Anthropic Claude는 페르마의 마지막 정리를 형식화했다. 증명을 발견한 것은 아니다

Anthropic Claude는 11일간의 작업을 통해 페르마의 마지막 정리를 형식화했지만, 이 정리를 발견하거나 Andrew Wiles의 증명을 대체한 것은 아니다. 이 구분은 이번 성과가 검증, 규모, 연구 자동화에 관한 것이기 때문에 중요하다. 이전에 풀리지 않았던 문제의 새로운 해법은 아니다.

Anthropic은 2026년 9월 4일 이 결과를 발표했다. 회사에 따르면 수십 개의 Claude 에이전트가 1,300만 줄의 Lean 코드를 만들고 30,300개의 중간 정리를 증명했다. 이 가운데 29,500개가 최종 증명에 포함됐다.

Lean은 증명 보조기로, 각 형식적 단계가 명시적 정의, 공리, 그리고 앞선 정리들로부터 따라오는지를 검사한다. 형식화는 전문가 독자를 위해 쓰인 수학을 Lean의 논리 커널이 검증할 수 있을 만큼 정밀한 지시로 변환한다.

이 과정은 증명이 현대 수론, 대수기하학, 조화해석, 표현론을 아우르기 전까지는 사무적인 작업처럼 들릴 수 있다. 인간 저자는 익숙한 단계를 흔히 생략한다. Lean은 그런 지름길을 하나도 받아들이지 않는다.

따라서 Claude의 페르마 증명은 AI 대 수학자라는 구도보다 더 선명한 경쟁 구도를 제시한다. 중요한 비교 대상은 기계 규모의 형식화와 세심하게 관리되는 인간 친화적 형식 수학이다.

이 긴장은 Kevin Buzzard가 이끄는 Imperial College London의 진행 중인 프로젝트를 이야기의 중심에 놓는다. Anthropic의 시스템은 빠르게 처음부터 끝까지 검증된 결과에 도달한 반면, 커뮤니티 프로젝트는 재사용 가능한 라이브러리, 읽기 쉬운 추상화, 검토된 기여를 강조해 왔다.

두 경로 모두 유효한 형식 수학을 만들 수 있다. 다만 서로 다른 결과에 최적화돼 있으며, Anthropic의 성과는 커널이 승인을 내린 뒤 어떤 특성이 중요한지를 연구자들이 결정하도록 만든다.

Anthropic Claude가 실제로 완료한 일

Anthropic Claude는 이미 확립된 수학적 논증을 완전한 기계 검증 산출물로 옮겼으며, 이는 증명을 발명한 것과는 다르다.

페르마의 마지막 정리는 n이 2보다 클 때 양의 정수 a, b, c가 aⁿ + bⁿ = cⁿ을 만족하지 않는다고 말한다. Pierre de Fermat는 1637년 무렵 이 주장을 적었지만, 3세기가 넘도록 받아들여진 일반 증명은 나오지 않았다.

Andrew Wiles는 1993년 증명을 발표했다. 이후 검토자들은 심각한 공백을 발견했고, Wiles는 Richard Taylor와 함께 이를 보완한 뒤 1995년 수정된 연구를 발표했다. 이 역사는 일반적인 수학 검토가 얼마나 어려워질 수 있는지를 보여준다는 점에서 관련이 있다.

Claude는 Wiles의 증명을 우회하는 다른 경로를 찾지 않았다. Anthropic의 형식화 설명에 따르면, 시스템은 Henri Darmon, Fred Diamond, Richard Taylor의 단순화된 해설을 따랐다.

논증은 여전히 Gerhard Frey, Jean-Pierre Serre, Ken Ribet, Wiles, Taylor 등 수많은 사람이 만든 수학적 연결 고리에 기반한다. Claude의 과제는 전문가 독자가 빈틈을 메우는 데 의존하지 않고 그 연결 고리를 Lean으로 표현하는 것이었다.

Anthropic은 이 결과를 페르마의 마지막 정리에 대한 최초의 완전한 컴퓨터 검증 증명이라고 설명한다. 여기서 “증명”이 완성된 형식 산출물을 가리킨다면 이 표현은 타당하다. 독자가 이를 새로운 수학적 발견으로 해석한다면 오해를 낳게 된다.

형식 증명과 비형식 증명은 관련돼 있지만 서로 다른 역할을 한다. 수학 논문은 자격을 갖춘 사람에게 아이디어를 설명하는 반면, 형식 증명은 논리 커널이 모든 의존성을 검증할 수 있을 만큼 충분한 세부 정보를 제공한다.

Lean은 전문가들이 표준으로 인정한다는 이유만으로 문장을 받아들이지 않는다. 모든 정의는 존재해야 한다. 모든 타입은 일치해야 한다. 가져온 모든 결과는 명시적인 유효 항의 순서를 통해 최종 명제와 연결돼야 한다.

Anthropic은 연구원 Tianyi Peng가 Claude가 형식화를 진전시킬 수 있는지 시험하면서 이 노력이 시작됐다고 밝혔다. Peng는 AI 지원 형식 수학 도구를 개발하는 Columbia University 그룹과 함께 일한다.

시스템은 처음에는 어려움을 겪었다. Anthropic에 따르면 초기 에이전트들은 프로젝트의 맥락을 놓치고 효과적으로 협업하지 못했다. 그 실패한 시도들도 최종 증명의 비보일러플레이트 줄 가운데 약 7%를 기여했다.

성공한 실행은 형식화 프로젝트를 방향 비순환 그래프로 표현하는 오픈 협업 플랫폼 Prove2Me를 사용했다. 각 노드는 정리 명제를 담고, 의존 관계는 어떤 결과를 먼저 완료해야 하는지 에이전트에게 알려 준다.

Claude 에이전트들은 이 구조를 이용해 작업을 나누고, 기존 결과를 검색하며, 중간 명제를 증명하고, 완료된 구성 요소를 재사용했다. Anthropic은 이 플랫폼을 Claude Code 멀티에이전트 하니스와 결합했다.

회사는 최종 캠페인에 내부 범용 연구 모델의 출력 토큰 약 60억 개가 사용됐다고 밝혔다. Anthropic은 해당 모델이 Claude Fable 5.1과 대략 비슷한 수준이라고 설명했다.

이 수치는 계산의 규모를 보여줄 뿐, Claude의 일반적인 신뢰성을 입증하지는 않는다. Anthropic은 유사한 형식화 프로젝트 전반의 성공률이나 실패한 캠페인의 전체 분모를 제공하지 않았다.

그럼에도 완성된 산출물은 구체적이다. 공개된 Lean 저장소는 양의 자연수와 3 이상인 모든 지수에 대해 이 정리를 명시한다.

저장소에는 증명 경로, 소스 파일, 검증 자료, 탐색 가능한 생성 페이지도 포함돼 있다. 이는 스크린샷이나 선별된 기록으로만 제시된 시연보다 핵심 수학적 주장을 더 면밀히 살펴볼 수 있게 한다.

공개일은 원래 핫리스트 항목의 시점 공백도 해소한다. Anthropic은 이 글의 발행일 이틀 전인 2026년 9월 4일 발표를 게시했다.

Claude Lean 4 결과가 중요한 이유

의미 있는 변화는 범용 AI 시스템이 이미 확립된 주요 수학 체계를 형식화하는 데서 규모의 장벽을 넘었다는 점이다.

이번 공개 이전에도 페르마의 마지막 정리 형식화는 활발한 국제 프로젝트였다. Kevin Buzzard는 2029년 9월까지 진행될 예정인 지원금을 바탕으로 Imperial College London에서 공개 프로젝트를 이끌고 있다.

이 형식화 프로젝트는 하나의 최종 정리만을 추구하지 않는다. 기여자들은 수론, 기하학, 관련 분야의 재사용 가능한 기반을 구축하는 한편, 각 구성 요소가 Mathlib에 어떻게 들어가야 하는지도 검토한다.

Mathlib은 Lean 커뮤니티가 관리하는 수학 라이브러리다. 소프트웨어 개발자가 모든 함수를 처음부터 다시 만들지 않고 기존 라이브러리에 의존하듯, 형식화 연구자에게 공유 정의와 이전에 검증된 정리를 제공한다.

이 라이브러리는 출판된 수학을 아직 부분적으로만 인코딩하고 있다. 인간의 증명은 수십 년의 문헌을 인용하고 광범위한 전문 지식을 전제할 수 있다. Lean 프로젝트는 각 전제 조건을 Mathlib에서 찾거나 직접 형식화해야 한다.

이처럼 부족한 인프라는 Anthropic 출력 규모를 설명한다. 회사는 1,300만 줄이 Mathlib 규모의 5배 이상이라고 말하면서도, 생성된 증명이 아마 필요 이상으로 길 것이라고 인정한다.

코드 분량은 수학적 깊이를 깔끔하게 측정하는 지표가 아니다. 생성된 파일에는 반복 구조, 장황한 증명 항, 또는 인간 형식화 연구자가 재사용 가능한 추상화로 바꿀 산출물이 포함될 수 있다.

그럼에도 이 규모를 단순한 자동완성으로 치부할 수는 없다. 시스템은 의존성 그래프 전반에 걸쳐 수만 개의 검증된 명제를 연결하고, 이를 정확한 최종 정리까지 이끌어야 했다.

이전의 형식화 노력은 중요한 부분집합을 완성한 바 있다. 2024년 프로젝트는 Kummer의 접근법을 사용해 상당한 사례군을 다룬 정칙 소수 증명을 만들었다. 이 작업은 Lean에 유용한 대수적 수론도 추가했다.

완전한 현대적 증명에는 더 폭넓은 기반 시설이 필요하다. 이는 페르마 방정식의 가정된 해를 Frey 타원곡선과 연결한 뒤, 모듈러성 결과와 Ribet의 정리를 결합해 모순을 이끌어낸다.

이 요약의 각 표현 뒤에는 방대한 형식 라이브러리가 숨어 있다. 타원곡선, 모듈러 형식, 갈루아 표현, 변형 이론, 해석적 추정에는 모두 정확한 정의와 뒷받침 정리가 필요하다.

Anthropic의 결과는 언어 모델이 이제 훨씬 더 높은 속도로 이 기반 시설을 만드는 데 기여할 수 있음을 시사한다. 이것이 수학, 소프트웨어 검증, 형식 추론을 중심으로 구축된 다른 분야에 실제 압력을 가하는 지점이다.

변화는 프로젝트 관리에도 관련된다. 단일 챗봇 세션은 수백만 줄과 수천 개의 의존 목표의 상태를 유지하기 어렵다. 성공한 시스템은 그 상태를 Prove2Me에 외부화했다.

플랫폼의 정리 그래프는 에이전트에게 공유 지도를 제공했다. 자연어 설명은 명제를 검색할 수 있게 했고, 별도 파일은 컴파일 오버헤드와 리소스 사용을 줄였다.

함께 공개된 협업 논문은 이 아키텍처를 인간과 AI 기여자 전반에서 수학 형식화를 확장하는 방법으로 제시한다. Anthropic의 실험은 그 아이디어에 대한 주목할 만한 스트레스 테스트를 제공한다.

이 메커니즘은 대규모 소프트웨어 엔지니어링 프로젝트와 닮아 있다. 작업자에게는 작은 과업, 명시적 인터페이스, 의존성 시스템, 공유 상태, 자동화된 검사가 필요하다. 지능만으로는 프로젝트의 일관성을 유지할 수 없다.

AI 개발자에게 이는 중요한 교훈이다. 주변 시스템이 상태를 보존하고 각 작업 단위를 좁힐 때 모델은 장기 작업에서 더 유용해진다.

수학자에게 이 결과는 형식화에 예상되는 비용을 바꾼다. 한때 수년간의 협업 노동이 필요해 보였던 정리가 AI 중심 워크플로를 통해 2주도 되지 않아 인코딩됐다.

그렇다고 인간의 작업이 불필요해지는 것은 아니다. 오히려 인간의 노력이 희소해지는 지점을 바꾼다. 코드 생성이 가속될수록 표현 방식 선택, 재사용 가능한 라이브러리 설계, 결과 해석, 프로젝트 품질 감사가 더 중요해진다.

핵심 경쟁은 속도와 재사용성의 대결이다

주요 경쟁 상대는 다른 AI 연구소가 아니라, 형식 수학을 오래 지속될 공동 기반 시설로 구축하는 인간 주도 방식이다.

Anthropic의 산출물은 최종 정리에 도달하는 데 최적화됐다. Buzzard의 커뮤니티 프로젝트도 페르마의 마지막 정리 증명을 목표로 하지만, 그 경로를 Mathlib을 신중하게 확장할 기회로 본다.

이러한 우선순위는 겹치지만 동일하지는 않다. 대규모 생성 산출물은 목표 명제를 증명할 수 있지만, 읽고 유지하고 재사용하기는 어려울 수 있다.

Anthropic은 저장소를 연구 산출물이라고 부른다. 이 프로젝트는 유지 관리되지 않으며 기여를 받지 않는다고 명시한다. 이는 이 공개물을 Mathlib의 정제된 확장으로 오해해서는 안 된다는 신호다.

이 구분은 프로덕션 소프트웨어와 닮아 있다. 프로그램은 테스트를 통과하면서도 중복, 불명확한 인터페이스, 이후 변경 비용을 높이는 설계를 담고 있을 수 있다.

형식 수학에는 한 층이 더 추가된다. Lean은 선언이 논리적으로 유효한지 검사하지만, 정의가 개념을 우아하게 포착하는지 판단하지는 않는다. 또한 중간 정리가 가장 유용한 일반성을 갖추었는지도 결정할 수 없다.

인간 형식화 연구자는 많은 미래 증명을 지원할 추상화를 선택하는 데 며칠을 쓸 수 있다. 하나의 루트 정리를 목표로 하는 자율 캠페인은 현재 목표를 더 빨리 마무리하는 국소적 구성을 선호할 수 있다.

그렇다고 그 국소적 구성이 틀린 것은 아니다. 다만 만들어지는 가치가 달라진다. 한 경로는 검증된 종착점을 제공하고, 다른 경로는 검토된 수학 라이브러리를 추구한다.

Anthropic은 초기의 실패한 시도들이 최종 실행에 사용된 코드를 남겼다고 말한다. 그 작업을 재활용한 것은 유연성을 보여주지만, 서로 다른 전략 아래 만들어진 계층 간 일관성에 대한 의문도 제기한다.

증명의 규모가 워낙 방대해 사람이 한 줄씩 검토하는 일은 현실적이지 않다. 대신 연구자들에게는 아키텍처 요약, 의존성 맵, 독립적으로 실행 가능한 검증 절차가 필요하다.

Anthropic은 수학적 이정표와 Lean 선언을 연결하는 PROOF-PATH.md 문서를 제공한다. 이는 기계의 수용과 인간의 이해 사이를 잇는 중요한 다리다.

Kevin Buzzard는 이 산출물을 검토하고 이례적으로 강한 지지를 표했다. Anthropic의 발표에서 그는 이 성과가 AI 자동 형식화 산출물이 추가 작업 계층을 뒷받침할 만큼 충분히 신뢰할 수 있음을 보여준다고 말했다.

그의 지지는 그가 동일한 형식화 목표를 추구하는 대규모 인간 협업 프로젝트를 이끌고 있다는 점에서 중요하다. 그렇다고 두 프로젝트의 목표가 이제 동일하다는 뜻은 아니다.

커뮤니티 프로젝트는 정리된 정의, 더 작은 증명, 문서화, 재사용 가능한 구성 요소를 계속 제공할 수 있다. Anthropic의 결과 역시 어떤 미비 영역을 통합해야 하는지 파악하는 데 도움이 될 수 있다.

이는 그럴듯한 역할 분담을 만든다. AI 에이전트는 폭넓은 형식적 골격을 만들고, 전문가들은 유용한 부분을 압축·재구성해 상위 라이브러리에 반영할 수 있다.

다만 정리가 신중한 구축보다 자동으로 더 저렴한 것은 아니다. 생성된 코드의 내부 선택을 이해하기 어렵다면 검토 부담이 커질 수 있다.

따라서 관련 지표는 하루에 생산된 코드 줄 수가 아니다. 연구자들은 검증된 코드 중 얼마나 많은 부분이 전문가 검토를 통과하고, 공유 라이브러리에 들어가며, 미래 프로젝트의 노력을 줄이는지를 측정해야 한다.

이는 순수수학을 넘어 중요하다. 형식 기법은 컴파일러 정확성, 하드웨어 검증, 암호 프로토콜, 안전 필수 소프트웨어를 뒷받침한다.

조직들은 머지않아 인간 검토자를 압도할 규모로 기계 검증 산출물을 생성할 수 있다. 이들은 주장과 명세, 원천 자료, 테스트, 승인 결정을 연결하는 기록이 필요할 것이다.

검색 가능한 AI 지식 베이스는 장기 프로젝트 전반에 걸쳐 이러한 연결을 보존할 수 있다. 증명을 인증할 수는 없지만, 증거와 검토 이력을 접근 가능한 상태로 유지할 수 있다.

가장 강력한 결과는 두 접근법을 결합하는 것이다. AI는 속도와 범위를 제공하고, 관리되는 커뮤니티 라이브러리는 이해 가능성, 재사용성, 거버넌스를 제공한다.

Anthropic Claude는 첫 번째 측면이 놀라운 규모로 작동할 수 있음을 보여주었다. 더 어려운 질문은 그 산출물 중 얼마나 많은 부분이 지속 가능한 수학 인프라가 될 수 있는가다.

Lean이 증명을 검증했지만, 신뢰에는 여전히 여러 층위가 있다

성공적인 커널 검사는 논리적 타당성에 대한 이례적으로 강한 증거를 제공하지만, 과정·품질·해석에 관한 모든 질문에 답하지는 않는다.

Anthropic의 저장소에는 흔한 우회책을 막기 위한 여러 장치가 포함돼 있다. 최종 빌드는 미완성 의무를 일시적으로 수용된 상태로 남겨두는 Lean 메커니즘인 sorry에 의존하는 증명을 거부한다.

프로젝트는 원하는 결과를 만들어내기 위해 새 공리가 삽입되지 않았는지도 검사한다. 최종 정리는 명제적 외연성, 고전적 선택, 몫의 건전성이라는 세 가지 표준 Lean 공리에 의존한다.

비교기는 Anthropic의 정리 명제가 Mathlib의 페르마의 마지막 정리 형식과 일치하는지 검증한다. 이 단계는 유명한 이름을 붙이면서 더 약한 명제를 증명하는 기본적인 명세 위험을 다룬다.

저장소는 Lean 4.33.1에서 60,475개 모듈이 모두 소스에서 빌드됐다고 보고한다. 모든 선언은 Lean 커널을 통과했다.

Anthropic은 Rust로 작성된 독립 Lean 커널인 nanoda를 이용한 내보내기도 테스트했다. 두 번째 검사기는 1,052,234개 선언을 오류 없이 수용했다.

이러한 검사는 수학적 결론을 일반적인 기업 주장보다 훨씬 강하게 만든다. 공개 산출물은 독립 연구자가 내려받아 재빌드하고 검토할 수 있다.

그러나 증명 보조기는 형식 명제가 자신의 논리 환경 안에서 따라온다는 것만 보장한다. 신뢰에는 여전히 커널 구현, 컴파일러 환경, 하드웨어, 빌드 과정, 기호와 의도된 수학 사이의 대응이 포함된다.

두 커널을 사용하면 그 위험의 한 부분은 줄어든다. 특히 Anthropic이 nanoda에 성능 관련 패치 네 개를 적용했기 때문에, 모든 가능한 구현 문제를 제거하는 것은 아니다.

저장소는 이 패치들이 타입 규칙을 바꾸지 않는다고 말한다. 코드와 패치가 공개돼 있으므로 독립 전문가들은 그 주장을 검토할 수 있다.

더 중요한 한계는 의미에 관한 것이다. Lean은 “Mazur”라는 이름의 정리가 수학자들이 기대하는 버전에 해당하는지 신경 쓰지 않는다. 정확히 인코딩된 명제와 그 명제가 최종 결과를 어떻게 뒷받침하는지만 검사한다.

페르마의 마지막 정리에서 최종 표현은 이례적으로 단순하다. 이는 양의 자연수가 3 이상의 지수에 대해 익숙한 방정식을 만족할 수 없다고 말한다.

이 단순성은 출발점에서의 해석 격차를 좁힌다. 중간 경로는 여전히 인간이 이해하기 훨씬 어렵다.

증명을 검증하는 것과 Anthropic의 자율성 서사를 검증하는 것 사이에도 차이가 있다. 성공적인 빌드는 Claude가 어떤 단계를 선택했는지, 인간이 얼마나 자주 개입했는지, 공개된 실행 이전에 실패한 시도가 몇 번 있었는지를 입증하지 않는다.

Anthropic은 Peng이 가끔씩 높은 수준의 지시만 제공했다고 말한다. 예로는 Jacobian을 우선시하고 Mazur의 정리 작업을 밀어붙이는 일이 포함됐다.

독자들은 증명 객체에서 그러한 운영 이력을 도출할 수 없다. 이는 Anthropic의 기록과 보고에 의존한다.

내부 모델은 또 다른 한계를 만든다. 회사가 공개되지 않은 연구 시스템을 사용했기 때문에 외부 팀은 정확한 생성 과정을 재현할 수 없다.

검증 결과는 재현할 수 있다. 하지만 아직 동일한 설정이 다른 대규모 형식화 프로젝트를 얼마나 안정적으로 완료하는지는 판단할 수 없다.

이 구분은 헤드라인 수준의 판단을 형성해야 한다. 증명 산출물이 강력한 기계 검증 가능 지원을 받는다고 말하는 것은 타당하다. Claude가 며칠 안에 모든 주요 수학 작업을 일상적으로 형식화할 수 있다고 추론하기에는 아직 이르다.

단 한 번의 성공은 유리한 정리, 방대한 기존 문헌, 유용한 선행 Lean 프로젝트, 효과적인 골격, 집중적인 계산에서 비롯될 수 있다.

페르마의 마지막 정리에는 잘 이해된 도착점도 있다. 시스템은 새로운 결과가 중요한지를 판단한 것이 아니라, 알려진 수학을 형식화하고 있었다.

새로운 연구에는 추가적인 불확실성이 따른다. 모델은 올바른 질문을 찾아야 하고, 새로움을 입증하며, 유용한 정의를 선택하고, 다른 연구자들이 왜 관심을 가져야 하는지 설명해야 한다.

Anthropic 역시 이 프로젝트를 리만 가설에 관한 것으로 보고한 작업과 구분한다. 페르마 결과는 새로운 수학 정리라기보다 주로 검증 분야의 진전이다.

이처럼 더 좁은 설명이 작업의 가치를 떨어뜨리지는 않는다. 이는 Claude Lean 4 산출물이 왜 중요한지, 그리고 증거가 어떤 결론을 뒷받침하는지를 정확히 짚어준다.

Anthropic Claude는 AI 수학 경쟁을 검증 쪽으로 이동시킨다

이 결과는 AI 연구소들이 수학적 주장에 독립 시스템이 확인할 수 있는 산출물을 함께 제시하도록 압박한다.

OpenAI, Google DeepMind, Anthropic은 모두 추론 능력의 향상을 보여주기 위해 수학을 활용해 왔다. 경시대회 문제는 채점자가 이미 답을 알고 있기 때문에 편리한 점수를 제공한다.

연구 수학은 더 어려운 평가 문제를 제시한다. 유창한 증명에도 숨겨진 빈틈이 있을 수 있고, 정리를 오용하거나 가정을 조용히 바꿀 수도 있다.

모델이 수천 개의 후보 논증을 생성할 수 있을 때 인간 검토는 쉽게 확장되지 않는다. 아이디어 생산은 저렴해지는 반면 전문가의 주의력은 여전히 제한적이다.

형식화는 그 균형을 바꾼다. Lean 커널은 피로해지거나 자신감 있는 언어에 설득되지 않으면서 잘못된 형식 단계를 거부할 수 있다.

독창성이나 관련성을 판단할 수는 없지만, 전문가들이 더 깊은 평가에 시간을 쓰기 전에 광범위한 논리 오류를 제거할 수 있다.

Anthropic은 미래의 수학 논문이 인간이 읽을 수 있는 설명과 함께 형식 증명을 일상적으로 포함할 수 있다고 주장한다. 페르마 공개는 그 예측의 신빙성을 높인다.

이 아이디어에는 역사적 뒷받침이 있다. Thomas Hales의 케플러 추측 증명은 그가 결국 결과를 형식화한 Flyspeck 프로젝트를 이끌기 전까지 수년간의 검토를 촉발했다.

그 과정에는 대규모 인간 노력이 필요했다. AI가 인코딩 부담을 줄일 수 있다면 형식 검증은 더 넓은 연구 영역에서 실용적이 된다.

따라서 경쟁 압력은 분명하다. 수학적 진전을 발표하는 연구소들은 Lean, Rocq, Isabelle 또는 이에 준하는 산출물을 공개하라는 더 강한 요구에 직면할 것이다.

같은 시스템이 기계 검증 가능한 버전도 생성할 수 있다면, 자연어 논문만으로는 더 이상 충분한 증거가 아닐 수 있다. 형식 산출물이 없는 주장은 더 큰 회의론에 직면할 수 있다.

하지만 모든 분야가 이런 전환을 맞을 준비가 된 것은 아니다. 형식 라이브러리는 여전히 고르지 못하며, 일부 영역에는 현재 연구를 깔끔하게 진술하는 데 필요한 정의가 부족하다.

형식화가 가능하더라도 창의적인 증명을 유지보수 가능한 코드로 바꾸는 일에는 상당한 판단이 필요할 수 있다. 시스템은 간결한 일반 도구에 기여하는 대신 거대한 지역 라이브러리를 생성할 수 있다.

계산 부담도 중요하다. 60억 개의 출력 토큰과 수십 개의 협업 에이전트는 상업적 비용을 논하지 않더라도 대규모 실험을 의미한다.

Anthropic은 더 작은 반례를 제시한다. Prove2Me를 통해 조율된 소비자 구독 세 개가 3일 만에 Vinogradov의 세 소수 정리를 형식화했다고 말한다.

그 내부 실험은 페르마 저장소보다 공개 증거가 적다. 그래도 모델과 골격이 개선되면서 워크플로가 축소될 수 있음을 시사한다.

산업 비교는 모델 이름보다 완성된 시스템에 초점을 맞춰야 한다. 검색, 상태 관리, 컴파일, 정리 탐색, 작업 할당, 검증이 모두 결과에 기여했다.

고립된 Lean 문제에서 뛰어난 모델도 수백만 줄 규모의 프로젝트에서는 실패할 수 있다. 반대로 오케스트레이션이 더 나은 모델은 단발성 점수가 약해도 성공할 수 있다.

따라서 Anthropic Claude는 두 가지 방식으로 기준을 높인다. 규모를 입증하고, 다른 이들이 핵심 주장을 검증할 수 있을 만큼 완성된 산출물을 공개한다.

경쟁자들은 더 짧은 증명, 더 강한 자동화, 더 깔끔한 라이브러리 통합, 또는 여러 프로젝트에 걸친 전향적 평가로 대응할 수 있다.

이 경쟁이 극적인 무근거 주장 대신 검증 가능성을 보상한다면 수학은 혜택을 볼 것이다. 기술적으로는 컴파일되지만 탐색이 불가능한 거대한 산출물로 연구소들이 전문가들을 압도한다면, 수학은 피해를 볼 것이다.

다음 기준에는 기계의 수용과 인간의 사용성이 모두 포함돼야 한다. 형식적 진실은 필수적이지만, 연구는 설명, 추상화, 공동 이해에도 의존한다.

이것이 수학을 바꾸는지 보여줄 세 가지 시험

페르마 형식화가 지속적인 전환이 되려면 외부인이 이를 재현하고, 전문가들이 재사용하며, 이 방법이 하나의 유명한 목표를 넘어 성공해야 한다.

첫 번째 신호는 독립적인 재구성이다. 연구자들은 공개 저장소를 복제하고, 모든 모듈을 소스에서 재빌드하며, 비교기를 다시 실행하고, 두 번째 커널 검증을 검사해야 한다.

성공적인 재현은 산출물이 문서화된 대로 동작한다는 신뢰를 강화할 것이다. 숨겨진 의존성, 비현실적인 자원 요구 사항, 일관되지 않은 빌드에 대한 보고는 그 결론을 약화시킬 것이다.

독립 검토자들은 최종 정리가 금지된 탈출 메커니즘 없이 예상된 명제에 도달하는지도 검사해야 한다. 저장소는 이미 검사를 제공하지만, 제3자의 실행이 더 강력한 시험이다.

두 번째 신호는 재사용성이다. Mathlib 유지관리자와 형식 수학자들은 어떤 정의와 중간 결과가 지속적으로 관리되는 라이브러리에 편입될 수 있는지 판단해야 한다.

상당한 구성 요소가 인정받는 인프라가 된다면, Anthropic의 1,300만 줄은 단 하나의 최종 정리 이상의 가치를 만들어낸 셈이 된다. 반대로 거의 어떤 부분도 검토를 통과하지 못한다면, 이 산출물은 값비싼 인증서에 더 가까워 보일 것이다.

이 검증은 Imperial College London에서 진행 중인 프로젝트와의 관계도 분명히 할 것이다. 커뮤니티 노력은 자체 추상화와 Anthropic의 접근 방식을 비교하고, 생성된 작업이 로드맵을 앞당기는지 판단할 수 있다.

더 짧고 재구성된 증명이 나온다고 해서 Claude의 성취가 무효화되는 것은 아니다. 이는 기계 생성과 인간의 큐레이션이 상호 보완적인 역할을 한다는 점을 보여줄 것이다.

세 번째 신호는 새로운 프로젝트에서의 미래 성과다. Anthropic은 시스템을 실행하기 전에 형식화 목표를 정의하고, 성공 사례와 함께 실패 사례도 보고해야 한다.

유용한 지표로는 완료율, 토큰 사용량, 인간 개입, 빌드 성공률, 재사용된 라이브러리 코드, 전문가 검토 시간이 있다. 이러한 분모가 없다면, 널리 주목받은 단일 결과만으로 신뢰성을 입증할 수 없다.

향후 목표는 수학적 구조 측면에서 다양해야 한다. 하나의 수론 증명에 성공한 시스템도 위상수학, 확률론, 범주론 또는 해석학에서는 어려움을 겪을 수 있다.

연구자들은 이미 알려진 증명의 형식화와 새로운 정리 발견도 비교해야 한다. 후자는 출발점에 신뢰할 수 있는 비형식적 논증이 없기 때문에 다른 안전장치가 필요하다.

이러한 검증은 수학자들만의 문제가 아니다. 장기 실행 에이전트를 구축하는 개발자들도 상태 손실, 중복 작업, 숨겨진 가정, 비용이 많이 드는 검증이라는 동일한 과제에 직면한다.

Anthropic의 가장 강력한 아이디어는 정리 자체보다 아키텍처일 수 있다. 외부화된 작업 그래프, 작고 검증 가능한 단위, 독립적인 점검은 대규모 에이전트 프로젝트를 더 쉽게 감사할 수 있게 한다.

지식 노동자들도 더 작은 규모에서 같은 원칙을 적용해야 한다. 매끄럽게 다듬어진 최종 응답을 신뢰하는 대신, 출처, 중간 주장, 기각된 대안, 검토 결정을 보존해야 한다.

Claude Fermat 증명이 AI가 수학에서 가장 유명한 결과 중 하나를 재발견했다는 뜻은 아니다. 이는 AI 중심 시스템이 방대한 기존 논증을 두 개의 논리 커널이 받아들인 형태로 변환했다는 의미다.

이는 “Claude가 페르마의 마지막 정리를 풀었다”는 주장보다 더 제한적인 성취이지만, 더 유용할 수 있다. 빠르게 생성되는 AI 연구가 만들어내는 검증 부담을 처리할 경로를 제시하기 때문이다.

다음 질문은 실용적이다. 독립적인 팀들이 이 산출물을 재사용 가능한 수학으로 전환할 것인가, 아니면 이는 비범한 일회성 시연으로 남을 것인가? 재구축 작업, Mathlib 기여, 그리고 향후 사전 문서화된 캠페인을 지켜봐야 한다. 이러한 신호는 anthropic claude가 형식 수학을 바꾸었는지, 아니면 가장 눈에 띄는 스트레스 테스트를 완료했을 뿐인지를 보여줄 것이다.