OpenAI는 듣기 위해 애써도 수학자들을 계속 밀어붙인다

OpenAI는 수학자들과의 관계를 회복하기 위해 9명으로 구성된 자문 그룹을 만들었음에도 계속 이들을 밀어붙이고 있다. 회사는 공개되지 않은 모델이 100건이 넘는 오랜 난제를 해결했다고 말하지만, 이 발표는 즉시 그룹을 누가 통제하는지를 두고 연구자들을 혼란에 빠뜨렸다.

이 혼란이 중요한 이유는 수학 및 인공지능 자문 그룹(Advisory Group on Mathematics and Artificial Intelligence), 즉 AGMAI가 새롭게 등장하는 AI 결과를 평가하고 소통하는 데 도움을 주어야 하기 때문이다. 구성원들은 이 조직이 독립적이고 무보수이며 OpenAI를 자유롭게 비판할 수 있다고 강조한다. 그러나 OpenAI는 양측 관계를 너무 전면에 내세워, 일부 연구자들은 처음에 회사가 이 그룹을 임명한 것으로 여겼다.

이 사건은 OpenAI가 Navier-Stokes 존재성과 매끄러움 문제에 대한 기계 생성 해법을 발표한 뒤 격화된 갈등을 이어간다. 이 주장은 회사의 수학적 야망이 어느 정도인지 보여줬다. 공로, 출판 기준, 인간의 이해를 둘러싼 뒤이은 분쟁은 OpenAI의 운영 방식이 학계 수학과 얼마나 잘 맞지 않는지를 드러냈다.

이제 OpenAI는 자사 시스템이 만들어내는 결과를 해석할 수학자들이 필요하다. 수학자들은 그 결과를 평가하기 전에 접근권, 시간, 신뢰할 수 있는 공개가 필요하다. 새 자문 그룹은 이 두 필요 사이에 놓여 있지만, 권한이 아니라 조언만 갖고 있다.

OpenAI의 수학 자문 그룹은 정체성 문제와 함께 출범했다

AGMAI는 독립적인 가교로 설계됐지만, OpenAI의 출범 방식은 이 그룹이 맞서야 할지도 모르는 회사와 불편할 정도로 가까워 보이게 했다.

AGMAI는 2026년 9월 21일 창립을 발표했다. 이 그룹은 9명의 수학자로 구성됐으며, 미국 뉴저지주 프린스턴의 Institute for Advanced Study가 호스팅한다.

초기 구성원은 François Charles, Camillo De Lellis, Timothy Gowers, Martin Hairer, Nikhil Srivastava, Ulrike Tillmann, Ravi Vakil, Edward Witten, Melanie Matchett Wood다. 이들의 소속은 Harvard, Stanford, Oxford, Cambridge, Berkeley, Imperial College London, EPFL 등을 아우른다.

독립 그룹 성명에 따르면 AGMAI는 OpenAI와 다른 최첨단 AI 연구소에 자문할 수 있다. 그 역할에는 새롭게 등장하는 결과 검토, 소통 조율, AI 보조 수학 연구를 위한 기준 개발이 포함된다.

그룹은 어느 AI 연구소와도 협력할 수 있다고 말한다. AGMAI 구성원이자 Fields Medal 수상자인 Martin Hairer는 The Verge에 다른 최첨단 연구소들과의 대화가 이미 시작됐다고 밝혔다. 그는 해당 기업들의 이름은 밝히지 않았다.

Hairer는 AGMAI가 OpenAI로부터 금전적 또는 기술적 지원을 전혀 받지 않는다고도 강조했다. 구성원들은 미공개 연구에 사전 접근하기 위해 필요한 기밀유지 조건 외에는 공개 발언을 제한하는 계약에 서명하지 않았다.

OpenAI의 발표에도 유사한 안전장치가 포함됐다. 회사는 구성원들이 자문 내용을 공개하고, 그 영향력을 비판하며, OpenAI가 요청하지 않은 지침도 제시할 수 있다고 밝혔다. 또한 구성원들은 보수를 받지 않으며 그룹의 구성원 선발을 통제한다고 말했다.

이 조항들은 의미 있는 조직적 거리를 만든다. 그러나 AGMAI의 탄생을 둘러싼 혼란스러운 상황까지 없애지는 못한다.

OpenAI는 처음에 일부 수학자들에게 자문위원회 구성 방안을 제안했다. 이 수학자들은 대신 독립 조직을 만들고 추가 구성원을 영입했다. 어느 AGMAI 구성원이 최초 제안을 받았는지는 어느 쪽도 공개적으로 밝히지 않았다.

이후 OpenAI는 자체 출범 채널이 제공할 수 있는 수준을 훨씬 넘는 가시성을 이 그룹에 부여했다. 많은 관찰자는 그룹 성명이나 Terence Tao의 수학 블로그가 아니라 회사 발표를 통해 처음 AGMAI를 접했다.

이 순서는 부정확하지만 예측 가능한 인상을 부추겼다. OpenAI가 대화를 시작했고 공개 발표를 주도했기 때문에 AGMAI는 OpenAI 패널처럼 보였다.

Hairer는 발표 뒤 며칠을 답답하고 강도 높은 시간으로 묘사했다. 그는 The Verge에 발표 문구가 그룹의 독립성을 확립하는 데 도움이 되지 않았다고 말했다.

시점도 혼란을 더했다. 창립 직후 AGMAI의 계획을 묻는 질문에 Hairer는 이 조직이 고작 이틀 전에 만들어졌다고 언급했다. 당시에는 자신에게 밀려들 요구를 감당할 폭넓은 운영 체계가 아직 없었다.

이 혼란은 단순한 브랜딩 불편을 넘어선다. AGMAI는 이미 OpenAI의 출판 관행을 불신하는 연구자들 사이에서 신뢰를 확보해야 한다. 모호한 표현 하나하나가 그 신뢰를 얻기 어렵게 만든다.

OpenAI의 자문 그룹 발표는 수학자들이 제기한 우려를 명시적으로 인정한다. 그러나 독립 검토자들이 범위나 중요성을 설명하기도 전에 회사가 주장하는 결과를 홍보하기도 한다.

이 조합은 핵심 문제를 포착한다. OpenAI는 외부의 판단을 원하지만, 동시에 성과의 규모를 즉시 발표하고 싶어 한다.

OpenAI는 왜 계속 수학자들을 밀어붙이는가

OpenAI는 해결된 문제를 모델 능력의 증거로 취급하는 반면, 수학자들은 증명에 맥락, 공로 인정, 검토, 지속 가능한 이해가 필요한 기여라고 본다.

OpenAI는 최신 내부 모델의 학습을 8월 28일에 시작했다고 말한다. 9월 21일까지 회사는 이 모델이 수학의 거의 모든 분야에 걸쳐 100건이 넘는 오랜 미해결 문제를 해결했다고 주장했다.

회사는 그 문제들의 완전한 목록을 공개하지 않았다. 따라서 독립 연구자들은 해당 모음 전체의 난이도, 새로움, 정확성, 중요성을 평가할 수 없다.

숫자 자체도 해석하기 어렵다. “미해결 문제”는 수십 년간 전문가들의 도전을 버텨온 유명한 질문일 수 있다. 반면 특정 분야를 바꾸지는 않으면서 기존 방법들을 연결해 해결할 수 있는 좁은 미해결 명제일 수도 있다.

OpenAI의 이전 작업은 이 구분이 중요함을 보여준다. 1월 보고서에서 회사는 GPT-5.2가 Paul Erdős와 연관된 여러 문제의 해법에 기여했다고 밝혔다. Terence Tao는 나열된 네 문제에 대한 작업을 검증했지만, 회사는 Erdős 문제가 난이도 면에서 크게 다르다는 점을 인정했다.

같은 보고서는 현재 역량의 유용한 경계도 제시했다. OpenAI는 자사 모델이 때때로 알려진 방법을 조합해 올바른 논증을 구성할 수 있다고 말했다. 또한 완전히 새로운 수학적 틀을 발명하는 일은 현재 시스템의 범위를 벗어난다고 밝혔다.

이 구분은 헤드라인에서 좀처럼 살아남지 못한다. 알려진 기법으로 난해한 추측을 해결하는 모델과 수학의 새 분야를 만드는 모델은 모두 “AI가 미해결 수학을 해결했다”가 될 수 있다.

학계 연구자들에게 증명은 형식적으로 올바른 결론에 도달하는 것 이상을 해야 한다. 이전 연구 속에서 결과의 위치를 정하고, 근본 아이디어를 밝히며, 관련 기여자들을 인정하고, 다른 이들이 그 위에 새로운 작업을 쌓을 수 있게 해야 한다.

OpenAI의 소통은 흔히 결론에 더 초점을 맞췄다. 미해결 문제가 모델 벤치마크로 기능할 때 이 접근은 이해할 만하다. 하지만 증명이 집단적 이해를 어떻게 확장하는지 중시하는 공동체와는 충돌한다.

University of Connecticut의 수학 교수 Álvaro Lozano-Robledo는 많은 결과를 보유하고 있지만 이를 어떻게 공개할지 모른다는 회사의 표현을 비판했다. 그는 학계가 일반적으로 그 중요성을 확립하기 전에 결과 더미를 광고하지는 않는다고 주장했다.

연구자들은 미해결 문제에서의 “상당한 진전”이라는 주장에도 이의를 제기한다. 수학에서 불완전한 논증은 가치 있는 통찰을 담을 수 있다. 그러나 숨겨진 단 하나의 공백 때문에 무너질 수도 있다.

이런 민감성은 말꼬리 잡기가 아니다. 수학적 증명은 논리적 단계 하나하나에서 힘을 얻는다. 설득력 있는 서사는 유효한 논증을 대체할 수 없다.

형식 검증은 하나의 대응책을 제공한다. Lean 같은 시스템은 소프트웨어가 단계별로 확인할 수 있는 언어로 증명을 인코딩한다. 이 과정은 유창하고 그럴듯한 문장 속에 숨어 있을 수 있는 공백을 찾아낸다.

그러나 형식적 정확성이 모든 학술적 문제를 해결하지는 않는다. 기계적으로 검증된 증명도 핵심 통찰을 가릴 수 있다. 관련 문헌을 놓치거나 인간 연구자들이 재활용하기 어려운 형태로 결과를 제시할 수도 있다.

따라서 이 과제에는 두 층위가 있다. 첫째는 증명이 올바른지 판단하는 일이다. 둘째는 그것이 또 하나의 검증된 산출물을 더하는 데 그치지 않고 수학적 지식을 개선하는지 결정하는 일이다.

OpenAI는 결과를 만들어내는 첫 번째 부분을 가속했다. 그러나 주변 학술 시스템이 같은 속도로 그 산출물을 처리할 수 있음을 보여주지는 못했다.

이 불균형은 OpenAI의 기술적 주장이 상당한 것으로 판명될 때조차 왜 계속 수학자들을 밀어붙이는지 설명한다. 회사는 연구자들이 그 의미를 검토하는 속도보다 더 빠르게 결과를 생성하고, 자금을 투입하고, 포장하고, 홍보할 수 있다.

Navier-Stokes 분쟁은 선의의 신뢰를 무너뜨렸다

이 자문 그룹은 선점, 공로 인정, 성급한 출판, 불투명한 수정과 관련한 의혹으로 이미 훼손된 관계에 들어섰다.

직접적인 배경은 Navier-Stokes 존재성과 매끄러움 문제에 관한 OpenAI의 9월 발표다. Navier-Stokes 방정식은 유체 운동을 설명하며, 유명한 미해결 질문은 특정 3차원 해가 매끄러움을 유지하는지 묻는다.

이 문제는 Clay Mathematics Institute가 2000년에 선정한 Millennium Prize Problems 중 하나다. 원래 일곱 문제 가운데 이전에 수용된 해법을 받은 것은 Poincaré conjecture뿐이었다.

OpenAI는 10,000개의 에이전트가 관련된 시스템이 4일도 채 되지 않아 해법을 만들었다고 말했다. 이 맥락에서 에이전트는 더 큰 작업의 일부를 탐구, 평가 또는 개선하도록 할당된 모델 인스턴스다.

회사의 주장은 주변 분쟁과 별개로도 중대한 의미를 지닌다. 유효한 해법이라면 AI가 연구 수준의 수학에 참여할 수 있는 능력에 중대한 변화를 가져올 것이다.

그러나 수학자 Tristan Buckmaster와 Levent Alpöge는 약 1년 동안 관련 아이디어를 연구해 왔다. Buckmaster는 OpenAI가 그들의 진전에 관해 알게 된 뒤 먼저 발표하기 위해 경쟁했다고 주장했다.

그는 OpenAI 시스템과의 상호작용이 그들의 접근법에 관한 정보를 노출했을 수 있다는 우려도 제기했다. OpenAI는 결과를 추구하는 과정에서 Buckmaster의 입력을 조사하지 않았다고 밝혔다.

상충하는 설명은 독립적으로 해결되지 않았다. 따라서 이는 확정된 사실이 아니라 의혹으로 다뤄져야 한다.

OpenAI는 Anthropic이 이 가운데 두 문제를 해결했다는 소문을 들은 뒤 Millennium Prize Problems를 목표로 삼기 시작했다고 말했다. 회사는 Navier-Stokes에 집중하기 전 이 문제군 전체에 광범위한 컴퓨팅 자원을 배정한 것으로 전해졌다.

이 기원 이야기는 학술적 필요를 중심으로 조직된 연구 프로그램이 아니라 AI 연구소 간 경쟁처럼 들렸기 때문에 수학자들을 불안하게 했다. 유명한 문제는 명성, 측정 가능한 난이도, 관심을 끄는 결승선을 제공했다.

결과로 나온 증명은 166쪽에 달했던 것으로 전해진다. 이후 연구자들은 논증을 평가하고, 이전 방법과의 관계를 추적하며, 인간이 이해할 수 있는 아이디어를 추출하는 느린 작업에 직면했다.

증명의 가치는 최종 정리를 훨씬 넘어설 수 있다. 예를 들어 Fermat’s Last Theorem을 푸는 과정에서 개발된 도구들은 수론의 다른 영역과 이후 응용에 영향을 미쳤다.

긴 기계 생성 증명에도 재사용 가능한 아이디어가 담겨 있을 수 있다. 그러나 최종 페이지가 올바른 결론에 도달했다는 이유만으로 그 아이디어들이 유용해지는 것은 아니다. 전문가들이 이를 찾아내고, 설명하며, 기존 지식과 연결해야 한다.

그 노동은 비대칭을 만든다. AI 기업은 결과물을 생성하는 비용을 지불하고 그 주장으로 관심을 얻는다. 이후 학계는 그 결과물이 무엇을 의미하는지 규명하는 데 필요한 무급 노동의 상당 부분을 제공한다.

Navier-Stokes 논란은 연구자들이 이러한 비대칭을 공로 귀속 분쟁과 함께 바라보면서 더욱 격화됐다. 비판자들이 본 것은 인상적인 증명만이 아니었다. 그들은 기업이 공동체의 지식과 컴퓨팅 규모를 홍보로 전환하는 모습을 봤다.

OpenAI의 이전 공개도 이미 우려를 낳았다. 연구자들은 The Verge에 일부 원고의 문장이 부실하고 관련 문헌을 지나치게 피상적으로 다룬다고 말했다.

또한 OpenAI가 모든 수정 사항을 명확히 기록하지 않은 채 공개 후 문서를 변경했다고 주장했다. Hairer는 그러한 관행의 일부를 부실한 학문적 태도라고 평가했다.

투명한 수정 이력은 AI 생성 연구에서 특히 중요하다. 이를 통해 독자는 원래의 주장과 외부 비판 이후 이뤄진 정정을 구분할 수 있다.

그러한 기록이 없다면 검토자는 결함이 경미했는지, 논증이 실질적으로 바뀌었는지, 또는 공개 설명이 최신 문서와 여전히 일치하는지 쉽게 판단할 수 없다.

OpenAI는 이런 종류의 또 다른 실패를 막기 위해 부분적으로 AGMAI를 만들었다. 하지만 이 단체가 절차를 마련하기도 전에 100건이 넘는 주장된 결과를 홍보하면서, 회사의 자체 발표는 같은 패턴을 되살렸다.

바로 그것이 역설이었다. 개선을 위한 노력 자체가 개선하려던 행동을 다시 보여주는 사례가 됐다.

OpenAI의 100개 문제 주장은 검토 부담을 학계로 넘긴다

100건이 넘는 주장된 해법의 적체는 단순한 기술적 이정표가 아니다. 대학이 처리하기로 동의한 적 없는 검토 대기열이다.

동료 평가는 이미 희소한 전문가의 관심에 의존한다. 최전선의 결과를 검토하려면 해당 분야와 문헌, 그리고 증명에 내재한 미묘한 실패 가능성을 이해하는 전문가가 필요하다.

OpenAI의 주장은 수학 대부분의 분야에 걸쳐 있다. 따라서 이를 평가하려면 저명한 연구자 9명으로 구성된 하나의 중앙 패널이 아니라 여러 공동체가 필요하다.

AGMAI는 결과물을 분류하는 데 도움을 줄 수 있다. 적절한 검토자를 찾고, 공개 관행을 권고하며, 결과가 광범위한 주목을 받을 만한지 OpenAI에 조언할 수 있다.

그러나 모든 증명을 직접 검증할 수는 없다. 또한 9명의 구성원이 기계 속도로 작동하는 산업 시스템이 만들어낸 해석 작업을 모두 감당할 수도 없다.

이는 규모의 불일치를 만든다. OpenAI는 수천 개의 에이전트를 동시에 운영할 수 있다. 수학적 판단은 교육, 멘토링, 출판, 기관 업무를 맡은 사람들 사이에 여전히 분산돼 있다.

이러한 물량은 연구 우선순위를 왜곡할 수도 있다. OpenAI가 특정 분야에서 결과를 발표하면, 전문가들은 자신의 작업을 멈추고 회사의 결과물을 검토해야 한다는 압박을 느낄 수 있다.

University of St Andrews의 수학 교수 Colva Roney-Dougal은 예정된 발표를 고통스럽다고 표현했다. 연구자들은 논문 작업을 앞당겨야 할지, OpenAI의 공개를 기다려야 할지, 혹은 평소처럼 계속해야 할지를 두고 불확실성에 직면한다고 말했다.

이 불확실성은 기성 교수뿐 아니라 대학원생에게도 영향을 미친다. 한 학생은 하나의 문제를 중심으로 전문성을 쌓는 데 수년을 보낼 수 있다. 기업의 모호한 암시는 방향을 현명하게 바꿀 만큼 충분한 정보를 제공하지 않은 채 갑자기 그 프로젝트에 의문을 드리울 수 있다.

위험은 단순히 AI가 연구자가 선택한 문제를 푼다는 데 있지 않다. 과학 연구에는 언제나 다른 사람이 먼저 발표할 가능성이 있었다.

차이는 규모, 비밀성, 홍보가 결합된 데 있다. OpenAI는 다수의 목표를 비공개로 추구하고, 극적인 진전을 암시하며, 전 세계적으로 알려진 브랜드 아래 선별된 결과를 공개할 수 있다.

회사 밖의 연구자들은 어떤 분야가 즉각적인 경쟁에 직면했는지 알 수 없다. 또한 이용 가능한 컴퓨팅 자원이나 소통 범위에서도 경쟁할 수 없다.

Fields Medal 수상자 25명이 서명한 수학 공개서한은 이러한 인센티브 구조가 심각하게 어긋나 있다고 설명한다. 미해결 문제를 AI 벤치마크로 사용하는 것이 수학과 그 공동체에 해를 끼칠 수 있다고 주장한다.

우려는 AI 보조 연구를 중단하라는 요구가 아니다. 많은 수학자는 이미 문헌 검색, 실험, 형식화, 증명 개발에 모델을 사용하고 있다.

대신 이 서한은 권위 있는 문제를 트로피처럼 다루는 관행에 이의를 제기한다. 그런 목표는 속도와 가시성을 보상하는 반면, 학술 수학은 공로 귀속, 설명, 멘토링, 누적적 이해에도 의존한다.

AI 연구소는 가장 크고 알아보기 쉬운 결과를 발표할 유인이 있다. 연구자들은 그 결과가 그러한 설명에 걸맞은지 검증하는 데 시간을 쓸 유인이 있다. 이 인센티브들은 서로 반대 방향으로 일을 이끈다.

OpenAI는 AGMAI가 소통 전에 중요성을 평가하는 데 도움을 줄 것이라고 말한다. 회사가 이 단체의 조언을 일관되게 따른다면 이는 의미 있는 개선이 될 것이다.

그러나 AGMAI에는 OpenAI 내부의 의사결정 권한이 없다. 회사는 무엇을 공개할지, 얼마나 빨리 공개할지, 각 주장을 얼마나 두드러지게 제시할지에 대해 여전히 책임을 진다.

OpenAI는 또한 이 단체가 내부 수학 연구 진척의 속도에 대해서는 조언하지 않을 것이라고 말한다. 이 경계는 회사의 연구 자율성을 보호하지만, 가장 큰 압력의 원천은 그대로 둔다.

결과물은 계속 가속될 수 있다. 자문단은 그로 인해 생긴 파도가 해안에 어떻게 닿을지에 대해서만 권고할 수 있다.

권한 없는 독립성은 핵심적인 절충안이다

AGMAI는 OpenAI에 이의를 제기할 때만 신뢰성을 제공할 수 있지만, OpenAI는 통제권을 내주지 않고도 그 신뢰성을 받아들일 수 있다.

이 단체의 독립성은 몇 가지 실질적인 측면에서 진짜다. 구성원은 무보수이며, 자신의 의견을 발표할 수 있고, 경쟁 연구소와 협력할 수도 있다.

이러한 조건은 AGMAI를 일반적인 기업 자문위원회와 구별한다. OpenAI가 구성원이나 공개 결론을 직접 통제할 위험을 줄인다.

그렇다고 독립성이 영향력을 보장하지는 않는다. OpenAI는 이 단체에 자문을 구하면서도 권고를 받아들이지 않을 수 있다. 구성원이 어떤 정보를 언제 받는지도 회사가 결정할 수 있다.

비공개 조기 접근은 또 다른 긴장을 만든다. 검토자들이 오해를 부르는 발표를 막아야 한다면 공개 전에 자료에 접근할 필요가 있다. 그러나 기밀 유지는 일시적으로 더 넓은 공동체에 경고할 능력을 제한할 수 있다.

따라서 이 체계는 절차에 달려 있다. AGMAI에는 기피, 공개, 출판, 정정, 참여 연구소와의 이견에 관한 명확한 규칙이 필요하다.

또한 예비 심사와 보증을 구분할 방법도 필요하다. AGMAI가 원고를 검토했다 하더라도, 외부인은 모든 구성원이 모든 줄을 검증했거나 OpenAI의 공개적 표현을 승인했다고 가정해서는 안 된다.

OpenAI의 발표는 이 단체가 중요성을 평가하는 데 도움을 줄 것이라고 말한다. 중요성은 증명이 검사기를 통과하는지처럼 기계적인 속성이 아니다.

이는 맥락, 새로움, 방법론, 그리고 해당 분야에 미치는 영향에 달려 있다. 합리적인 수학자들은 논증이 옳다는 데 동의하더라도 이러한 요소에 대해서는 의견이 다를 수 있다.

AGMAI는 이 구분을 정확하게 전달해야 한다. 그렇지 않으면 그 이름은 제한적인 자문만 받은 주장에 붙는 일반적인 보증 표지가 될 위험이 있다.

이 단체는 수학계 내부에서 정당성 문제에도 직면한다. 보도에 따르면 AGMAI 출범 전 공개서한에 서명한 초기 구성원은 한 명뿐이었지만, Hairer는 이후 서명자 명단에 이름을 올렸다.

그 자체로 구성원이 대표성이 없다는 뜻은 아니다. 그러나 이는 기업에 조언하는 일과 광범위하고 분산된 연구 공동체를 대표하는 일 사이의 간극을 부각한다.

수학에는 AGMAI가 모두를 대변하도록 승인할 수 있는 단일 통치 기구가 없다. 이 단체는 명단의 명성이 아니라 행동을 통해 신뢰를 얻어야 한다.

OpenAI 역시 구성원의 평판을 투명한 증거의 대체물로 활용하지 않아야 한다. 자문 관계는 공개되지 않은 증명을 검증할 수 없다.

바로 이 지점에서 회의적인 주장이 가장 강해진다. OpenAI는 더 나은 학술 기준을 진심으로 원하면서도, 외부 감독이 있다는 인상에서 이익을 얻을 수 있다.

두 명제는 모두 사실일 수 있다. 회사는 진지한 자문 절차를 추진하면서도, 그 절차를 자사의 공개 서사를 강화하는 방식으로 제시할 수 있다.

Hairer는 이러한 위험을 인식한 것으로 보인다. 그는 AI 기업들이 이 단체의 참여를 유리하게 제시하려 할 것임을 받아들이면서도, AGMAI가 더 넓은 수학 공동체를 보호할 수 있다고 주장했다.

이 체계는 작동할 기회를 받을 만하다. OpenAI의 역량은 매우 빠르게 발전하고 있어, 일련의 기습 발표보다는 어느 정도의 조율 구조가 더 낫다.

그럼에도 성공의 기준은 OpenAI가 또 다른 난처한 헤드라인을 피하는지가 될 수 없다. 연구자들이 불합리한 비용을 떠안지 않고 각 결과를 이해할 수 있도록 충분한 사전 통지, 문서화, 공로 인정을 받는지가 기준이 되어야 한다.

개발자와 기업 AI 구매자에게 이 분쟁은 평가에 관한 더 넓은 교훈을 제공한다. 시스템의 결과물은 정확성 검사를 통과했다는 이유만으로 자동으로 유용해지는 것은 아니다.

조직은 생성된 작업을 둘러싼 출처, 수정 이력, 가정, 인간의 결정을 보존해야 한다. 검색 가능한 AI 지식 베이스는 그러한 기록을 뒷받침할 수 있지만, 소프트웨어가 책임 있는 검토를 대체할 수는 없다.

이 원칙은 결과물이 증명, 법률 메모, 시장 분석, 프로덕션 코드인지와 관계없이 적용된다. 생성 속도는 검증과 제도적 이해가 그 속도를 따라갈 수 있을 때만 중요하다.

다음 전개가 이 단체의 영향력을 보여줄 것이다

세 가지 신호가 AGMAI가 OpenAI의 행동을 바꾸는지, 아니면 다음 주장 물결을 포장하는 데 그치는지를 결정할 것이다.

첫 번째 신호는 OpenAI가 보고한 적체된 결과의 공개 절차다. 회사는 모델이 100개가 넘는 미해결 문제를 해결했다고 말하지만, 연구자들은 여전히 전체 목록을 받지 못했다.

신뢰할 수 있는 절차라면 결과를 분야, 난이도, 검증 상태, 새로움, 선행 작업에 대한 의존성에 따라 분류해야 한다. 또한 전체 결과를 모두 동일한 중요성을 지닌 것처럼 제시하지 않아야 한다.

사전 조율은 영향을 받는 전문가들이 원고를 검토하고 공로 귀속 문제를 해결할 시간을 제공해야 한다. 이는 또 다른 성급한 발표에 앞선 비공개 사전 공개가 되어서는 안 된다.

OpenAI가 명확한 문서와 함께 관리 가능한 묶음으로 결과를 공개한다면, 이는 AGMAI가 실질적 영향력을 갖는다는 주장을 강화할 것이다. 전체 건수를 중심으로 한 갑작스러운 홍보 캠페인은 이를 약화할 것이다.

두 번째 신호는 회사가 정정을 다루는 방식이다. AI 보조 원고에는 인간 원고와 마찬가지로 오류, 불명확한 구절, 불완전한 인용이 포함될 것이다.

중요한 질문은 OpenAI가 변경 사항을 공개적으로 기록하는지다. 각 수정본은 무엇이 바뀌었는지, 왜 바뀌었는지, 그 정정이 핵심 주장에 영향을 미치는지를 밝혀야 한다.

그러한 관행은 이전 공개에 관한 가장 구체적인 불만 중 하나에 답할 것이다. 또한 연구자들이 안정적이고 추적 가능한 문서를 검토하고 있다는 확신을 줄 것이다.

AGMAI가 참여 연구소들이 따를 수 있는 기준을 공개하는지 지켜봐야 한다. 공개 기준은 이 단체의 작업을 한 기업 너머에서도 유용하게 만들고, 외부인이 준수 여부를 판단할 수 있게 한다.

세 번째 신호는 AGMAI가 이견에 대응하는 방식이다. 독립적인 단체는 OpenAI에 동의함으로써 그 가치를 증명하지 않는다.

독립성을 보여주는 가장 강력한 증거는 과장된 표현, 불충분한 공로 귀속, 성급한 공개, 또는 뒷받침되지 않은 중요성 주장에 대한 공개적인 이의 제기일 것이다.

이 시험은 적대감을 요구하지 않는다. 이 단체의 분석과 회사의 커뮤니케이션 사이에 눈에 보이는 분리가 필요하다.

다른 AI 연구소들도 결과를 좌우하게 될 것이다. Anthropic은 이미 연구 수준 수학을 둘러싼 경쟁 구도의 일부가 되었다. Google과 전문 형식수학 프로젝트들도 각자의 접근법을 계속 개발하고 있다.

AGMAI가 여러 연구소와 협력한다면, 이 분야의 공동 인프라가 될 수 있다. 반대로 공개적 역할이 대부분 OpenAI에 묶여 있다면, 독립성에 대한 의문은 계속될 것이다.

이러한 거버넌스 문제가 전개되는 동안에도 그 기반 역량 자체가 사라지지는 않을 것이다. OpenAI의 모델은 이미 전문 수학자들이 정당하고 흥미롭다고 여기는 작업에 기여했다.

핵심 불확실성은 이 회사가 결과에 의미를 부여하는 사람들의 판단을 압도하지 않으면서, 그 역량을 학문 연구로 전환할 수 있느냐에 있다.

현재로서는 OpenAI가 작업의 속도, 규모, 홍보를 통제하고 있기 때문에 계속해서 수학자들을 밀어붙이고 있다. AGMAI는 조작 장치 옆에서 조언할 수는 있지만, 운전대를 잡을 수는 없다.

독자들은 다음 약속이 아니라 다음 증명 묶음을 지켜봐야 한다. 문서는 읽기 쉬운가? 출처와 기여자가 명확히 표시되어 있는가? 독립적인 평가를 받았는가? 투명한 수정 이력이 함께 제공되는가?

이러한 세부 사항은 OpenAI가 연구 관행을 바꾸었는지 보여줄 것이다. 또한 AI가 생성한 수학이 공동의 지식이 될지, 아니면 인간의 수정을 기다리는 주장들의 더미로 쌓일지를 드러낼 것이다.

발표, 원고, 수정 사항, 외부 반응을 기록해 두어야 한다. 회사의 최초 설명과 몇 주 뒤 전문가들이 내린 결론을 비교하라. 헤드라인의 수보다 그 간극이야말로 이 불편한 실험이 작동하고 있는지를 측정할 것이다.