테렌스 타오가 말하는 AI와 함께 ‘바뀌는 수학’

테렌스 타오가 말하는 ‘바뀌는 수학’
AI, 대규모 협업, 형식 검증이 연구 수학의 방식을 어떻게 다시 쓰고 있는가
참고
아래 글은 제공된 강연 전사를 바탕으로 재구성한 해설형 요약이다. 전체 직역이 아니라
주장
,
사례
,
한계
,
함의
를 중심으로 정리했다.
https://youtu.be/zJvuaRVc8Bg
원문 영상
타오의 핵심은 AI가 수학자를 대체한다는 선언이 아니다.
수학이 처음으로 규모를 키워도 검증 가능한 연구 방식
을 얻기 시작했다는 관찰에 가깝다.
왜 수학은 이렇게 늦게 변했나
타오가 보는 변화의 출발점은 역설적이다. 수학은 오래도록 거의 변하지 않은 분야였다. 그는 19세기 초 오귀스탱 루이 코시(Cauchy)의 복소해석학 텍스트와 오늘날 대 학원 교재를 비교하며, 설명 방식과 증명의 감각이 놀라울 만큼 닮아 있다고 말한다. 칠판 역시 여전히 수학의 상징적 도구이고, 공동저자 수 또한 오랫동안 한두 명 수준에 머물렀다. 수학은 새 도구를 가장 늦게 받아들이는 분야 가운데 하나였고, 그만큼 작업 문화도 오래 정체돼 있었다.
“수학은 정치적 의미가 아니라, 연구 실천의 의미에서 극도로 보수적인 분야다.”
- 테렌스 타오, 강연 요지
그가 말하는 보수성은 취향의 문제가 아니라 구조의 문제다. 수학은 진입장벽이 높고, 문제를 이해하는 데만 오랜 훈련이 필요하다. 무엇보다 증명은 한 줄 한 줄이 전부 맞아야 한다. 열 명이 함께 일할 때 그중 한 사람의 논증이 믿기 어렵다면, 결국 나머지 아홉 명이 모두를 검토해야 한다. 그러지 못하면 전체 결과의 신뢰가 흔들린다.
그래서 두세 명이 칠판 앞에서 호흡을 맞추며 푸는 방식은 매우 강력하지만, 20명, 50명이 여러 나라에 흩어져 협업하는 방식으로는 잘 확장되지 않았다. 타오의 표현을 빌리면, 단순히 수학자들이 비사교적이어서가 아니다. 기존 워크플로 자체가 대규모 협업에 맞지 않았던 것이다.
전환점은 네 가지였다
타오가 본 변화의 네 축
축
뜻
대규모 문제 추적
한 문제가 아니라 문제군 전체를 비교하고 통계적으로 본다
폭넓은 참여
전문가 외에도 학생, 개발자, 다른 분야 연구자가 기여한다
AI 도구
문헌 탐색, 코드 작성, 수치 실험, 보조 정리 탐색을 가속한다
형식 검증
신뢰할 수 없는 기여를 걸러내고 남길 것을 남긴다
타오가 강조하는 것은 성능 향상 하나가 아니라, 연구의 운영 방식 전체가 바뀌고 있다는 점이다.
타오는 이를 실험과학의 비유로 설명한다. 예전 수학은 하나의 문제를 아주 깊게 파는
사례 연구
에 가까웠다. 하지만 이제는 수백, 수천 개의 문제를 한꺼번에 훑으며 무엇이 풀리고 무엇이 안 풀리는지 보는
문제 집단 조사
도 가능해지고 있다. 이것은 수학이 처음 경험하는 종류의 스케일 변화다.
참여의 폭도 넓어졌다. 타오는 이를 시민과학에 비유한다. 다른 과학에서 아마추어가 나비를 모으고, 혜성을 찾고, 수질 샘플을 모으듯, 수학도 이제 일부 영역에서 비전문가의 기여를 흡수할 수 있게 됐다. 대 학원생, 고등학생, 개발자, 다른 분야 연구자들이 AI와 함께 의미 있는 조각을 보태고, 그 결과는 검증 절차를 거쳐 살아남는다.
KEY POINT
AI만으로는 그림이 완성되지 않는다.
데이터셋
,
공동체
,
형식 검증
이 함께 붙어야 비로소 수학의 규모가 커진다.
왜 하필 에르되시 문제들인가
타오가 사례 연구로 고른 것은 에르되시(Erdős) 문제들이다. 에르되시는 20세기 수학에서 가장 생산적이고 영향력 있는 문제 제기자 가운데 한 명이었고,
1,500편 이상
의 논문을 남겼다. 토머스 블룸이 구축한 정리 사이트를 중심으로 이 문제들은
천 개 안팎
의 데이터셋으로 모였다. 타오에게 이 목록은 현재 수학용 AI 도구를 시험하기에 가장 흥미로운 현장이다.
중요한 점은 이 목록이 균질하지 않다는 것이다. 어떤 문제는 작은 진전만으로도 거대한 이론을 낳는 씨앗이고, 어떤 문제는 생각보다 빨리 끝나는 가벼운 문제다. 바로 그 불균질성 때문에 이 목록은 오히려 좋은 시험대가 된다. 툴이 어디에서 빛나고 어디에서 막히는지, 한두 개의 화려한 사례가 아니라 전체 분포로 볼 수 있기 때문이다.
에르되시는 좋은 문제를 ‘도토리’에 비유했다. 작은 씨앗이지만, 거기서 거대한 떡갈나무 같은 새 이론이 자라날 수 있기 때문이다. 반대로 금세 녹아 사라지는 쉬운 문제는 ‘마시멜로’에 가깝다.
- 강연 요지 재구성
타오도 분명히 말한다. 이 목록은 원래부터 AI 벤치마크로 만든 것이 아니다. 그럼에도 지금은 사실상
자연 발생적 벤치마크
가 됐다. 해결된 문제와 미해결 문제가 섞여 있고, 난도와 성격도 다양하기 때문에, 오늘의 도구들이 어느 층위에서 실제 성과를 내는지 비교하기 좋기 때문이다.
AI가 실제로 잘하는 일과 아직 약한 일
타오가 먼저 강조한 성과는
문헌 탐색
이다. 검색형 AI는 다른 분야나 다른 언어의 오래된 논문에서 해답의 단서를 끌어온다. “조금만 손보면 이 문제가 사실상 이미 풀려 있었다”는 사실을 드러내는 식이다. 타오의 설명에 따르면 이런 방식만으로도
20~30여 개
문제가 정리됐다. 수학자들이 오래 원하던 의미 기반 문헌 탐색이 부분적으로 현실화된 셈이다.
둘째는 코드 작성과 수치 실험이다. AI는 계산 실험, 예시 생성, 그림 제작 같은 주변 업무를 매우 빠르게 처리한다. 예전에는 연구자가 직접 파이썬을 만지며 오래 끌었을 작업이 이제는 훨씬 짧아졌다. 타오가 보기에 이런 보조 업무에서 AI는 이미 ‘놀랍다’를 넘어 거의 일상적인 도구가 됐다.
셋째이자 가장 중요하게는
형식 검증
이다.
Lean
같은 시스템은 비형식적 증명을 기계가 검사할 수 있는 언어로 바꿔, 각 단계가 실제로 성립하는지 확인한다. 예전에는 사람의 증명을 여기에 옮기는 일만 해도 몇 주 가 걸리곤 했지만, 타오는 이제 많은 유형의 증명에서 그 시간이 몇 시간 단위로 줄고 있다고 말한다. 이 필터가 있으니 AI가 대량으로 낸 풀이도 하나씩 선별할 수 있다.
KEY POINT
현재 AI가 가장 잘하는 구간은
가장 깊은 난제 한두 개
가 아니라,
관심 부족 때문에 오래 방치된 문제를 대량으로 훑는 일
에 가깝다.
그래서 타오는 과장을 경계한다. 지금까지 AI가 두드러진 성과를 낸 문제들은 대체로 수학계가 가장 집요하게 붙들고 있는 최상위 난제들이 아니다. 오히려 ‘어려워서’가 아니라 ‘아무도 충분히 들여다보지 않아서’ 남아 있던 문제들이 많다. 강연 시점 추적표에도 미해결 문제가
약 700개
남아 있었다. 이것은 이미 끝난 혁명이 아니라, 이제 막 형태가 드러나기 시작한 변화라는 뜻이다.
인간과 AI는 실제로 어떻게 협업하는가
타오가 든 첫 사례는 절반쯤 열린 문제였다. 한 참여자가 수치 실험과 구성 아이디어로 문제의 대부분을 밀어붙였지만, 마지막에 남은 식 하나를 증명하지 못했다. 타오는 그 빈칸을 일반 모델에 던졌고, 모델은 예상보다 세련된 수론적 아이디어로 보조 정리를 메웠다. 이후 사람 연구자가 그 논증을 읽고 단순한 형태로 다시 설명했고, 또 다른 참여자가 형식화 도구로 옮겨
Lean 증명
까지 완성했다. 아이디어, 보조 정리, 검증이 릴레이처럼 이어진 셈이다.
두 번째 사례는 더 직관적이다. 동전 더미를 여러 더미로 나눠 놓고, 상대는 증가수열 또는 감소수열을 이루는 더미만 골라 가져갈 수 있을 때 공정한 가격이 얼마인지 묻는 최적화 문제가 있었다. 먼저 사람 참여자가 작은 경우들을 선형계획으로 계산해 규칙을 추측했다. 그다음 AI가 제곱수 크기의 경우를
작은 정사각형을 큰 정사각형에 배치하는 문제
로 번역해 증명 구조를 찾아냈다. 이어 사람 연구자들은 더 큰 경우의 데이터를 뽑아 추측을 단순화했고, 이미 해결돼 있던 다른 정사각형 패킹 문제와 연결해 일반형까지 마무리했다.
사람은 구조를 보고, AI는 막힌 단계를 메우며,
형식 검증
은 마지막으로 참과 거짓을 가른다.
중요한 것은 어느 한쪽의 단독 승리가 아니라 역할 분담이다. 타오가 실제로 보여 준 것은 ‘AI가 혼자 풀었다’는 서사가 아니라, 문제를 구성하는 여러 층위를 인간과 기계가 서로 나눠 맡는 작업 흐름이다. 이 때문에 그는 인간-AI 협업이 특히
긴 꼬리의 중간 난도 문제들
에서 강력하다고 본다.
타오가 끝까지 지키는 선
타오는 문제 해결이 수학의 전부가 아니라고 못 박는다. 수학자는 개념을 이해하고, 복잡한 논의를 더 단순한 형태로 압축하고, 설명 가능한 지식으로 바꾸는 일을 한다. 어떤 문제 하나의 답보다, 그 답을 찾는 과정에서 나온 기술과 시야가 더 중요한 경우도 많다. 실제로 등차수열에 관한 에르되시 문제는 그 자체의 해답보다도
숫자 패턴을 다루는 가법적 조합론
이라는 분야 전체를 밀어 올리는 자극이 됐다.
따라서 에르되시 문제 몇 개의 해결을 곧장 ‘수학 전체의 정복’으로 읽으면 과장이다. 하지만 반대로 이를 단순한 유행으로 치부하는 것도 오판이다. 타오의 태도는 냉정하다.
순수한 과대광고는 아니다.
그렇다고 가장 깊은 난제가 당장 무너지는 것도 아니다. 지금 벌어지는 일은 분명한 진전이지만, 그 진전의 모양은 생각보다 구체적이고 제한적이다.
참고
타오가 강조한 것은 성능만이 아니었다. AI 사용 여부 공개, 장문의 답변에 대한 요약 의무, 내용 책임 명시, 스팸성 장문 금지 같은 운영 규칙이 있었기에 포럼이 이른바
저품질 AI 출력물
에 잠기지 않고 작동할 수 있었다.
형식화된 증명이 처음엔 장황하고 덜 세련돼 보일 수는 있다. 그러나 타오의 관점에서는 우아함보다 확인 가능성이 먼저다. 사람이 읽기 좋은 설명은 나중에 다듬을 수 있지만, 일단 컴파일되고 검증된 증명은 공동 작업의 신뢰 기반이 된다.
결론: 수학은 ‘대체’가 아니라 ‘확장’으로 변한다
이 강연의 가장 중요한 메시지는 한 문장으로 요약된다. 수학은 오랫동안 한 문제를 깊게 파는 소규모 장인 작업에 최적화돼 있었지만, 이제는
수백, 수천 개의 문제를 동시에 훑고, 기여를 모으고, 검증으로 걸러내는 방식
도 현실이 되고 있다.
이 변화는 진입장벽을 낮춘다. 대 학원생, 고등학생, 개발자, 다른 분야 연구자도 적절한 도구와 검증 체계가 있으면 의미 있는 조각을 보탤 수 있다. 타오가 보는 미래는 AI가 인간을 밀어내는 수학보다, 인간과 AI가 함께 규모를 키우는 수학에 더 가깝다.
KEY POINT
지금 AI의 최적 전장은
가장 어려운 한 문제
보다
중간 난도의 문제 1000개
에 더 가깝다. 그리고 그 차이를 만들어 내는 것은 성능만이 아니라
검증
이다.
타오가 말하는 미래의 연구 수학은 결국 이렇다. 더 많은 사람이 참여하고, 더 많은 도구가 실험되고, 더 엄격한 검증 아래에서 더 빠르게 진전하는 수학이다.
···
SOURCE
YouTube 원문 영상 바로가기
정리 및 구성: GPT-5.4 Pro

출처: 특이점이 온다 갤러리
[원본 보기]



ㅡㅡ지우지 말아 주세요 ㅡㅡ

카지노,토토 커뮤니티 일등!! 슬기로운 베팅생활

슬.베 [10,000] 포인트 제휴업체 후기 이벤트!! https://sbt-sbt2.com/bbs/board.php?bo_table=free8&wr_id=4

#카지노커뮤니티 #카지노슬베 #슬베 #슬베사이트 #카지노사이트 #온라인카지노 #인터넷카지노 #바카라커뮤니티 #안전공원 #안전놀이터 #안전한카지노사이트 #안전카지노 #바카라 #온라인바카라 #인터넷바카라 #인터넷카지노 #검증 커뮤니티 #사이트 먹튀 #카지노먹튀 #베팅카지노 #빅카지노 #빅2카지노 #유카지노 #얀카지노 #제왕카지노 #캐시카지노 #파라오카지노 #풀카지노 #슬기로운베팅생활 #베팅생화 #슬기로운 #카지노베팅생활 #카지노슬기로운베팅생활 ​#스포츠중계 #중계 #축구중계 #야구중계 #농구중계 #배구중계 #하키중계 #미식축구중계 #중계사이트 ​#스포츠분석 #분석 #축구분석 #야구분석 #농구분석 #배구분석 #하키분석 #미식축구분석 #분석사이트 #KIA #한화 #기아 #한화 #케이비오 #케이리그야구분석 #한국야구분석 #스포츠분석 #프로야구분석 #KT #키움 #케이티 #키움 #삼성 #롯데 #SSG #엔씨 #SSG #NC #에스에스지 #NC #에스에스지 #엔씨 #LG #두산 #엘비 #주요경기 #NPB #세이부 #소프트뱅크# KBO #요미우리 #한신 #엠피비야구분석 #일본야구분석 #히로시마 #요코하마 #야쿠르트 #주니치 #오릭스 #니혼햄 #라쿠텐 #치바롯데 #NBA #필라델피아 #뉴욕 #인디애나 #밀워키 #해외농구분석 #클리퍼스 #댈러스 #보스턴 #마이애미 #클리블랜드 #올랜도 #덴버 #레이커스 #뉴올리언스 #오클라호마 #피닉스 #미네소타 #댈러스 LA클리퍼스 #부산KCC #KT소닉붐 #케이비엘 #국내농구분석 #케이비엘 #스포츠분석 #프로농구분석 #야쿠르트 #주니치 #히로시마 #요코하마 #꿀정보 #NPB #요미우리 #한신 #일본프로야구분석 #세이부 #소프트뱅크 #오릭스 #니혼햄 #라쿠텐 #치바롯데 #올랜도 #클리블랜드 #해외농구분석 #프로토 #컵스 #밀워키 #신시내티 #볼티보어 #피츠버그 #콜로라도 #필라델피아 #샌프란시스코 #워싱턴 #토론토 #템파베이 #메츠 #양키스 #디트로이트 #해외야구분석 #클리블랜드 #에인절스 #캔자스시티 #텍사스 #휴스턴 #시애틀 #미네소타 #보스턴 #세인트루이스 #화이트삭스 #애리조나 #샌디에이고 #오클랜드 #마이애미 #다저스 #애틀란타 #J리그 #가시마 #쇼난 #도쿄 #교토상가 #마치다 #가시와 #아시아축구분석 #아시아프로축구분석 #세레소오사카 #삿포로 #사간도스 #도쿄베르디 #무료중계 #가와사키 #우라와 #후쿠오카 #감바오사카 #나고야 #비셀고베 #AFC #U23결승전 #일본 #우즈벡 #아시아프로축구분석 #K리그2 #김포 #부천 #K리그 #충남 #아산 #안양 #충남아산 #서울 #울산 #포항 #전북 #리그앙 #툴루즈 #몽펠리에 #프랑스 리게 #리게 #네덜란드 #에레디비시 #알메러시티 #헤렌벤 #해외프로축구분석 #시타르트 #고어헤드 #독일 #분데스리가 #호펜하임 #라이프치히 #이탈리아 #세리에A #토리노 #볼로냐 #이탈리아세리에A #EPL #루턴 #에버튼 #영국 #영국프리미어리그 #프리미어리그 #라리가 #헤타페 #빌바오 #스페인 #프리메라리가 #스페인프리메라리가 #랑스 #로리앙 #아스날 #본머스 #소시에다드 #라스팔마스 #르아브르 #스트라스부르 #독일 #분데스리가 #볼프스부르크 #다름슈타트 #독일분데스리가 #브레멘 #묀헨글라트바흐 #슈투트가르트 #바이에른뮌헨 #도르트문트 #아우크스부르크 #브렌트포드 #풀럼 #번리 #뉴캐슬 #셰필드 #노팅엄 #레알마드리드 #카디스 #잉글랜드 #챔피언쉽 #버밍엄시티 #노리치시티FC #잉글랜드챔피언쉽 #코번트리 시티 #퀸즈 파크 레인저스 #코번트리 #퀸즈파크 #NBA #올랜도 #클리블랜드 #미프로농구 #미국프로농구 #댈러스 #클리퍼스#야구, #축구, #농구, #배구, #탁구, #테니스, #배드민턴, #골프 #달리기, #크로스컨트리, #마라톤, #필드  #스키, #썰매, #스케이트, #컬링, #아이스 하키 #사이클, #모터스포츠, #양궁, #승마, #보드게임, #e스포츠 #메이저리그 #미국야구