기업은 AI가 어려운 문제를 해결했다고 발표할 수 있지만, 나머지 세상이 그 성과를 판단하기까지는 오랜 시간이 걸릴 수 있다. 빠져 있는 것은 증명, 설명, 시스템 접근 권한, 또는 단순히 연구를 검토할 시간일 수 있다. 각각의 부재는 기업에 서로 다른 종류의 힘을 준다.

이것이 최근 제기된 비공개 AI 성과 논의의 핵심 질문이다. 컴퓨터 과학자 스콧 애런슨은 9월 15일자 에세이에서 나비에–스토크스 발표에 대한 반응 이후 AI 기업들이 이론 컴퓨터 과학의 주요 문제를 해결하고도 공개를 미루고 있다는 소문을 들었다고 전했다. 그는 그 해법을 공개하지 않았다. 그의 글은 그런 주장을 들었다는 점을 보여 줄 뿐, 이름을 밝히지 않은 결과나 보도된 공개 보류 이유가 확인됐다는 뜻은 아니다. 자세한 주장은 애런슨의 에세이에서 확인할 수 있다

보다 구체적인 움직임도 있다. 독립기구인 수학·인공지능 자문단(Advisory Group on Mathematics and Artificial Intelligence)은 현재 맡은 일이 OpenAI가 내부적으로 산출했다고 보고한 중요한 수학 결과의 공개에 관해 자문하는 것이라고 밝혔다. 이는 회사가 보고한 결과를 조율해 공개하는 절차가 있음을 확인해 준다. 공개를 기다리는 모든 결과를 인증하는 것은 아니다. 자세한 내용은 자문단의 성명에서 확인할 수 있다

독자에게 이 구분은 흥미로운 가능성이 해결된 문제의 허구적 목록으로 바뀌는 것을 막아 준다. 과학 분야에서는 더 큰 쟁점이 제기된다. 발견이 비공개 시스템에 집중되면 다른 사람들은 어느 정도의 독립성을 유지할 수 있을까?

큰 변화

  • 무엇이 바뀌었나: AI가 생성한 증명 자료가 공개되고 있으며, 회사가 내부에서 만들었다고 보고했지만 공개를 조율 중인 결과도 있다. 추가로 숨겨진 성과가 있다는 주장은 여전히 검증되지 않았다.
  • 왜 중요한가: 연구소는 어떤 발견이 공개되는지, 전문가가 언제 살펴볼 수 있는지, 누가 그 방법을 바탕으로 후속 연구를 할 수 있는지에 영향을 미칠 수 있다.
  • 지켜볼 점: 공개 절차가 외부인에게 활용 가능한 증거와 이의를 제기할 자유를 제공하는지, 동시에 연구 질문을 선택하고 결과를 이해하며 혜택을 나누는 데 필요한 인간의 전문성을 뒷받침하는지 살펴봐야 한다.

성과는 공개해도 그 역량은 비공개로 남을 수 있다

OpenAI가 9월 8일 발표한 나비에–스토크스 해법은 선택적 공개의 사례다. 회사는 서면 논증과 형식 증명 파일을 공개하면서 해법을 발견한 시스템은 GPT-6 Astra보다 성능이 뛰어난 내부 모델이라고 설명했다. 결과물을 공개하는 것과 그 결과물을 만든 시스템을 사용할 수 있게 하는 것은 서로 다른 결정이다. 자세한 내용은 OpenAI의 발표에서 확인할 수 있다

수학적 범위도 주의해서 살펴봐야 한다. 발표된 구성에는 매끄러운 외부 강제항이 사용된다. Clay 문제의 공식 설명은 파괴 현상의 대안 C와 D에서 강제항을 명시적으로 허용한다. 강제항이 없는 전역적 매끄러움 대안은 다른 질문을 다룬다. 강제항을 포함한 유효한 구성이 명시된 상금 문제에 답할 수는 있지만, 강제항이 없는 경우의 질문은 미해결 상태로 남을 수 있다. 자세한 범위는 공식 문제 정식화에서 확인할 수 있다

Clay 재단은 9월 11일 서둘지 않고 평가와 공로 인정 절차를 진행하겠다고 밝히면서, 겉으로 드러난 문제 해결에 환영의 뜻을 나타냈다. 이는 발표에 대한 기관의 반응이지 상금 수여 발표가 아니었다. 자세한 내용은 Clay의 답변에서 확인할 수 있다

우리는 단위 거리 문제부터 나비에–스토크스 방정식까지 이어지는 수학적 흐름을 단위 거리 문제에서 나비에–스토크스까지 살펴본 안내서에서 자세히 다뤘다. 여기서 중요한 구분은 공개 이후 누가 무엇을 할 수 있느냐다. 외부 수학자는 증명을 연구할 수 있어도, 비슷한 문제를 같은 방식으로 조사할 자원이나 모델 접근 권한은 없을 수 있다. 발견은 공유돼도 다음 발견을 만드는 수단은 소수에게 집중된 채 남을 수 있다.

이런 구조도 여전히 가치가 있을 수 있다. 모든 연구자에게 최초 탐색을 다시 하라고 요구하면 많은 결과를 활용하기가 더 어려워질 것이다. 특정 증명을 검증하는 데 중요한 것은 관련 증거에 접근할 수 있는지이지, 반드시 발견에 사용된 모든 도구를 갖고 있는지는 아니다. 그러나 공개된 답을 검증할 수 있어도 외부인이 다음에 어떤 질문을 풀지 똑같은 영향력을 갖는 것은 아니다.

대중에게는 이의를 제기할 방법이 필요하다

OpenAI의 공개 저장소는 나비에–스토크스와 오일러 방정식에 관한 주장을 각각 구분하고, 빌드 지침과 Comparator를 이용해 증명을 추가로 점검하는 방법을 제공한다. 이는 시연 영상만이 아니라 직접 살펴볼 수 있는 자료다. 우리는 문서를 읽었지만 증명을 다시 빌드하거나 독립적으로 인증하지 않았다. 세부 자료는 증명 저장소에서 확인할 수 있다

Lean의 검증 안내서는 성공적인 검증에 명확한 범위가 있는 이유를 설명한다. 검토자는 의존성을 포함해 정리의 의미와 가정을 살펴야 한다. 더 강한 검증은 제출된 증명을 별도로 명세한 명제와 비교하고 독립적인 검사 소프트웨어를 사용할 수 있다. 그러면 도출자가 제공한 자료에 대한 의존도를 줄일 수 있지만, 도구와 명세에 관한 명시된 가정은 여전히 남는다. 자세한 내용은 Lean 검증 안내서에서 확인할 수 있다

가능성이 큰 긍정적 전망은 이렇다. 비공개 시스템이 비용이 많이 드는 탐색을 수행한 뒤, 다른 사람들이 전체 탐색을 재현하지 않고도 확인할 수 있는 증거를 공개할 수 있다. 대규모로 발견을 만들어 낼 수 있는 기관은 소수뿐이더라도 AI가 생성한 발견은 공유 자원이 될 수 있다.

더 제한적인 경우에는 연구소가 일부 전문가에게만 비공개 시연을 제공하고 나머지 사람에게는 보증을 믿으라고 요구할 수 있다. 합리적인 예비 절차일 수는 있다. 그러나 대중은 논란이 되는 가정을 찾거나 수정 사항을 살펴보거나 예상치 못한 응용을 추구할 능력이 훨씬 제한된다. 결론에 접근하는 것과 이의를 제기할 근거에 접근하는 것은 다르다.

원래 가정한 가상 사례를 생각해 보자. 한 대학 연구팀이 특정 최적화 문제군을 연구한다. 한 기업이 중요한 사례 하나에서 성능을 개선하는 방법을 비공개로 찾아낸다. 기업은 방법과 정확한 보장을 공개하거나, 방법은 비공개로 둔 채 답을 제공하는 온라인 서비스를 내놓을 수 있다.

두 방식 모두 사용자에게 도움을 줄 수 있다. 첫 번째 방식만이 대학에 서비스에 계속 접속하지 않고도 살펴보고 가르치고 수정할 수 있는 내용을 반드시 제공한다. 기업이 약관을 바꾸거나 모델을 철수하거나 해당 분야 지원을 중단한다면 그 차이는 실질적으로 중요해진다. 유용한 서비스가 과학의 의존성과 공존할 수도 있다.

이 때문에 공공의 이익을 발견 건수만으로 측정할 수 없다. 공개는 사람들이 아는 것, 할 수 있는 것, 또는 허락을 요청해야 하는 것을 늘릴 수 있다. 이런 결과가 때로 함께 나타나기도 하지만, 반드시 그런 것은 아니다.

공개를 늦추면 과학이 나아질 수도, 한 기관이 더 오래 앞서갈 수도 있다

중요한 발표를 조율하는 데는 타당한 이유가 있다. 전문가가 주장을 검증하고 선행 연구를 확인하고 설명을 준비할 시간이 필요할 수 있다. 발표 전에 바로잡으면 많은 사람이 실수를 바탕으로 작업하는 일을 막을 수 있다. 공로 분쟁에도 발표 경쟁이 아니라 증거가 필요하다.

그러나 같은 지연이 외부인에게는 다른 영향을 줄 수 있다. 한 연구팀이 어떤 기업이 핵심 추측을 해결했다고 주장하는지 모른 채 다음 연구를 선택한다고 생각해 보자. 그 팀은 이전 질문을 몇 달 동안 더 연구할 수 있다. 반대로 일부 협력자에게만 미리 접근 권한을 주면 후속 결과를 만드는 데 유리해질 수 있다. 이는 정보 격차가 낳을 수 있는 결과이지, 공개되지 않은 특정 정리에 관한 의혹은 아니다.

핵심 질문은 지연이 무엇을 이루며 누가 그에 책임을 지느냐다. 주장을 명시하고 독립적인 검토자를 두며 결과를 알릴 계획이 있는 검토 기간은, 비범한 역량을 암시하면서 무기한 비밀을 유지하는 것과 다르다. 기관에는 작업을 확인할 시간이 필요하고, 대중에게는 검증과 홍보를 구분할 이유가 필요하다.

새 자문단은 하나의 경로를 제공한다. 자문단은 위원들이 보수를 받지 않고 권고 사항이 공개되며 최종 결정 권한은 기업에 있다고 밝혔다. 독립성은 유용하지만, 자문이 결과 공개 의무로 바뀌는 것은 아니며 연구자에게 접근 권한을 주는 것도 아니다. 세부 내용은 독립성과 책임성에 관한 성명에서 확인할 수 있다

우리는 생산적인 절차라면 자문에 대한 대응도 공개해야 한다고 본다. 기업은 어떤 권고를 받아들였는지, 무엇을 계속 검토 중인지, 검토자가 해결되지 않은 우려를 어떻게 제기할 수 있는지 설명할 수 있다. 그러면 정리가 확정됐다고 성급하게 발표하지 않아도 외부인이 절차를 평가할 수 있다.

가장 강한 비판은 AI가 성공할 수 있음을 인정한다

9월 11일 발표된 선언문 수학 분야 AI의 심각한 목표 불일치은 수학 역량이 크게 향상됐다는 점을 명시적으로 인정한다. 이 선언의 이의는 유인 구조에 관한 것이다. 유명한 문제를 벤치마크로 사용하면 아이디어 개발, 공로 인정, 새로운 질문을 세우는 법을 배우는 과정이 소홀해질 수 있다는 주장이다. 선언문은 수학 연구를 개선할 AI의 잠재력도 인정한다. 자세한 입장은 선언문에서 확인할 수 있다

이는 기계는 아무것도 발견할 수 없다고 말하는 것보다 더 까다로운 주장이다. 성공한 시스템이 결과물을 받는 공동체와 같은 목표를 최적화하고 있는지 묻는다. 연구소는 역량을 명확히 보여 주는 시연을 원할 수 있다. 반면 연구자는 여러 새로운 방향을 열어 주는 방법을 더 중요하게 여길 수 있으며, 여기에는 출시 발표를 끌어내기 어려울 만큼 세부적인 방향도 포함된다.

두 이해관계가 반드시 일치할 이유는 없다. 그렇다고 충돌해야 하는 것도 아니다. 연구소는 결과를 유용하게 만드는 후속 탐구와 설명에 자금을 지원할 수 있다. 대학은 연구소가 우선순위에 두지 않은 분야에 강력한 새 방법을 적용하는 작업을 인정할 수 있다. 학술 출판물은 최초 발견에 더해 해설과 종합 연구를 실을 수 있다.

비판 역시 증거에 근거해야 한다. 정확하고 중요한 결과라면 시스템이 할 수 있는 일에 대한 평가가 달라져야 한다. 결과의 출처가 불편하다는 이유로 이를 무효화할 수는 없다. 마찬가지로 인상적인 성과라는 이유만으로 접근권이나 공로에 관한 질문에 답한 것도 아니다. 이런 판단을 구분하면 수학적 성과를 인정하면서도 그것이 세상에 공개되는 조건에 이의를 제기할 수 있다.

애런슨의 에세이는 이 긴장을 담아낸다. 그는 최근의 진전을 변혁적이라고 보면서도 인간의 이해를 지키려는 노력에 동의한다. 특이점이 시작됐다는 그의 표현은 사건에 대한 해석이지, 입증된 과학적 임계점을 뜻하지 않는다. 자세한 입장은 그가 밝힌 관점에서 확인할 수 있다

빠른 발견과 의미 있는 인간의 일은 모두 중요한 이해관계다

더 넓은 논의는 9월 발표보다 앞서 시작됐다. AI 연구자 줄리언 토겔리우스는 2025년 12월 에세이에서 과학자를 돕는 도구와 과학자의 참여를 불필요하게 만드는 자동화를 구분했다. 그는 완전 자동화로 의학 발전이 빨라질 것이라는 가상 상황에서도 인간의 주도권과 기여 기회를 옹호했다. 이는 가능한 미래에 관한 도덕적 입장이지 과학 업무가 이미 불필요해졌다는 증거는 아니다. 원문은 토겔리우스의 에세이에서 읽을 수 있다

현재 해당 분야에서 일하는 사람들이 즐긴다는 이유만으로 활동을 지켜야 한다고 주장하는 데에는 큰 비용이 따른다. 더 나은 방법이 고통을 줄일 수 있다면 직업이 바뀌는 사람의 이익과 함께 혜택을 받는 사람의 이익도 중요하게 다뤄야 한다. 의미 있는 일을 지키려는 약속이 유용한 발견을 자동으로 거부하는 이유가 되어서는 안 된다.

그러나 선택은 기존의 모든 업무를 보호하는 것과 사람을 과학에서 배제하는 것 사이에만 있지 않다. 누가 질문을 고르고, 소홀히 다뤄진 필요를 찾아내고, 증거의 적용 가능성을 판단하고, 그 결과를 어떻게 쓸지 결정하는가? 기계가 언젠가 이런 결정의 기술적 요소 대부분을 더 잘하게 되더라도, 이 결정들은 대중에게 영향을 준다. 여기에 영향력을 유지하는 것은 직업적 정체성뿐 아니라 거버넌스의 문제다.

다리오 아모데이의 2024년 10월 에세이는 AI가 생물학을 발전시키고 삶을 개선할 수 있다는 폭넓고 낙관적인 전망을 제시한다. 동시에 실험, 데이터, 물리적 세계와 관련된 한계도 짚는다. 이 글은 강력한 미래 시스템에 관한 가정에 기댄 전망이지, 수학적 발견으로 정해진 일정표가 아니다. 상세한 전망은 『사랑의 은총을 베푸는 기계』에서 확인할 수 있다

방정식에 관한 증명만으로 실제 치료법이나 더 저렴한 에너지 시스템이 입증되는 것은 아니다. 각 응용에는 추가 증거가 필요하다. 그럼에도 더 빠른 발전 가능성을 중요하게 여기는 것은 합리적이다. 연구자가 비생산적인 방향을 배제하거나 더 많은 정보를 주는 실험을 설계하도록 돕는 AI는 연구가 자율화되기 훨씬 전부터 의미 있는 역할을 할 수 있다.

그러면 혜택의 분배에 관한 질문이 다시 돌아온다. 기술적 성과가 타당해도 이를 감당할 수 있는 사람에게만 돌아갈 수 있다. 연구 속도는 빨라지면서 소유자가 가장 가치 있다고 여기는 문제에만 집중될 수 있다. 발전이 폭넓은 대중에게 혜택을 줄지는 자금 조달, 접근, 배치에 관한 선택에도 달려 있다. 발견 수만으로는 이런 선택을 대신 결정할 수 없다.

정확성에 대한 증명은 올바른 판단을 보장하지 않는다

정렬에 관한 질문도 있다. 시스템이 논증을 찾아내는 데는 뛰어나더라도 장기간의 연구 프로젝트에서 운영자의 의도를 따르는 데에는 신뢰하기 어려울 수 있다. 검증된 수학적 결과물은 그 결과물에 관해 무언가를 입증한다. 그것만으로 시스템이 권한을 일관되게 존중하고, 실패를 솔직히 알리고, 올바른 목표를 추구한다는 점까지 입증하지는 않는다.

이 구분은 연구소가 점점 더 강력한 도구를 사용하는 방식에 중요하다. 범위가 정해진 탐색을 맡기고 그 결과를 살펴보는 것과 실험, 지출, 발표 전반에 폭넓은 권한을 시스템에 주는 것은 다르다. 과학적 성과는 더 야심 찬 연구를 시도할 근거가 될 수 있지만, 권한 부여는 별도로 정당화해야 한다.

인간의 이해를 보존하는 것은 여기에 도움이 되지만 정렬 문제의 보편적인 해결책은 아니다. 발견의 수학적 원리를 안다고 해서 모델 행동의 모든 측면을 알 수는 없다. 반대로 유용한 감독을 하려면 사람이 모든 중간 계산을 재현해야 하는 것도 아니다. 실질적인 목표는 시스템의 작업이 의도한 목적에 더는 맞지 않을 때 알아차릴 수 있도록 독립적인 역량과 증거를 충분히 보존하는 것이다.

일자리를 잃은 뒤 여가가 모두를 보상할 것이라는 약속만으로는 삶의 의미에 관한 질문에 답할 수 없다. 아모데이는 AI가 사람을 앞서더라도 관계와 활동은 계속 의미 있을 수 있다고 주장하는 한편, 그런 미래의 경제적 제도는 아직 정해지지 않았다고 본다. 가능한 전망 중 하나이지 고통 없는 전환을 보장하는 것은 아니다. 자세한 내용은 일과 삶의 의미에 관한 글에서 확인할 수 있다

학생은 최초 발견자가 아니더라도 결과의 의미를 이해하는 일을 소중히 여길 수 있다. 공동체는 구성원이 모든 기계보다 뛰어나야 한다고 요구하지 않으면서 교육, 토론, 탐구를 중요하게 여길 수 있다. 그러나 그런 활동을 가능하게 하는 기관을 유지하려면 자원과 선택이 필요하다. 개인의 성취감만으로 연구소 운영비를 대거나 모델 접근을 보장하거나 학과를 유지할 수는 없다.

공개로 얼마나 독립성이 생기는지 평가하라

누군가 기업 설명에 전적으로 의존하지 않고도 주장에 이의를 제기할 수 있는가? 다른 연구팀은 비용이 너무 많이 드는 탐색을 재현하지 않고도 결과를 활용할 수 있는가? 연구자는 제작자가 별로 관심이 없는 후속 질문을 선택할 수 있는가? 관심이 다른 곳으로 옮겨간 뒤에도 연구를 설명하고 수정하며 계속 이용할 수 있도록 사람과 기관이 뒷받침하는가?

이 질문들은 낙관적 미래와 비관적 미래를 연결한다. 한쪽에서는 강력한 비공개 도구가 더 큰 공동 지식 기반에 기여하고, 더 많은 사람이 과거에는 손댈 수 없던 질문을 연구할 수 있다. 다른 쪽에서는 외부인이 인상적인 답을 받으면서도 무엇을 물을 가치가 있는지 소수 조직이 결정하는 일에 점점 더 의존한다.

소문으로 전해진 비공개 결과에 어떤 내용이 담겼는지는 아직 모른다. 하지만 실제로 공개되는 결과를 둘러싸고 만들어지는 절차는 평가할 수 있다. 중요한 AI 성과는 나머지 과학계가 스스로 행동할 수 있는 역량을 더 키워 줘야 한다.