Announcing three new discoveries in mathematics, computer science, and physics
수학·컴퓨터과학·물리학에서 세 가지 발견 발표
OpenAI는 조화해석학, 계산복잡도론, 양자장론에서 세 가지 결과를 얻었으며 Lean 형식화 증명을 공개하거나 전문가 그룹과 검토 중이라고 밝혔습니다. 그중 ETH 반증과 양자색역학 존재 증명은 각 분야의 오래된 문제를 다루지만, 결과의 해석과 검증은 계속 진행될 예정입니다.
- 주제
에디터 노트
가장 큰 쟁점은 발표된 증명이 해당 정리를 실제로 증명하는지와 그 결과가 기존 난도 이론에 어떤 영향을 주는지입니다. Lean 형식화는 형식화된 명제와 증명 검사를 확인하는 근거지만, 자연어 주장의 범위나 환원 뒤에도 시간 경계가 유지되는지는 별도로 살펴야 합니다. 댓글에서도 ETH 반증이 P=NP를 뜻하지 않는다는 점과 준지수 알고리즘의 함의를 두고 의견이 갈립니다. 공개 방식은 결과마다 다릅니다. 수학과 컴퓨터과학 자료는 공개했지만 물리학 그룹은 설명 자료를 직접 쓰기로 했고, OpenAI도 초기 전문가 선정이 정보 격차를 만든다고 인정합니다. 500만 달러 지원과 공개 원칙은 검토 기반을 마련하지만, 독립 검증 결과와 각 증명의 적용 범위가 확정되기 전까지 세 결과의 의미를 한데 묶어 평가하기는 어렵습니다.
AI 요약
OpenAI는 조화해석학의 국소 평활화 추측, 계산복잡도론의 지수 시간 가설(ETH), 양자장론의 존재 증명에 관한 세 가지 결과를 발표했습니다. 연구 결과를 곧바로 완성된 논문으로 내놓기보다 전문가 그룹이 설명과 검토를 맡는 방식을 시험합니다. 수학 결과는 AI가 작성한 증명과 Lean 형식화 증명을 공개했고, 컴퓨터과학 결과도 두 자료를 공개해 외부 검증을 요청했습니다. 물리학 결과는 협력 그룹이 AI 산출물 공개를 미루고 직접 설명 자료를 작성하기로 했습니다.
수학: 국소 평활화와 Kakeya 추측
국소 평활화 추측은 파동이 집중되는 현상을 다룹니다. 최악의 순간에 가능한 집중은 무작위로 고른 일반적인 시간대의 집중보다 훨씬 크며, 그 극단적인 집중은 오래 지속되지 않는다는 내용입니다. 이 추측은 Kakeya 추측과 Stein 제한 추측을 함의합니다. 2019년 Guth, Wang, Zhang은 공간 차원 2에서 국소 평활화 추측을 증명했고, 2025년 Wang과 Zahl은 3차원 Kakeya 추측을 증명했습니다.
OpenAI는 자사 모델이 모든 차원에서 국소 평활화 추측을 증명했으며, 그 결과 모든 차원의 Kakeya 추측과 Stein 제한 추측도 해결한다고 밝혔습니다. 새 증명은 보조 편미분방정식을 사용합니다. 모델은 2026년 10월 18일 자연어 증명을 만들었고, 다음 날 Lean 형식화를 마쳤습니다. 회사는 두 자료를 공개 저장소에 올렸습니다.
컴퓨터과학: ETH 반증
ETH는 불리언 공식의 만족 가능성 문제를 지수 시간보다 훨씬 빠르게 풀 수 없다는 계산복잡도론의 추측입니다. 그래프 이론, 계산생물학, 데이터베이스, 계산기하학 등 여러 분야의 난도 하한 결과가 ETH를 전제로 삼아 왔습니다. OpenAI는 모델이 ETH를 반증했고, 그 결과를 Lean으로 검증했다고 발표했습니다.
공개된 논문 초록은 고정된 모든 k에 대해 k-CNF 공식의 만족 할당 수를 정확히 세는 결정론적 알고리즘을 제시합니다. 변수 n개, 절 m개인 공식에서 공간은 poly_k(n,m)이며, 시간은 (n+m)^{O_k(1)} 2^{n/(log n)^{1/2+o(1)}}이라고 제시합니다. 이는 다항시간은 아니지만 지수시간보다 작은 준지수 시간입니다. 결과는 P=NP를 증명한다고 발표된 것이 아니며, 알고리즘이 다른 문제로 환원될 때도 같은 시간 경계를 보존하는지에 따라 함의가 달라질 수 있다는 논점이 댓글에서 제기됐습니다.
Russell Impagliazzo, Ramamohan Paturi, Ryan Williams가 이 결과를 검토하고 설명할 그룹을 이끕니다. 그룹 요청에 따라 원자료를 공개했고, OpenAI는 결과의 분야별 함의를 논의할 학회 개최 비용을 지원하기로 했습니다. 모델은 10월 16일 자연어 반증을 만들고 17일 Lean 형식화를 마쳤다고 밝혔습니다.
물리학: 양자장론의 존재
물리학 결과는 4차원에서 게이지 장과 페르미온을 포함하는 상호작용 양자장론의 수학적 존재 증명입니다. OpenAI는 양자색역학(QCD)과 표준모형의 통일 완성 이론을 포함한다고 설명합니다. 하위 문제로는 클레이 수학연구소 밀레니엄 문제에 포함된 순수 Yang-Mills 이론의 존재 증명이 있습니다. 연구는 구성적 양자장론에서 Balaban의 접근을 바탕으로 합니다.
David Gross가 Michael Douglas, Arthur Jaffe, Igor Klebanov, Nikita Nekrasov와 함께 검토 그룹을 이끕니다. OpenAI는 모델이 9월 9일 Yang-Mills 존재 증명을, 9월 18일 QCD 증명을 작성했고, Yang-Mills 형식화를 10월 16일 마쳤다고 밝혔습니다. 물리학 그룹은 AI 산출물 공개를 보류하고 자체적으로 설명 자료를 작성하기로 했습니다. 발표가 다루는 것은 이론의 수학적 존재이며, 양자중력이나 모든 힘을 통합하는 이론의 완성을 뜻하지는 않습니다.
연구 협력과 공개 원칙
OpenAI는 협업 내용을 공개하고 비밀유지계약을 요구하지 않으며, 참여자는 중간 결과와 결론을 자유롭게 발표할 수 있다고 밝혔습니다. 회사는 모델이 만든 발견에 학술적 공로를 요구하지 않고, 협력 그룹이 설명과 자료 작성에 기여한 공로를 인정하겠다고 했습니다. 참여는 자발적이고 무급이며, 그룹의 결론은 참여자 자신의 의견으로 남습니다. 회사는 초기 검토자를 선정하면 참여 기회와 정보에 비대칭이 생긴다고 인정하며, 참여 폭을 넓힐 방법에 관한 의견을 요청했습니다. 연구자 지원을 위해 Simons Foundation에 500만 달러를 기부한다고도 밝혔습니다.
Hacker News 반응
- @rbranson — 제목에서 핵심을 꽤 숨겼네요. "지수 시간 가설은 거짓이다"가 핵심인데요.
- @JonChesterfield — https://github.com/openai/math/blob/main/lean/docs/378.md
- @sebzim4500 — 독자가 명제와 증명을 따로 확인하기 쉽게 하려는 겁니다. 명제는 그 파일에 전부 있지만, 증명은 수천 개 파일에 흩어져 있고 GitHub에서는 전부 표시하지도 못합니다.
- @mlinsey — ETH가 거짓이라고 해서 P=NP가 되는 건 아니라는 건 알겠습니다. 계산복잡도론에 더 익숙한 분들께 묻고 싶은데, 이 결과로 P=NP 쪽에 대한 믿음이 크게 바뀌나요?
- @jltsiren — 제 생각에는 그렇지 않습니다. 시간 경계에서 중요한 부분은 2^{n/polylog(n)} 꼴의 준지수 시간입니다. 다른 문제에서 입력 크기를 제곱으로 늘리는 환원을 거치면 그 문제의 알고리즘은 더 이상 준지수 시간이 아닐 수 있습니다. 큰 결과일 수 있지만, 가설의 경계가 어느 정도 임의적이었던 만큼 복잡도 클래스에 대한 직관이 크게 바뀌지는 않을 것 같습니다.
- @esalman — 연구재단에 500만 달러를 기부한다고 해도 충분한지는 모르겠습니다. 그 돈이면 박사과정 학생 5~10명을 5년 지원할 수 있습니다. AI가 만든 엉터리 결과를 검증하거나 반박하느라 연구자들의 시간을 쓰게 하면서, 토큰 비용은 과학계가 부담하게 하는 것 같아 불만입니다.
- @quantumspandex — 누구도 검증을 강요하지는 않습니다.
- @LPisGood — 결과가 중요하다고 여겨지니 연구자들이 검증할 동기를 얻는다는 얘기입니다.
- @adverbly — 이전 수학 결과 발표 방식에는 비판적이었지만 이번에는 훨씬 나아졌습니다. 특히 학술지의 심층 검토를 통과하지 못했을 원고를 완성된 논문처럼 내놓지 않는 점이 좋습니다. 이제 실제로 공동체의 의견을 듣는 단계도 이어가야 합니다.
- @Kotlopou — 양자색역학의 수학적 존재 증명은 수학적 엄밀성을 중시하는 일부 물리학자에게 중요한 결과입니다. 발표에서 말하는 표준모형의 완성은 양자중력이나 모든 것의 이론과는 다릅니다.
- @Daniel_Van_Zant — 형식 검증이 가능한 분야에서는 검증 결과를 보상 신호로 삼아 탐색을 반복할 수 있지만, 생물학처럼 실험으로 확인해야 하는 분야는 반복마다 시간이 더 듭니다. 검증이 어려울수록 최적화하기가 힘들어집니다.
원문: OpenAI / 번역·요약: Trawling