는 어색한 수를 둔다. 계산량에만 의존하며, 바둑을 제대로 이해하지 못한다. 이러한 지적은 당시의 AI에 대해 부분적으로 옳았었습니다. 하지만 당시의 약점은 근본적인 한계가 아니었다. 슈기 AI는 이후에도 계속 진보를 거듭하여 인간의 최고봉을 압도적으로 넘어섰다. 변화의 계기는 인간이 타인에게 승리한 것이 아니었다. 슈기 AI의 진짜 전환점은 탑 기사에게 승리한 순간만이 아니다. 더 중요한 것은 인간이 심지어 후보로도 고려하지 않은 수를 AI가 제시하고, 그 수가 옳다는 것을 깨달았을 때, 기사가 AI로부터 배우는 자세로 돌아간 것이다. 그 이전에는 인공지능이 인간의 棋譜와 정점에서 학습했다. 이후에는 인간이 인공지능의 수를 배우기 시작했다. 지식 전달의 방향이 역전되었다. AI는 인간의 장기 지식 모방 장치에서 인간이 알지 못했던 장기 지식을 만들어내는 장치로 발전했다. 체스 판이 매번 끝나도 지능은 멈추지 않았다. LLM의 발전에는 인간이 만든 고품질의 교육 데이터가 유한하며, 이를 모두 학습해도 발전이 멈추는 논의가 있다. 고품질 데이터는 유한하다는 것은 사실이지만, 인간 데이터가 소진될 수 있는 것과 AI가 학습할 수 있는 것이 소진되는 것은 동일하지 않습니다. 슈기 AI는 LLM과는 다른 방식으로 학습하고 있기 때문에 직접적인 반증에는 해당되지 않지만, 인간의 데이터를 넘어선 진보된 사례로서 이해하기에는 충분하다. 초기 장식체 인공지능에게 인간의 기수는 중요한 학습 데이터였다. 하지만 이용 가능한 기수를 학습한 후에도 진보가 멈춘 것은 아니었다. AI들은 서로 대국을 하고 새로운 판을 만들며 승패를 통해 평가하고, 인간이 한 번도 시도하지 않았던 수순을 탐색을 지속했다. 인간의 곁놀이는 출발점이었지만, 바둑이라는 탐색 공간 그 자체는 아니었다. 수학에서도 인간이 학습하는 방향으로 전환하기 시작했다. AI의 수학적 성과를 평가할 때 시험 문제의 정답률만 보는 것은 적절하지 않습니다. 2023년경의 LLM은 간단한 덧셈조차 틀릴 때라고 알려졌으며, 문자열의 다음을 예측하는 것뿐만 아니라 숫자의 의미를 이해하지 못한다는 비판도 있었다. 그 비판은 당시 모델에 대해서는 상당 부분 옳았었다. 하지만 2026년 8월에는 해결되지 않은 문제에 대한 새로운 해결법이 형식 검증 단계를 통과하는 단계까지 이르렀다. 이 변화는 바둑 AI에서 한 번 보았던 능력 곡선이 다른 분야에서 재현되는 것처럼 보인다. 그리고 중요한 것은 장기 AI와의 결정적인 차이점입니다. 장식에 대한 지식은 장식 내에서 닫히고 있었다. 슈기(將棋) AI의 발전은 기본적으로 슈기(將棋) 안에서만 일어났습니다. AI가 아무리 강해져도 그 성과가 다음 세대 AI의 계산 능력이나 연구 능력으로 직접 귀류되는 경우는 드물었습니다. 수학, 알고리즘, 컴퓨터 과학은 다르다. 이러한 성과는 AI 자체를 구축하는 기술로 역류하여 긍정적인 피드백 루프를 형성할 것이다. 지능 폭발은 시작된 건가 여기서 제가 말하는 ‘지능 폭발’이란 현재의 LLM을 그대로 엄청나게 키운다고 해서 초지능이 된다는 의미는 아닙니다. 트랜스포머 외에도 다른 아키텍처가 필요할 수 있습니다. 양자 컴퓨터가 필요할 수도 있고, 새로운 반도체, 재료, 실험 장비가 필요할 수도 있습니다. 하지만 현재 AI가 그것들을 연구하고 발견하고 개발하는 속도를 높일 수 있다. 수학 및 알고리즘의 성과가 차세대 AI로 회귀하여 더욱 강력해진 AI가 연구를 가속화한다면, 하나의 모델이 직접 자신을 수정하지 않더라도 기술 개발 시스템 전체로서 자기 가속이 발생한다. 아직 완전한 자기 개선이 시작되었다고 말하기는 어렵지만, 지능 폭발의 초기 조건이 이미 갖춰지기 시작한 것은 아닌かと 생각하고 있다. 현재의 약점은 미래의 한계가 아니다. 슈기 AI의 초기 단계에서 지적된 약점의 대부분은 이후 해결되었다. 그때, 그 약점을 기보 인공지능의 원리적 한계로 간주하여 예측은 빗나갔다. 현재 LLM에도 약점은 존재한다. 과학 연구의 일부 과제에서는 추가적인 추론량을 늘려도 개선이 미미한 영역이 있다. 여러 모델이 동일한 문제에서 유사한 오류를 범하는 경향도 보고되고 있다. 이것들은 중요한 사실이며, 무시할 의도는 없습니다. 하지만 현재 남아있는 약점과 미래에도 넘을 수 없는 벽이 반드시 같지는 않을 수 있다. 저는 20년 이상 동안의 장시 AI 경험을 바탕으로, 현재 AI의 약점을 그 정점으로 굳이 판단하지 않는 방향으로 진행하고 있습니다. 이 글을 쓰고 있는 사람은 회사원(약사)으로서, 2025년에 금융 자산 1억 엔에 도달한 개인 투자자입니다. 의료 현장의 감각과 투자자의 시점에서, AI 시대에 무엇이 달라지는지 기록하고 있습니다. ▼ 첫 번째 방문자에게: “평범한 약사가 자산 1억 엔에 도달할 때까지” 이 노트에 대하여：「시도해보고, 포기하고, 남은 것――투자 경력 15년 현재 위치」 ▼ X: https://x.com/aipharmainvest ／질문함: https://note.com/qa/tanaka936 이 기사 내용에 오류가 있으면, 댓글欄 또는 X, 혹은 질문함에 알려주시면 감사하겠습니다. 확인 후 필요에 따라 내용을 보충하거나 수정하겠습니다. ※ 지금까지의 기록을 한 권으로 모은 서적을 준비 중입니다. 출시는 X를 통해 안내드리겠습니다. 면책 조항 본 기사는 저자의 개인적인 견해이며, 인공지능 기술의 미래 발전을 예측하거나 보증하는 것이 아닙니다. 기재된 연구 성과는 2026년 8월 기준으로 공개된 정보에 근거한 것으로, 전문가의 평가가 향후 바뀔 수 있습니다. 또한 본 기사에는 자산 형성 및 FIRE(Financial Independence, Retire Early)에 관한 내용이 포함되지만, 특정 투자 방법이나 금융 상품을 추천하는 것이 아니며, AI 관련 기업에 대한 투자를 추천하려는 의도가 없습니다. 투자 판단은 본인의 책임 하에 이루어져야 합니다. 출처: note 원문 번역: Gemma 3(.44) 초벌 + 교정 41청크 원문 보기 | 출처: note.com