나비에-스토크스 방정식의 미해결 난제에 대한 해법을 찾았다고

1만 개의 AI 에이전트를 88시간 동안 가동해 나비에-스토크스 방정식에서 물리적으로 실현 불가능한 특이점 사례를 찾아냈다. OpenAI는 유체 속도가 유한한 시간 안에 무한히 커지는 해를 발견하며 난제 해결을 발표했다. 이는 물리적 현실에서는 나타날 수 없는 결과지만, 수학적 증명 관점에서는 방정식의 성질을 규명하는 결정적 사례가 된다. 이 성과가 최종 검증되면 AI가 수학의 중대한 미해결 문제를 해결한 첫 사례로 기록된다.

나비에-스토크스 문제는 클레이 수학연구소가 선정한 밀레니엄 문제 중 하나다. 약 200년 전 정립된 이 방정식은 유체 운동을 기술하는 핵심 도구로, 항공기 설계와 기후 연구 등 광범위한 공학 분야에서 사용된다. 문제의 핵심은 적절한 초기 조건이 주어졌을 때 물리적으로 타당한 해가 항상 존재하는지 규명하는 것이며, 이를 해결한 연구자에게는 100만 달러의 상금이 주어진다.

이번 발표는 AI가 단순한 계산 보조를 넘어 수학적 난제의 해를 직접 탐색하고 발견할 수 있음을 보여준다. 1만 개의 에이전트를 동원한 대규모 연산이 수학적 특이점을 포착하는 방식으로 작동했다. 이는 기존의 인간 중심적 증명 방식과는 다른 AI만의 접근법이 실질적인 결과로 이어진 사례다.

GPT-6 Astra보다 강력한 내부 모델과 대규모 계산

약 1만 개의 자율 AI 에이전트가 88시간 동안 가동되어 방정식이 물리적으로 타당하지 않은 결과를 내는 사례를 찾아냈다. OpenAI는 이 작업에 최근 출시한 GPT-6 Astra보다 성능이 뛰어난 내부 모델을 투입했다. 투입된 계산 비용은 일반 판매 요금 기준으로 약 600만 달러이며, 모델과 자원을 이미 보유한 상태에서의 내부 추론 비용은 약 100만 달러로 추산한다. 고성능 모델과 대규모 계산 자원을 결합해 정밀한 오류 검증 프로세스를 구현했다.

이번 결과는 범용 지능 시스템(특정 작업에 국한되지 않고 다양한 지적 과제를 수행하는 AI) 평가의 일환으로 도출했다. OpenAI는 유사한 수준의 자원을 투입함으로써 실용성이 높은 과학적 문제들을 해결할 수 있다고 판단한다. 특히 이번 성과를 발판 삼아 신소재 개발이나 질병 치료법 탐색과 같은 고난도 영역으로 연구 범위를 확장한다. 대규모 계산 자원의 투입이 단순한 성능 향상을 넘어 실제 과학적 발견을 이끄는 실질적인 도구로 작동한다.

연구 기여도 인정 및 데이터 활용을 둘러싸고 개인 연구자들

모델 학습 데이터에 포함되었을 가능성이 있는 Codex(코덱스, OpenAI의 코드 생성 모델) 사용 기록이 연구 기여도 논쟁의 발단이 됐다. 트리스탄 버크마스터와 레벤트 알푀게는 해당 문제를 지속적으로 연구해온 인물들이나, OpenAI가 이들의 실질적인 기여를 제외하고 단독 저자 지위를 제안했다는 의혹이 제기됐다. 공동 저자 제외 요구와 연구 데이터의 모델 학습 활용 가능성이 이번 갈등의 핵심 쟁점으로 작용하며 연구 윤리 문제를 부각한다.

수백만 달러 규모의 계산 자원을 즉각 투입할 수 있는 기업과 개인 연구자 사이의 자원 격차가 이번 사례를 통해 극명하게 드러났다. 막대한 계산 능력을 확보한 기업의 탐색 방식은 개인 연구자가 도저히 감당할 수 없는 비용 장벽을 구축한다. 이는 인간 수학자가 수행하는 논리적 추론의 필요성에 대한 인식을 훼손하며, 결과적으로 수학 연구의 미래에 부정적인 영향을 미치는 결정적인 요인이 된다.

단일 과학 문제 해결을 위해 수백만 달러의 추론 비용을 지불하는 컴퓨팅 기반 발견의 효율성은 약 2,000달러 수준의 휴리스틱 기반 문제 해결 비용과 100만~600만 달러 규모의 대규모 에이전트 탐색 성과를 대조해 판단한다.