오픈AI(OpenAI)가 수백 건의 수학 연구 결과를 공개하자, 일부 수학자들은 환호보다 상실감을 먼저 드러냈다. 작가 데릭 톰프슨(Derek Thompson)은 그 반응을 경쟁에서 진 연구자의 자존심만으로 설명하지 않는다. 그는 수학자 스티븐 스트로가츠(Steven Strogatz)와 대화하며, 과학이 답을 찾는 기술인 동시에 세대를 건너 서로에게 말을 거는 활동이라고 짚는다. AI가 난제를 푸는 속도가 빨라질수록 무엇을 알게 됐는지뿐 아니라 누가 발견에 참여하고 그 과정을 이해할 수 있는지도 중요해진다는 이야기다.
핵심요약
- 톰프슨은 오픈AI의 수백 건에 이르는 수학 결과 발표가 수학자들에게 놀라움과 슬픔을 함께 안겼다고 전하며, 성과의 속도만으로 반응을 설명하기 어렵다고 본다.
- 스트로가츠는 과거 수학자가 미래의 발견자를 기다렸다는 이야기에 감정이 북받쳤다고 말하며, 수학을 세대 간에 이어지는 탐구로 바라본다.
- 톰프슨은 과학을 문제를 푸는 기술이자 연구자들이 서로의 주장에 답하는 대화로 나누고, AI가 전자에서 성과를 내는 동안 후자를 흔든다고 주장한다.
- 공개된 글의 마지막은 수학을 감정이 얽힌 대화보다 답을 찾는 탐구로 봐야 하는지 묻고, 그 질문을 남긴 채 멈춘다.
- 해커뉴스(Hacker News) 토론에서는 발견의 기쁨을 잃을 수 있다는 걱정과 함께, 증명의 검증·일자리·새 연구를 개척할 인간의 역할을 따져야 한다는 의견이 나왔다.
수백 건의 결과 앞에서 나온 눈물
톰프슨은 최근 몇 달 사이 오픈AI가 수론, 이론 컴퓨터과학, 논리학에 걸친 수백 건의 수학 결과를 발표했다고 전한다. 그가 소개한 문제 가운데는 뛰어난 수학자들도 수십 년, 길게는 수백 년 동안 풀지 못했던 것들이 있다. 이 발표를 받아든 수학계의 반응은 한 가지가 아니었다. 분개와 경탄, 슬픔이 동시에 나타났다.
2022년 필즈상(Fields Medal) 수상자인 위고 뒤미닐코팽(Hugo Duminil-Copin)은 오픈AI의 10월 발표 뒤 자신의 연구 분야가 무너진 듯한 심정을 밝혔다. 코넬대(Cornell University)의 수학자이자 저자인 스트로가츠도 인터뷰 도중 울었다고 말했다. 그가 전한 동료들의 표현에는 연구 주제가 한꺼번에 파헤쳐지고, 익숙한 연구 지형이 사라지는 듯한 충격이 담겨 있다.
톰프슨이 주목한 것은 결과의 개수보다 그 앞에서 눈물을 흘린 사람들이다. 오랜 난제가 풀렸다면 연구자에게 기쁜 소식일 수도 있는데, 왜 애도의 말이 나오는가. 그는 스트로가츠에게 직접 전화를 걸어 그 이유를 물었다. 이 질문에서 글은 AI의 성능을 다루는 기사에서, 연구자가 자신의 일을 어떻게 살아왔는지를 묻는 이야기로 옮겨간다.
무너진 탑은 연구자의 자존심만이 아니다
톰프슨은 처음에 수학자들의 반응이 경쟁에서 밀린 데 따른 좌절일 수 있다고 생각했다. 시간을 들여 쌓아 올린 블록 탑을 누군가 단숨에 부숴버리는 장면을 떠올린 것이다. 하지만 그는 그 감정이 자존심의 상처보다 낯설고 깊을 가능성을 열어둔다. 탑이 무너진 뒤에도 답은 남는다는 사실만으로는 슬픔을 설명하기 어렵기 때문이다.
그는 수학자 다음으로 물리학자, 경제학자, 삽화가, 글 쓰는 사람도 비슷한 감정을 겪을 수 있다고 적는다. 그렇다고 향후 5년 안에 수억 개의 일자리가 사라진다는 전망을 받아들이는 것은 아니다. 톰프슨의 관심은 더 빨리 다가올 수 있는 충돌에 있다. 지적 능력을 삶의 목적과 존엄, 자기 가치에 연결해 온 사람이 지능을 생산하는 기술과 마주할 때 무엇이 달라지느냐는 것이다.
이렇게 보면 수학자의 눈물은 특정 직업의 반응에 그치지 않는다. 오랫동안 배우고 연습한 능력이 여전히 중요하더라도, 그 능력으로 세상에 기여하는 방식은 달라질 수 있다. 톰프슨은 그 변화를 미리 설명하는 사례로 수학을 고른다. 스트로가츠와의 대화가 향하는 곳도 ‘누가 더 잘 푸는가’라는 승부보다, ‘왜 함께 풀어왔는가’라는 질문이다.
모방하고 고치며 쌓아 올린 인간의 지식
스트로가츠의 답을 전하기 전에 톰프슨은 인간을 특별하게 만드는 것이 무엇인지 돌아본다. 지능이나 사회성만으로는 충분하지 않다고 그는 본다. 까마귀도 여러 단계를 거쳐 퍼즐을 풀고, 개미도 모여 역할을 나눈다. 인간에게 두드러진 것은 다른 사람을 따라 배우고 고친 결과를 집단과 세대에 걸쳐 축적하는 능력이다.
그의 설명에서 인간은 부모와 동료를 정교하게 모방한 뒤, 배운 것을 조금씩 바꾼다. 한 사람의 발견은 다음 사람이 다시 출발할 수 있는 바닥이 된다. 톰프슨은 서아프리카 침팬지가 수천 년 동안 돌로 견과류를 깨온 사례와, 비슷한 기간 점토판에서 로켓과 기계 지능에 이른 인간의 변화를 대비한다. 비교의 초점은 개별 두뇌의 우열이 아니라 지식이 이어지고 불어나는 방식에 있다.
톰프슨은 이를 만들기와 대화가 결합한 문화로 설명한다. 누군가 새로운 방법을 만들고, 다른 누군가가 그것을 배우고 의심하고 수정한다. 따라서 성과물만 떼어 보면 인간이 지식을 쌓아 온 과정의 절반이 빠진다. 이 관점은 뒤이어 과학을 실험이나 계산의 기술뿐 아니라 사람 사이의 관계로 읽는 토대가 된다.
과학은 기술이자 동료와의 대화다
톰프슨에게 과학은 먼저 세상을 살피는 특별한 기술이다. 눈앞의 현상을 지나쳐 숨은 원리를 찾고, 적절한 질문과 방법으로 그것을 드러낸다. 그는 발견할 것이 들어 있는 상자를 하나씩 여는 일에 과학을 빗댄다. 어려운 문제를 풀고 새로운 정리를 얻는 성과는 이 기술의 분명한 결실이다.
하지만 과학자는 혼자 상자를 여는 사람만은 아니다. 다른 연구자의 성과를 발판으로 삼기도 하고, 권위 있는 설명에 반박하기도 한다. 톰프슨은 뉴턴(Newton)의 ‘거인의 어깨’와 파인먼(Feynman)의 전문가에 대한 의심을 나란히 놓는다. 협력과 논쟁은 방향이 달라도 모두 상대가 있어야 가능한 일이다.
그래서 과학의 한가운데에는 발견자들 사이의 대화가 놓인다. 앞선 연구의 빈틈을 찾아 채우고, 후대의 연구자가 다시 그 결과를 시험한다. 이 설명에서 중요한 것은 정답이 만들어지는 순간뿐 아니라 그 정답이 누구의 질문을 이어받았는가다. 톰프슨이 보기에 AI를 둘러싼 불편함도 바로 이 지점에서 시작된다.
아르키메데스가 미래의 발견자에게 보낸 말
스트로가츠는 자신이 왜 울었는지 설명하며 아르키메데스(Archimedes)를 꺼낸다. 고대 그리스의 아르키메데스는 원 안에 작은 다각형들을 채워 넣고 그 면적을 따지며 곡선 도형의 넓이와 원주율에 접근했다. 그는 곡선과 무한에 관한 작업을 수학자 에라토스테네스(Eratosthenes)에게 전하면서, 앞으로도 정리를 더할 발견자들이 있을 것이라고 썼다.
스트로가츠에게 그 문장은 먼 과거의 수학자가 아직 만나지 못한 동료에게 건네는 초대다. 자신이 끝내 풀지 못한 문제를 미래의 누군가가 이어받으리라는 기대가 담겨 있기 때문이다. 그는 아르키메데스가 오늘의 자신과 같은 사람들에게 말을 거는 듯하다고 톰프슨에게 설명했다. 아름다운 것을 함께 찾아간다는 감각이 그에게는 수학의 일부다.
이 대목은 왜 난제의 해결이 곧바로 기쁨으로 이어지지 않는지 보여준다. 문제를 푸는 일에는 답을 얻는 보람과 누군가의 시도를 잇는 보람이 겹쳐 있다. 스트로가츠가 아쉬워하는 것은 새 정리 자체가 아니다. 자신도 그 긴 탐색에 참여해 발견자가 될 수 있으리라는 기대가 흔들리는 일이다.
증명이 쌓일수록 대화는 어떻게 되나
톰프슨도 수학자들의 반응에 여러 감정이 섞여 있음을 인정한다. 오래 들인 시간이 헛된 듯한 느낌, 지위가 사라질지 모른다는 불안, 상대하기 어려운 경쟁자를 만난 분노가 있을 수 있다. 그렇지만 그는 그 목록만으로 슬픔을 다 설명할 수 없다고 본다. 과거의 연구자와 미래의 연구자를 이어주던 일에 사람이 설 자리가 줄어든다는 걱정이 남는다.
그의 구분을 따르면 오픈AI의 수백 건에 이르는 증명은 과학의 ‘문제 해결’ 쪽에서 뛰어난 성과다. 반면 문제를 물려받고 답하고 다시 넘기는 ‘대화’에는 혼란을 일으킨다. 정리가 늘어날수록 열린 문제는 줄어들 수 있지만, 그 정리를 둘러싼 인간 연구자의 역할까지 자동으로 정해지는 것은 아니다. 톰프슨은 성과가 커진 만큼 대화의 자리를 다시 물어야 한다고 주장한다.
글 끝에서 그는 한 걸음 더 들어간다. 수학을 연구자의 감정과 관계가 담긴 대화보다 답을 찾아가는 탐구로 보는 편이 맞을 수도 있지 않은가. 이어지는 소제목은 ‘이해 없는 지식’이지만, 공개된 글은 이 질문을 던지는 지점에서 멈춘다.
커뮤니티 의견
한 사용자는 AI가 직업만 대신하는 것이 아니라, 오랜 훈련으로 얻은 지위와 생계의 기반까지 흔들 수 있다고 걱정했다. 수천 시간을 들여 쌓은 실력이 교환 가치를 잃는다면 노동자가 미래를 협상할 힘도 약해진다는 주장이다. 답글에서는 교육과 지식 노동이 협상력을 준 시기가 역사적으로 짧았다는 의견과, 다른 직종도 이미 비슷한 변화를 겪었다는 반론이 나왔다.
또 다른 사용자는 수학자의 상실감보다 검증하려는 태도가 약해지는 일이 더 걱정된다고 했다. 많은 결과가 공개됐다는 사실만으로 실제 내용을 읽고 확인하기 전에 문제가 풀렸다고 받아들이는 토론을 비판했다. 답글에서는 일부 결과에 형식 검증 도구 린(Lean)의 인증서가 붙어 있다는 점을 들면서도, 수학계가 글을 소화하는 데는 시간이 걸릴 것이라는 의견이 나왔다.
직업의 미래를 역사에 비춰 본 사용자도 있었다. 이 사용자는 한때 힘 있는 직종이었던 직조업자의 사례를 들며, 프로그래머에게는 그만큼 긴 적응 기간이 주어지지 않을 수 있다고 우려했다. AI가 더 좋은 코드를 짜느냐보다 더 싼 노동으로 받아들여질 가능성이 중요하다는 주장이다. 여기서 눈물의 이유는 발견의 낭만뿐 아니라 임금과 생계의 문제로 넓어진다.
한 사용자는 과학을 ‘대화’로 설명한 부분을 철학자 로버트 브랜덤(Robert Brandom)의 논의와 연결했다. 개념은 서로 이유를 묻고 답하며 자신의 주장에 책임지는 사회적 과정에서 유지된다는 해석이다. 이 관점에서 대규모 언어 모델(LLM·많은 언어 자료를 학습한 AI)은 언어 사용의 패턴을 익힐 수 있어도, 오래 지속되는 약속을 떠안는 대화 참여자와는 다르다고 봤다.
다른 사용자는 톰프슨이 발견의 기쁨을 충분히 짚지 못했다고 비판했다. 수학자가 두려워하는 것은 투입한 시간이 아까운 일이 아니라, 누구보다 먼저 미지의 진실을 만나는 경험을 다시는 하지 못할지 모른다는 점이라는 주장이다. 톰프슨의 ‘세대 간 대화’와 맞닿아 있으면서도, 이 의견은 발견하는 순간 자체의 가치를 더 앞세운다.
‘이해 없는 지식’을 놓고도 반론이 나왔다. 한 사용자는 기계번역과 LLM이 작동하는 이유를 전혀 모른다고 말하는 것은 지나치며, 시스템을 개선하는 데 쓰이는 이해와 깔끔한 설명 이론을 구분해야 한다고 주장했다. 답글에서는 무언가를 개선할 줄 아는 것과 내부 작동을 이해하는 것은 별개라는 반박이 이어졌다. 논쟁은 결과의 유용성뿐 아니라 어떤 설명을 이해라고 부를지에 걸쳐 있다.
수학자의 역할이 사라지지 않을 것이라는 의견도 있었다. 한 사용자는 AI가 현재 축적된 지식을 활용해 풀 수 있는 문제를 찾더라도, 다음 단계에 필요한 새 지식은 인간이 찾아야 할 수 있다고 봤다. 이에 대해 인간만 새로운 발상을 할 수 있다는 가정은 오래가지 않을 것이라는 답글이 달렸다. 앞으로의 쟁점이 기존 문제의 해결을 넘어 새로운 개념의 창출에 있음을 드러내는 대목이다.
마지막으로 한 소프트웨어 엔지니어는 수학자의 슬픔에만 관심이 쏠리는 데 불편함을 나타냈다. 연구자의 발견 기회보다 일자리를 잃는 사람의 생계가 더 급박하다는 문제 제기다. 답글에서는 대학 연구자 역시 앞으로 연구비가 어떻게 배분될지 걱정해야 한다는 반론이 나왔다. 같은 기술 변화도 어느 자리에 서 있느냐에 따라 먼저 보이는 손실이 다르다.
핵심통찰
AI가 수학 문제를 더 빨리 풀수록 연구자의 일은 답을 생산하는 데서 끝나지 않게 된다. 어떤 결과를 검증하고, 왜 중요한지 설명하며, 다음 사람이 던질 질문으로 연결할지가 더 선명한 과제가 된다. 톰프슨이 포착한 슬픔은 기계의 성과를 부정하는 반응이라기보다 그 과정에 참여할 자리가 줄어들지 모른다는 두려움이다. 앞으로 볼 것은 발표되는 증명의 양만이 아니다. 수학계가 그 결과를 읽고 이해하고 반박하며 새 문제를 만드는 대화를 계속 넓힐 수 있는지가 더 중요하다.
원본: I Know Why the Mathematicians Weep
토론: Hacker News