AI가 수학을 너무 많이 생산해내면서 수학을 죽일까?

서론

2026년 필즈상이 수학계의 유난히 혼란스러운 시기에 발표되었습니다.

국제수학연맹은 덩위, 존 패튼, 야콥 치머만, 홍왕에게 상을 수여했습니다. 거의 즉시, 관심은 수상자들의 기존 업적에서 그중 한 명이 앞으로 일어날 일이라고 생각하는 것으로 옮겨갔습니다.

치머만은 OpenAI에 합류해 AI 안전에 집중할 계획을 발표했습니다. 상 발표 전후에 게재된 한 인터뷰에서 그는 AI가 2년 안에 인간 수학자보다 수학 작업을 더 잘할 수 있을 것이라고 예측했습니다.

이는 확정된 일정표가 아닌 예측에 불과합니다. 하지만 해당 분야 최고 수학자의 입에서 나온 이 예측은 유난히 무게가 실립니다.

필라델피아에서 열린 국제수학자대회에서 테렌스 타오는 이와 비슷하게 엄중하면서도 더 신중한 메시지를 전달했습니다. 그는 수학이 그 가치와 실천의 기초를 반드시 검토하고 재건해야 하는 격변의 시기에 접어들고 있을지도 모른다고 생각했습니다.

또 다른 필즈상 수상자인 티머시 가워스도 같은 변화를 다른 각도에서 생각하고 있었습니다.

그의 우려는 단순히 AI가 수학자보다 문제를 더 빨리 해결하고, 학술 직위를 선점하거나, 전통적인 증명 발견 방식을 무의미하게 만드는 것만이 아니었습니다. 그의 더 깊은 두려움은 수학이 엄청난 양의 정확한 결과를 계속 생산해내면서도, 이를 이해하고, 체계화하고, 가르치고, 평가할 수 있는 인간 공동체를 잃을 수도 있다는 점이었습니다.

이러한 시나리오에서 수학은 지식의 부족으로 사라지지 않습니다.

그것은 풍요에 익사할 것입니다.

AI는 수학을 '굶주리게' 하지 않을 수도 있다 – 오히려 '과잉 공급'할 것이다

가워스 주장에서 가장 주목할 만한 부분은 그가 AI가 수학적 진보를 정체시킬 것이라고 생각하지 않는다는 점입니다.

그는 반대 상황을 상상합니다.

점점 더 자율화되는 시스템이 다음과 같은 일을 할 수 있다고 가정해 봅시다:

• 기존 문헌을 읽고
• 해결되지 않은 문제를 선택하며
• 새로운 추측을 생성하고
• 형식적 증명을 만들어내며
• 이러한 증명을 자동으로 검증하고
• 요구되는 세부 수준에 따라 결과를 설명하며
• 기계 속도로 계속해서 이러한 작업을 수행합니다.

정리 생산의 관점에서 보면, 이는 엄청난 성공처럼 보일 것입니다.

문헌의 증가 속도는 수학 역사상 그 어느 때보다 빨라질 것입니다. 오랫동안 존재해 온 추측들은 신속하게 해결될 수 있습니다. 전체 하위 분야가 병렬로 탐구될 수 있습니다. 인간 연구팀이 수년이 걸려야 얻을 수 있는 결과가 몇 시간 안에 나타날 수도 있습니다.

그러나 가워스는 이러한 확장이 학문을 풍요롭게 만들기보다는 공허하게 만들지 의문을 제기합니다.

수학은 단순히 논문과 데이터베이스에 저장된 참된 명제들의 집합이 아닙니다. 그것은 동시에 직관, 예시, 설명, 관습, 미해결 문제, 판단, 공유된 기준의 살아 있는 네트워크로서 수학자 공동체 내에 존재합니다.

정리는 참일 수 있지만 반드시 –

알겠습니다.

증명은 검증될 수 있지만, 누군가의 작업 지식의 일부가 될 필요는 없습니다.

한 분야는 수백만 개의 결과를 포함할 수 있지만, 이러한 결과가 왜 중요한지 아는 사람들을 점차 잃을 수도 있습니다.

이것이 핵심 역설입니다: 인공지능이 수학적 생산을 번성하게 하는 동시에 수학적 문화를 약화시킬 수도 있다는 것입니다.

《라이덴 선언》이 인간 수학적 가치의 기준선을 긋다

2026년 6월 2일, 국제 연구팀이 **《라이덴 AI와 수학 선언》**을 발표했습니다.

이 선언은 2025년 라이덴 로렌츠 센터에서 열린 워크숍에서 비롯되었으며, 수학자, 컴퓨터 과학자, 철학자, 역사가, 인공지능 연구자들이 모여 AI와 수학 연구 간의 변화하는 관계를 논의했습니다.

국제수학연맹은 이 선언을 공식적으로 승인했습니다. 7월 29일 현재, 공개 웹사이트에는 3200명 이상의 서명자가 나타났습니다.

선언은 그 저자들이 보호받아야 한다고 생각하는 여러 가치를 확인했습니다:

1. 증명은 확실성과 이해를 동시에 제공해야 합니다.
2. 결과는 책임 있는 저자에게 귀속되어야 합니다.
3. 수학적 논증은 투명하고 독립적으로 검증 가능해야 합니다.
4. 연구는 깊이, 난이도, 중요성과 같은 공통 기준을 통해 평가되어야 합니다.
5. 수학은 계속해서 증가하는 결과 목록뿐만 아니라 인간의 이해력, 판단력, 전문 지식을 계속 생성해야 합니다.
6. 연구 공동체는 자신의 방향과 방법에 대한 실질적인 통제권을 유지해야 합니다.

그 제안에는 AI 지원 공개, 저품질 자동 출력으로부터 심사 시스템 보호, 공공 연구 인프라 지원, 인간 교육 및 지도 유지, 소수의 민간 기업에 수학 지식이 집중되는 것을 방지하는 것이 포함됩니다.

이 선언은 저명한 수학자 테렌스 타오, 페터 숄체, 제러미 아비가드, 케빈 버자드, 스티븐 스트로가츠의 공개적인 지지를 받았습니다.

숄체의 지지는 특히 직접적이었습니다. 그는 수학 연구의 목적은 인간의 이해이며, 수학은 인간 수학자 공동체를 통해서만 번성할 수 있다고 주장했습니다. 그는 또한 일반적으로 AI가 생성한 수학 텍스트를 읽지 않으며, 자신의 아이디어를 형성할 때 AI를 사용하지 않는다고 밝혔습니다.

타오는 이 선언을 커뮤니티에서 몇 달간 논의한 결과라고 설명하며, 그 제안을 전폭적으로 지지한다고 말했습니다.

가워스는 서명하지 않았습니다.

이러한 선택이 그가 선언의 목적을 거부한다는 의미는 아닙니다. 그는 초기 라이덴 워크숍에 참석했으며, 이 선언을 중요한 기여라고 설명했습니다. 그의 망설임은 더 많은 한정이 필요하다고 생각하는 몇몇 진술과 제안에서 비롯되었습니다.

가워스의 사고 실험: 독자가 없는 도서관

가워스는 의도적으로 극단적인 시나리오에서 시작합니다.

인공지능이 결코 존재하지 않았다고 상상해 보십시오. 그리고 어떤 식으로든 모든 수학자를 죽였지만 다른 사람들에게는 해를 끼치지 않은 전염병을 상상해 보십시오.

모든 수학 논문, 책, 데이터베이스, 기록물은 온전히 남을 것입니다.

어떤 정보도 물리적으로 파괴되지 않을 것입니다.

그러나 수학의 전통은 심각한 타격을 입을 것입니다.

문헌만으로는 새로운 세대에게 어떤 사상이 핵심인지, 어떤 기술이 같은 계통에 속하는지, 어떤 정의가 자연스러운지, 어려운 점이 무엇인지, 또는 어떤 잊혀진 결과가 주목할 가치가 있는지 알려줄 수 없습니다.

이러한 문화를 재건하는 데는 수십 년이 걸릴 수 있습니다.

그 이유는 수학 지식이 형식적인 텍스트에만 저장되어 있지 않기 때문입니다. 그 상당 부분은 연구자의 머릿속에 존재합니다:

• 어떤 방법이 유망한지에 대한 암묵적 지식
• 어떤 예시가 대표적인지에 대한 직관
• 문제의 역사에 대한 친숙함
• 논문에 결코 등장하지 않은 실패한 방법에 대한 지식
• 무엇이 깊고, 일상적이며, 놀랍거나 중요한지에 대한 판단
• 세미나와 협력을 통해 발전된 공유 언어
• 새로운 결과를 더 큰 개념적 그림 속에 배치하는 능력

따라서 서면 논문은 완전한 지적 세계라기보다는 압축 파일에 가깝습니다. 수학계는 디코더를 제공합니다.

지금 이 사고 실험을 바꿔보자.

이번에는 인공지능이 존재하며, 사용자의 요구에 따라 더 많거나 적은 세부 사항으로 어떤 증명이든 설명할 수 있다.

기계가 문제를 너무 쉽게 해결하고 설명할 수 있기 때문에, 수년을 투자해 수학 연구자가 되려는 사람은 점점 줄어든다. 학생들은 여전히 약간의 수학을 배울지 모르지만, 깊은 전문 지식을 쌓으려는 동기는 약해진다.

10년, 20년이 지나면 문헌의 양은 폭발적으로 증가한다. 인공지능 시스템은 수많은 올바른 결과를 생성한다. 동시에, 이 분야에서 실질적인 이해를 가진 전문가 수는 급감한다.

기록 보관소는 가득 차 있다.

세미나실은 텅 비어 있다.

결과는 존재하지만, 그것을 읽으려는 사람은 거의 없다.

이것이 고워스가 우려하는 수학의 죽음의 버전이다.

첫 번째 팬데믹 시나리오에서 수학은 희소성 때문에 죽는다: 공동체가 사라지고, 새로운 지식이 생성되지 않는다.

인공지능 시나리오에서 수학은 과잉 생산 때문에 죽는다: 자료의 양이 방대해지고, 그것에 의미를 부여하는 인간 문화는 점차 사라진다.

부영양화 비유

원문은 이 가능성을 호수의 부영양화에 비유했다.

호수의 죽음이 항상 영양 부족 때문인 것은 아니다. 영양 과잉 때문일 수도 있다.

과도한 질소와 인은 조류의 급속한 성장을 초래한다. 처음에 생태계는 유난히 생산적으로 보인다. 물은 생물 활동으로 가득 차 있다.

결국, 이 성장은 가용 산소를 고갈시킨다. 물고기와 다른 생물이 죽고, 한때 활기찼던 생태계는 죽은 물이 된다.

![이미지는 호수 부영양화 과정을 보여준다.

위쪽 네 개의 원형 아이콘은 각각 농업, 산업, 도시 및 자연 환경을 나타내며 모두 'NP' 라벨이 있다. 중간은 호수 수면으로, 많은 녹색 조류로 덮여 있다. 아래쪽은 수중 장면으로, 죽은 물고기가 있고, 바닥에는 'O2' 라벨이 있으며, 화살표가 아래를 가리켜 산소 감소를 나타낸다. 이 그림은 문맥과 밀접하게 관련되어 있으며, 수학 분야가 과도한 출력으로 인해 '부영양화'될 가능성, 즉 수학적 결과가 너무 많아 커뮤니티가 흡수, 조직, 교육 및 논의하기 어려워져 결국 수학 발전에 영향을 미칠 수 있음을 비유하는 데 사용된다.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/5cc7f3ea-53cf-4171-8655-67e500f94dd2-7d4e1b59-7ad7-4b3e-b2da-10667c8282f3.png)

이 비유가 완전히 정확하지는 않지만, 고워스 우려의 핵심을 잘 포착한다.

수학계가 수학적 결과를 흡수, 조직, 교육 및 논의할 수 없다면, 무한한 양의 수학적 출력이 수학을 더 강력하게 만들지는 않을 것이다.

부족한 자원은 더 이상 증명의 생성이 아닐 수 있다.

그것은 인간의 주의와 공유된 인식이 될 수 있다.

무엇이 수학적 진보인가?

이 전환은 어려운 질문을 제기한다: 수학이 궁극적으로 추구하는 최대화는 무엇인가?

만약 답이 단순히 '해결된 문제의 수'라면, 고도로 자율적인 AI는 거의 무조건적인 성공을 의미할 수 있다.

하지만 수학적 실천은 결코 정리의 생산 할당량에 그치지 않았다.

어떤 결과는 다른 수학자들이 다음을 할 수 있을 때에만 해당 분야에 기여한다:

• 검증한다
• 핵심 아이디어를 이해한다
• 기존 이론과 연결한다
• 그 방법을 재사용한다
• 가르친다
• 그 중요성을 인식한다
• 이를 바탕으로 추가 질문을 제기한다

타오 테렌스는 국제 수학자 대회 보고서에서 유사한 구분을 했다.

정확성은 필요하지만 충분하지 않다. 증명은 또한 전달되고, 소화되고, 받아들여지며, 수학계의 공유된 이해에 통합되어야 한다.

그의 요약 제안은 인간 교육, AI 사용의 투명성, 더 강력한 검증 메커니즘, 새로운 수학적 인프라, 그리고 능력과 가치에 대한 공개 토론을 강조한다.

따라서 미래의 병목 현상은 여러 단계를 거칠 수 있다:

단계	주요 문제
증명 생성	해결책을 생성할 수 있는가?
검증	이 해결책이 올바른가?
설명	명확하게 설명할 수 있는가?
소화	전문가가 이해하고 재사용할 수 있는가?
학계 수용	이 결과가 공유된 수학의 일부가 될 수 있는가?
정전화	교과서, 교육 및 해당 분야의 장기적 구조에 들어갈 수 있는가?

AI는 결국 모든 단계에서 뛰어난 성과를 낼 수 있다.

그러나 현재로서는 마지막 세 단계는 여전히 깊은 사회적 과정이다. 한 분야는 단순히 답변으로 유지되지 않는다. 같은 아이디어에 관심을 갖고 함께 사고할 수 있는 사람들 집단에 의해 유지된다.

고워스는 전통적인 자동 정리 증명에 베팅한 적이 있다

고워스가 특히 주목할 만한 이유는 그가 수년간 자동 정리 증명을 연구해 왔기 때문이다.

2022년, 그는 더 전통적인 AI 접근 방식을 취하는 프로젝트를 발표했다. 이 프로젝트는 주로 대규모 언어 모델에 의존하기보다는, 인간 수학자가 증명을 발견하는 방법을 이해하고 그 방법을 더 명시적인 시스템으로 코딩하는 것을 목표로 했다.

이 프로젝트는 동기 증명이라는 개념에 의해 주도되었다.

동기 증명은 단순히 결론을 확인하는 것이 아니다. 결론에 이르는 길을 자연스럽게 만든다.

그것은 설명한다:

• 왜 어떤 정의가 도입되었는지
• 어떤 보조 정리가 어떤 장애물을 제거했는지
• 왜 다른 구성이 아닌 이 구성을 선택했는지
• 어떤 실패한 시도들이 최종 논증을 형성했는지
• 증명이 어떻게 발견될 수 있는지, 단지 검증되는 것이 아니라

고워스는 이 구조를 중심으로 구축된 자동화 시스템이 인간 학습, 심지어 학부 교육에 적합한 증명을 생성할 수 있다고 생각했다.

그는 나중에 동기 증명 데이터베이스를 구축할 것을 주장했는데, 발표된 논문은 일반적으로 긴 과정의 최종 연마 결과만을 보여주기 때문이다. 그들은 잘못된 출발점, 중간 단계의 직관, 기호 변경, 연구자가 다른 경로 대신 특정 경로를 선택한 이유를 생략한다.

대규모 언어 모델의 급속한 발전은 이 계획을 뒤흔들었다.

고워스는 여전히 투명하고 동기 부여가 명확한 증명 시스템이 가치 있다고 생각한다. 변한 것은 이 방법이 기계 수학 능력의 경계를 정의할 것이라는 그의 이전 믿음이다.

언어 모델이 너무 빠르게 발전했다.

ChatGPT 5.5 Pro가 그의 예측을 바꾸었다

2026년 5월, 고워스는 ChatGPT 5.5 Pro 실험에 대한 상세한 보고서를 발표했다.

그는 모델에게 진정한 연구 수준의 구성을 요구하는 조합론 문제를 제시했다. 그의 보고서에 따르면, 그는 거의 실질적인 수학적 지침을 제공하지 않았다.

시스템은 약 1시간 동안 실행되었으며, 고워스가 박사 과정 수준의 연구라고 부른 결과를 산출했다.

논증은 덧셈 관계를 제어하기 위해 고도로 비연결적인 집합을 사용했다. 고워스는 나중에 생각해보면 이 구성을 이해하고 동기화할 수 있지만, 모델이 이 기술을 사용하기로 한 결정은 기발했으며, 그가 알기로는 독창적이라고 썼다.

이 구분이 중요하다.

아이디어는 수학자에게 제시된 후 이해하기 쉬워질 수 있지만, 그것이 나타나기 전에 명백했다는 것을 의미하지는 않는다. 인간 연구자들이 바로 이런 방식으로 새로운 작업을 평가한다.

이 사건은 인공지능이 보편적인 수학적 자율성을 달성했다는 것을 증명하지는 않았다. 그러나 그것은 고워스가 현재 언어 모델의 능력에 대한 예측을 바꾸었다.

유용한 초보자 연구 문제의 기준점이 이동했다.

한 문제가 더 이상 공식적으로 미해결 상태라고 해서 학생들에게 안전하게 접근 가능한 것은 아니다. 그 문제는 또한 선도적인 모델이 빠르게 해결할 수 없을 만큼 충분히 어려워야 한다.

이는 대학원생 양성에 있어 중대한 변화다.

연구 교육은 전통적으로 진정으로 열려 있지만 경험을 쌓아가는 사람에게는 여전히 통제 가능한 문제를 찾는 데 의존해 왔다. 만약 기계가 이러한 문제들을 신속하게 해결할 수 있다면, 학과는 발견, 판단, 설명 및 연구 독립성을 가르치는 새로운 방식을 필요로 할 수 있다.

단위 거리

획기적인 발전이 난이도를 높였다

다음 이정표는 더욱 중요하다.

5월 20일, OpenAI는 자체 모델이 평면 단위 거리 문제에 대한 핵심 추측을 뒤집었다고 발표했다. 이는 폴 에르되시의 유명한 문제에서 비롯된 것이다.

해당 모델은 오랫동안 거의 최적에 가깝다고 여겨졌던 격자 기반 구성보다 다항식 측면에서 우수한 무한히 많은 점 구성을 발견했다. OpenAI는 이 증명을 발표했으며, 노가 알론, 티모시 가워스, 아룰 샹카르, 야콥 치머만 등 여러 저명한 수학자들이 공동으로 작성한 동반 논문과 함께 공개했다. 이 동반 논문은 더 간결하고 인간이 검증한 표현을 제공하고 이 결과의 의미를 논의한다.

이 결과가 중요한 이유는 여러 가지다.

첫째, 모델이 단순히 알려진 증명을 검색하거나 몇 가지 교과서적 단계를 조합한 것이 아니다. 심층 대수적 수론과 관련된 아이디어를 활용하여 널리 믿어지던 추측에 대한 반례를 찾아냈다.

둘째, 외부 수학자들이 모델의 결과를 단순히 신뢰하는 대신 증명을 검토하고 소화했다.

셋째, 이 사건은 새로운 분업 방식을 드러냈다.

인공지능 시스템이 핵심 구성을 만들어냈다. 인간 수학자들은 이를 검증하고, 간소화하며, 학문적 배경을 추적하고, 그 유효성 이유를 설명했으며, 이 결과가 해당 분야의 지형을 얼마나 변화시켰는지 평가했다.

가워스는 앞으로 기계가 생성한 결과가 범람하는 환경에서, 이러한 '소화' 작업이 단순히 모델에게 해결을 요청한 사람보다 더 많은 인정을 받아야 한다고 생각한다.

한 사람이 일회성 해결책을 얻고, 다른 사람이 그것을 이해 가능한 수학으로 전환하는 데 몇 달을 보낸다면, 후자가 학문의 존속에 더 큰 기여를 한 것일 수 있다.

형식화 또한 더 쉬워지고 있다

신뢰할 수 없는 인공지능 생성 수학 결과에 대한 한 가지 방어책은 형식적 증명 검증이다.

Lean 언어로 작성된 증명은 소규모의 신뢰할 수 있는 커널에 의해 검사될 수 있다. 컴파일 과정에서 지원되지 않는 공리나 허점이 없다면, 시스템은 비형식적 텍스트에만 의존할 때보다 훨씬 강력한 정확성 보장을 제공한다.

역사적으로 연구 논문을 형식화하려면 사용자가 증명 도우미에 대한 깊은 전문 지식을 가지고 상당한 수동 작업을 수행해야 했다.

이 장벽이 무너지고 있다.

가워스는 자신이 Lean에 익숙하지 않음에도 Harmonic의 Aristotle 시스템을 사용하여 복잡한 논문을 Lean 언어로 형식화했다고 보고했다. 그는 논문을 업로드하고 시스템이 섹션별로 진행하도록 요청했으며, 전체 과정은 약 일주일 반이 걸렸고 최소한의 능동적 프롬프트 시간만 소요했다.

Aristotle은 비형식적 추론과 Lean 증명 검색 및 형식화 검증을 결합한다. Harmonic은 이를 긴 세션 동안 수학 자료를 증명하거나 형식화할 수 있는 에이전트로 설명한다.

이러한 발전은 기계 생성 증명에 대한 한 가지 반대 의견, 즉 출력 결과가 항상 신뢰하기에는 너무 신뢰할 수 없다는 주장을 약화시킨다.

형식적 검증이 모든 문제를 해결하지는 않는다.

형식화된 정리가 잘못된 진술을 인코딩할 수 있다. 정의가 의도된 개념을 포착하지 못할 수 있다. 검증된 증명이 여전히 통찰력을 제공하지 못할 수 있다. 비형식적 수학에서 형식화된 진술로의 변환에는 여전히 판단력이 필요하다.

그러나 자동 형식화 능력이 향상됨에 따라, 인공지능이 후보 결과와 기계가 검사 가능한 증명을 모두 생성할 가능성이 점점 더 그럴듯해지고 있다.

이후 병목 현상은 다시 옮겨간다. 정확성에서 중요성, 설명력, 문화로.

가워스의 입장은 "인공지능이 수학을 죽일 것이다"보다 복잡하다

이 논쟁의 제목 버전은 오해를 불러일으킬 수 있다.

가워스는 단순히 수학이 기계 생성되었다는 이유만으로 거부되어야 한다고 주장하지 않는다.

그가 라이덴 선언의 일부에 의문을 제기하는 이유는 전통적인 저자 및 소유권 개념이 존속될 수 있을지 확신하지 못하기 때문이다.

만약 인공지능 시스템이 자율적으로 올바른 정리를 발견했다면, 단지 인터페이스를 조작했다는 이유만으로 인간이 명예를 얻어야 한다고 생각하지 않는다.

또한 기존의 동료 심사 저널이 반드시 인공지능 생성 결과의 홍수로부터 수학 문화를 보호하기에 적합한 기관이라고 확신하지 않는다. 현재 출판 시스템은 이미 심각한 결함을 가지고 있으며, 새로운 환경은 새로운 선별, 설명 및 집단적 평가 형식을 필요로 할 수 있다.

따라서 그의 관점은 단순한 저항도, 맹목적인 열정도 아니다.

그는 인공지능이 수학 작업의 더 많은 측면에서 인간을 능가할 것이라고 예상한다. 이것이 앞으로 몇 년 안에 일어날 수 있다고 보지만, 인간과 기계 간의 더 긴 생산적 협력 가능성도 배제하지 않는다.

그는 또한 이러한 발전이 개인적인 수준에서 혼란스럽다는 것을 발견했다.

7월 기사에서 가워스는 GPT-5.6 Pro가 자신이 관심을 가지고 진지하게 고민했던 문제에 대해 두 번이나 '일회성' 해결책을 제시했다고 썼다. 젊은 연구 협력자가 그의 허락 하에 모델에게 프롬프트를 입력했다.

그는 문제가 해결되어 기뻤다.

또한 그 경험을 이상하고 불쾌하다고 묘사했다. 마치 발 아래의 땅이 사라진 것처럼.

이 두 가지 감정은 공존할 수 있다.

한 분야의 진혼곡?

가워스가 라이덴 선언에 관한 기사를 발표한 같은 날, 컬럼비아 대학의 수학자이자 물리학자인 피터 워이트는 "한 분야의 진혼곡?" 이라는 제목의 게시물을 발표했다.

이 게시물은 치머만의 필즈상 수상, OpenAI로의 전환, 그리고 수학에서 인공지능 에이전트의 역할 증가를 연결 지었다.

워이트는 수학이 체스와 같은 게임과는 다르다고 지적한다.

컴퓨터가 인간 체스 선수를 능가했을 때, 인간 선수권 대회는 여전히 의미를 가졌다. 선수들은 동일한 규칙 아래 계속 경쟁했고, 관중은 여전히 이 활동을 인간 능력의 발현으로 보았다.

그러나 수학의 경계는 훨씬 더 모호하다.

연구자들은 일상 업무에서 이미 소프트웨어, 기호 시스템, 데이터베이스, 증명 도우미 및 현재의 대규모 언어 모델 에이전트를 광범위하게 사용한다. 거의 모든 사람이 동일한 강력한 시스템을 채택한다면, '순수 인간 체스'에 비유할 수 있는 '순수 인간 전문 수학'의 영역은 존재하지 않을 수 있다.

소유권 문제도 바뀔 수 있다.

현재 학계는 우선권을 보상한다. 누가 정리, 방법 또는 정의를 먼저 발견했는가. 자율 에이전트는 자신의 이름을 딴 정리에 개인적 관심이 없다.

발견 과정이 저렴하고 풍부해지면, 문화적 중심은 소유권에서 다음으로 옮겨갈 수 있다.

• 선별
• 검증
• 설명
• 종합
• 교육
• 역사적 추적
• 고립된 결과 연결
• 인간적 또는 과학적 가치가 있는 문제 선택

그러나 가워스는 즉시 더 깊은 질문을 제기한다. 왜 인공지능이 결국 이러한 역할을 수행할 수 없다고 가정하는가?

인공지능 튜터는 맞춤형 설명을 제공하고, 인공지능 편집자는 결과를 선별하며, 인공지능 역사가는 영향의 흐름을 추적하고, 인공지능 교재 생성기는 전체 학문 분야를 특정 독자의 지식 배경에 맞게 조정할 수 있다.

기계가 아직 숙달하지 못한 작업을 나열하는 것만으로는 인간의 남은 역할을 보호할 수 없다.

더 강력한 주장은 문화적 측면에 있다. 수학이 중요한 이유 중 하나는 이것이 인간이 함께 수행하는 활동이기 때문이다.

기계 발견 시대에 인간 수학자는 무엇을 할 수 있는가?

현재 아무도 완전한 답을 줄 수 없다.

그러나 몇 가지 가능한 역할이 부상하고 있다.

1. 목표 설정 및 문제 선택

수학자는 어떤 문제가 과학, 사회, 교육 또는 더 깊은 개념적 이해와 관련이 있는지 결정할 수 있다.

이 역할은 여전히 중요하지만, 가워스는 인공지능이 궁극적으로 가치 있는 질문과 이론을 제안하는 능력도 가질 수 있다고 생각한다.

2. 결과 검증 및 형식화

증명 도우미는 정확성을 확립할 수 있다. 인간 전문가는 여전히 형식화된 진술이 의도된 정리를 정확히 포착하고 숨겨진 가정이 문제의 본질을 바꾸지 않았는지 확인해야 한다.

3. 기계 산출물의 소화 및 정리

미래의 수학자들은 인공지능이 생성한 수많은 결과물 중에서 주목할 만한 소수만을 식별하고, 이를 중심으로 일관된 이론을 구축하는 방식을 채택할 가능성이 높다.

이는 증명의 우선권을 다투기보다는 훌륭한 교과서를 집필하는 작업에 더 가깝다.

4. 사상의 역사와 귀속권 보호

모델이 새로운 결과를 생성하더라도, 이는 역대 연구자들이 구축한 개념에 의존할 수 있다. 이러한 연관성을 추적하는 것은 진정한 혁신이 무엇인지 이해하는 데 필수적이다.

5. 수학적 판단력 전수

학생들에게 필요한 것은 단순한 정답이 아니다. 문제의 의미, 가정들이 어떻게 상호작용하는지, 특정 추상적 개념이 왜 유용한지, 그리고 오해를 불러일으키는 논증을 식별하는 방법을 이해해야 한다.

인공지능은 이러한 작업을 보조할 수 있지만, 교육은 여전히 인간의 깊은 참여가 필요한 영역이다.

테렌스 타오의 관점에서, 인간적 차원은 강력히 보호되어야 한다.

6. 공동체 유지

세미나, 협업, 스승과 제자의 계승, 학술적 논쟁, 공동의 기준은 고립된 정보를 하나의 학술 장으로 변환시킨다.

개인화된 AI 튜터는 사용자에게 특정 정리를 설명할 수 있지만, 지식 체계에 대해 공동으로 책임을 지는 학술 공동체를 자동으로 형성하지는 않는다.

진정한 위험은 수학 연구의 종말이 아니다

"AI가 수학을 죽일 것이다"라는 주장은 마치 정리 발견이 중단될 것이라는 예언처럼 들린다.

그러나 가워스는 정반대의 관점을 제시한다.

기계가 생성한 문헌은 인간이 독자적으로 창작한 모든 결과물보다 더 풍부할 수 있다.

진정으로 사라질 수 있는 것은 이러한 문헌과 살아있는 인간 학술 전통 사이의 연결이다.

이 위험은 피할 수 없는 것이 아니다.

레이던 선언, 국제수학자대회에서의 테렌스 타오의 제안, 형식적 검증 프로젝트, 공공 수학 인프라, 그리고 가워스本人的 비판은 모두 실용적인 대응 방안을 제시한다:

• AI 보조 사용의 투명한 공개 요구
• 엄격한 증명 및 독립적 검증 메커니즘 유지
• 공공 및 학술 AI 도구에 대한 투자
• 설명 및 종합 작업에 대한 보상
• 기계 생성 콘텐츠에 대한 더 나은 필터링 메커니즘 개발
• 교육 및 스승-제자 전통 보호
• 인간이 자신의 연구 분야를 이해할 수 있는 능력 유지
• 순수한 개인적 탐구가 아닌 집단적 탐구를 지원하는 인프라 구축
• 단순한 산출물이 아닌 통찰력과 기여를 기준으로 수학 작업 평가

과제는 정리 생산 속도가 기존 기관의 관리 능력을 초과하기 전에 이러한 체계를 구축하는 것이다.

자주 묻는 질문

필즈상 수상자가 정말 AI가 2년 안에 수학자를 능가할 것이라고 말했나요?

네. 야콥 치머만은 《쿼터 매거진》에 AI가 2년 안에 수학 분야에서 인간 수학자를 능가할 것이라고 믿는다고 말했습니다. 이는 개인적인 예측일 뿐, 검증된 발전 일정표는 아닙니다.

티머시 가워스는 수학에서 AI 사용을 반대하나요?

아니요. 가워스本人은 첨단 AI 시스템을 사용하며, ChatGPT와 Aristotle의 인상적인 결과에 대해 공개적으로 논의한 바 있습니다. 그의 우려는 빠른 자동화가 가치 있는 결과를 산출하는 동시에 수학 문화, 전문 지식, 교육 시스템, 공동체 이해를 해칠 수 있다는 점에 있습니다.

《레이던 AI와 수학 선언》이란 무엇인가요?

이는 2026년 6월 2일 발표된 학계 선언으로, AI가 수학 연구, 교육, 출판, 귀속 인정, 인프라 및 윤리에 미치는 영향을 설명합니다. 국제수학연맹이 지지했으며, 2026년 7월 29일 기준 3200명 이상이 서명했습니다.

OpenAI는 단위 거리 문제에서 어떤 난제를 해결했나요?

내부 OpenAI 모델이 평면 점 집합에서 단위 거리 쌍의 최대 개수에 대한 널리 인정받던 추측을 반박했습니다. 이 모델은 무한히 많은 구성을 생성했으며, 이전에 유력했던 격자 기반 구성을 다항식 수준에서 능가했습니다.

OpenAI의 단위 거리 증명은 인간에 의해 검증되었나요?

네. OpenAI는 원본 증명과 함께, 더 간결한 인간 검증 버전과 주요 수학자들의 해설을 포함한 별도의 동반 논문을 발표했습니다.

자동화된 증명 형식화란 무엇인가요?

형식화는 수학적 증명을 컴퓨터가 검증할 수 있는 정확한 형식으로 변환하는 것을 의미합니다.

수학적 명제와 증명을 Lean과 같은 언어로 변환하면, 작은 증명 검증 커널이 모든 논리 단계를 확인할 수 있습니다. Aristotle과 같은 AI 시스템은 점차 비공식 연구 수학을 기계 검증 가능한 형태로 변환하는 작업을 지원하고 있습니다.

인공지능이 대부분의 새로운 증명을 생산한다면, 수학은 존속할 수 있나요?

문헌의 양은 물론 계속 성장할 수 있습니다. 미해결된 문제는 강력한 인간 학술 공동체가 기계 출력의 수동적 소비자로 전락하지 않고, 이러한 자료를 계속 이해하고, 가르치고, 조직하고, 가치 있게 여길 수 있는지 여부입니다.

미래의 수학자에게 가장 필요한 기술은 무엇인가요?

검증, 주제 선정, 설명, 종합, 형식화, 역사적 귀속, 교육이 더 중요해질 수 있습니다. 그러나 AI가 이러한 작업에서도 지속적으로 발전할 수 있으므로, 수학을 의미 있는 인간 공동체로 유지하려면 새로운 기술적 역량뿐만 아니라 제도적·문화적 선택이 필요합니다.

관련 도구

• Lean: 기계 검증 가능한 수학 증명을 생성하기 위한 상호작용 정리 증명기 및 프로그래밍 언어.
• Mathlib: Lean을 위해 구축된 대규모 커뮤니티 유지 형식화 수학 라이브러리.
• Aristotle: Harmonic사가 개발한 에이전트로, Lean에서 장기 실행 증명 및 수학 형식화를 수행.
• Erdős Problems: 폴 에르되시와 관련된 1000개 이상의 문제를 추적하는 커뮤니티 데이터베이스.
• arXiv: 현재 대부분의 수학 연구가 유통되는 주요 오픈 프리프린트 플랫폼.

관련 링크

• 티머시 가워스: 레이던 선언에 대한 생각: 가워스의 수학 문화, 저자권, AI 산출물 및 선언에 대한 완전한 논의.
• AI와 수학 레이던 선언: 공식 선언문, 권고사항, 지지 및 서명자 목록.
• 테렌스 타오: AI 시대의 수학: 2026년 국제수학자대회에서의 테렌스 타오 강연, 검증, 설명, 공동체 수용성, 교육 및 수학적 가치를 포함.
• OpenAI 단위 거리 문제 발표: OpenAI 공식 보도자료, 이산 기하학 분야에서의 모델 돌파구 관련.
• 단위 거리 결과의 인간 검증 해설: AI 생성 증명을 설명하고 평가하는 동반 논문.
• 티머시 가워스: ChatGPT 5.5 Pro 사용 경험: 가워스의 AI 생성 조합론 결과에 대한 기술적 서술.
• 피터 워이트: 한 분야의 애가?: 치머만, OpenAI 및 수학 연구 문화 변화에 대한 논평.

요약

인공지능은 현재 동시에 여러 수준에서 전문 수학에 영향을 미치고 있다: 문제 해결, 증명 생성, 형식 검증, 설명, 훈련, 저자 귀속 및 학술 직업 발전.

가워스의 핵심 경고는 기계가 수학 발전을 방해할 것이라는 점이 아니라, 그들이 너무나 많은 올바른 수학 결과를 생성하여 인간 집단이 이를 집단적으로 이해하려는 의지와 능력을 잃을 수 있다는 점이다.

레이던 선언, 국제수학자대회에서의 테렌스 타오 강연, OpenAI의 단위 거리 문제 돌파구, 그리고 자동화된 형식화의 급속한 발전은 수학이 새로운 검증, 설명, 교육 및 공동체 평가 체계를 시급히 구축해야 함을 시사한다.

수학의 미래는 인공지능이 얼마나 많은 정리를 증명할 수 있는지에 달려 있을 뿐만 아니라, 인간이 이러한 정리를 공유된 인지로 전환할 수 있는지에 달려 있다.