2026-05-27 — views

OpenAI 추론 모델이 80년 된 에르되시 추측을 반증 — 그것도 수학 전용 모델이 아니다

읽어야 하는 이유 헤드라인은 "AI가 수학을 한다". 진짜 신호는 그것이 수학 전용 시스템이 아니라 범용 추론 모델에서 나왔고, 80년간 아무도 못 찾은 반례를 구성해 통념을 뒤집었다는 점이다. 결과 하나는 혁명이 아니지만, 범용성이 핵심이다.

OpenAI는 내부 추론 모델이 에르되시 1946년 단위거리 추측을 자율적으로 반증했다고 발표(5/20) — AI 최초이며 수학자들이 독립 검증.

2026년 5월 20일, OpenAI는 내부 추론 모델이 이산기하학의 핵심 추측을 자율적으로 반증했다고 발표했다 — 폴 에르되시가 1946년에 제기한 단위거리 문제다. 거의 80년간 수학자들은 답이 사실상 정해졌다고 믿었다. 이 모델은 그렇지 않음을 보였다.

한 문단으로 보는 문제

평면에 n개의 점을 둔다. 정확히 거리 1 떨어진 쌍은 최대 몇 개나 만들 수 있는가? 에르되시가 1946년에 이를 물었고, 수십 년간 격자형 배치가 사실상 최적이며 개수는 알려진 상한 근처에서 멈춘다는 인식이 일반적이었다. OpenAI 모델은 무한한 점 배치족을 구성함으로써 이 통념을 뒤집었다 — 고정된 δ > 0에 대해 약 **n^(1+δ)**개의 단위거리 쌍을 달성한다. 이 구성은 대수적 수론의 깊은 도구(Golod–Shafarevich 이론과 무한 유체탑)에 기댔다. 프린스턴의 수학자 윌 소윈이 이후 지수를 δ ≈ 0.014로 정교화했다.

왜 이번은 다른가

AI는 전에도 “수학을 했다” — 하지만 거의 늘 수학을 위해 만들어진 시스템을 통해서였다: 정리 증명기, 증명 코퍼스로 미세조정한 모델, 특정 문제를 탐색하도록 스캐폴딩된 파이프라인. OpenAI의 이번 주장은 두 축에서 더 날카롭다:

전용이 아니라 범용. 결과는 수학을 위해 특별히 훈련되거나 단위거리 문제를 겨냥하지 않은 새로운 범용 추론 모델에서 나왔다.
검증된 증명이 아니라 반례. 오래된 추측을 반증한다는 것은 아무도 못 찾은 구성을 찾는 것이다 — 알려진 경로의 검증이 아니라 창의적·생성적 행위. 이것이 수학의 더 어렵고 더 “연구다운” 절반이다.

소윈을 포함한 외부 수학자들과 길 칼라이의 논평이 이 결과를 검토하고 발전시켰다 — 이 반증은 OpenAI의 말만으로 받아들여진 게 아니라 독립적으로 검증됐다.

왜 중요한가

의의는 추측 하나가 무너진 데 있지 않고 전이에 있다: 폭넓게 추론하도록 훈련된 모델이, 그것을 위해 만들어지지 않은 영역에서 진정으로 새로운 수학적 대상을 만들어냈다. 범용 추론 능력이 이제 최전선 연구 수학으로 흘러든다면, 같은 능력은 알고리즘 설계·재료·프로토콜 검증으로도 흘러들 수 있다 — 병목이 거대한 구성 공간에서 작동하는 하나를 탐색하는 데 있는 모든 곳으로.

실무 노트

외삽하기 전에 프레이밍을 꼼꼼히 읽어라. “자율적으로 반증”은 강한 주장이고, 정직한 범위는 문제 하나·구성 하나·사후 인간 검증이다. 만드는 이에게 지속적인 교훈은 “모델이 이제 수학을 한다”가 아니라, 해를 검증하는 것과 비자명한 해를 생성하는 것 사이의 간극이 적어도 하나의 어려운 영역에서 좁혀지고 있다는 것이다. 워크플로에 답이 찾기는 비싸지만 검증은 싼 단계가 있다면, 바로 그것이 이 부류의 모델이 가치를 내기 시작하는 형태다. 검증기를 만들고, 모델이 탐색하게 하라.

덜 다뤄진 관점

이것이 조용히 던지는 질문은 취향에 관한 것이다. 유효한 반례를 생성하려면 무수한 막다른 길 가운데 어떤 이색적 도구(유체탑)에 손을 뻗을지 골라야 했다 — 수학자들이 연구 취향이라 부르는 판단이며, 오랫동안 환원 불가능하게 인간적이라 여겨졌다. 결과 하나로 모델이 그것을 가졌다고 증명할 수는 없다. 하지만 그것은 논쟁을 “AI가 증명을 따라갈 수 있나?”에서 “AI가 무엇을 시도할지 결정할 수 있나?”로 옮긴다 — 그리고 이 시스템들이 협력자가 될지 아주 빠른 계산기에 그칠지에 있어, 후자가 더 중대한 질문이다.