Why Erdős Problems Are Falling to AI

개요

AI 모델들이 20세기 수학자 폴 에르되시(Paul Erdős)가 제기한 난제들을 해결하는 데 중요한 성과를 보이며 수학 연구 방식에 변화를 예고하고 있습니다.

주요 내용

* AI의 에르되시 문제 해결 성과: OpenAI의 내부 AI 모델이 1946년에 제기된 '단위 거리 문제(unit distance problem)'에 대한 반례를 제시했으며, 이후 '아스트라(Astra)'라는 모델이 에르되시가 제기한 3개의 문제를 포함한 10개의 수학적 발전을 이루었습니다.
* 에르되시 문제와 커뮤니티의 역할: 수학자 토머스 블룸(Thomas Bloom)이 에르되시 문제들을 모아 웹사이트(erdosproblems.com)를 구축했으며, 이는 전문 수학자뿐만 아니라 비전문가들도 참여하는 수학 커뮤니티를 형성하는 계기가 되었습니다. 이 커뮤니티는 문제 해결에 대한 협업과 논의를 촉진했습니다.
* AI 활용의 확산: 초기에는 토큰 비용으로 계산되던 문제 해결 비용이 AI 기술 발전과 함께 변화했으며, 많은 비전문가들이 AI를 활용하여 과거에는 전문가들만이 접근 가능했던 문제들을 해결하고 있습니다.
* AI가 수학 연구에 미치는 영향: AI는 수학 연구의 속도와 접근성을 높였으나, 동시에 AI 결과물의 검증 및 인간 수학자들의 역할 재정립에 대한 과제를 제기하고 있습니다. 일부 최정상급 수학자들은 AI 회사로 이직하는 등 수학계의 변화를 보여주고 있습니다.
* AI 기반 문제 해결 사례: 케빈 바레토(Kevin Barreto)와 리엄 프라이스(Liam Price)는 GPT-5.2와 같은 LLM을 활용하여 에르되시 문제 728을 해결하고, Aristotle과 같은 도구로 논리적 검증을 수행했습니다. 이 외에도 Google DeepMind는 Gemini를 활용하여 700개의 추측을 평가하고 다수의 에르되시 문제를 해결했습니다.
* AI가 에르되시 문제에 적합한 이유: 에르되시 문제들이 주로 정수론, 조합론, 그래프 이론 분야에 속해 AI가 접근하기 용이하며, 문제들의 난이도와 중요도가 다양하여 AI 기술 발전의 테스트베드로 적합합니다.

시사점

AI 모델의 수학적 문제 해결 능력 향상은 수학 연구의 패러다임을 전환시키고 있으며, 앞으로 AI가 수학의 발전과 일상적인 문제 해결에 어떻게 기여할지에 대한 지속적인 탐구가 필요합니다.