Terence Tao: “AI만으로 수학 문제를 성급하게 푸는 것”의 위험

순수수학의 난제는 정답뿐 아니라 해결 과정에서 새로운 통찰과 이론을 만드는 데 가치가 있으며, 과정을 공개하지 않는 AI 단독 해결은 이 역할을 훼손할 수 있음 Navier-Stokes 전역 정칙성 문제를 인간 수학자가 AI와 함께 시행착오를 분석하며 풀면 유체역학을 발전시킬 수 있지만, 자율 AI가 최종 해답만 내놓으면 같은 성과를 얻기 어려울 수 있음 유한 시간에 특이점이 생기는 해를 찾는 전략은 해의 형태 설계 → 수치 근사 → 안정성 증명 → 잔차 검증으로 이어지며, 각 단계가 매우 복잡하고 서로 맞물려 있음 기계학습 시뮬레이션, 엄밀한 구간 연산·형식화, LLM의 제안을 결합할 가능성은 있지만, 실패 원인과 수정 과정을 인간이 함께 이해하는 데서 최종 증명보다 더 큰 가치를 얻을 수 있음 이는 가상 시나리오이며 Tao는 실제 해결과 관련한 중대한 진전을 알지 못한다고 밝힘 — 난제를 비공개 AI의 벤치마크 홍보 성과로만 바꾸면 후속 문제와 차세대 연구자를 키울 기회를 잃을 수 있음 전역 정칙성 문제의 가치는 직접 응용보다 탐구 과정에 있음 비압축성 Navier-Stokes 방정식의 전역 정칙성 문제와 이에 대응하는 Euler 방정식 문제는 아직 미해결 상태임 최근까지는 AI가 문제 해결과 후속 연구의 토대 마련을 함께 돕는 유망한 사례였음 이제는 AI가 주로 생성한 해답이 나오더라도, 그 문제가 후속 발전을 이끄는 역할은 훼손될 수 있다는 시나리오가 점점 현실성을 얻고 있음 방정식은 비압축성 유체 연구라는 자연스러운 물리적 동기에서 나왔지만, 정칙성 문제의 중요성은 직접적인 물리 응용에 있지 않음 전산유체역학은 이미 성숙한 분야로 대기과학 등에 널리 쓰이며, 경험적으로 확인된 역량과 한계도 잘 알려져 있음 정칙성의 이론적 보장이나 병적인 발산 사례는 지적으로 흥미롭겠지만, 날씨 예측이나 기후변화 모델링 방식을 근본적으로 바꾸지는 않음 난제에 도전하며 축적한 수학적 성과 두 문제를 풀려는 노력은 유체역학·해석학·편미분방정식에서 근본적인 통찰과 영향력 있는 정리를 낳았음 Leray-Hopf 약해 Gagliardo-Nirenberg-Ladyshenskaya 부등식 Prodi-Serrin 부분 정칙성 정리 Beale-Kato-Majda 발산 판정 기준 Escuriaza-Seregin-Sverak 조건부 정칙성 결과 난류 이론은 이 결과들과 직접 연결되지는 않지만, 전역 정칙성을 증명하거나 반증하려는 노력에서 ...