실전

AI Agent가 정리한 고델手稿, 수백 개 정리를 검색 가능한 지식으로

AI가 고델의 유산을 해독하고 형식적으로 정리하는 과정에서 수백 개 정리의 전사와 활용 가능성이 다시 열렸다. 핵심은 AI의 독창적인 수학 발견이 아니라, 오래된 손글씨 자료를 검색하고 검증할 수 있는 연구 자산으로 전환하는 데 있다.

글자 크기

《가디언》은 AI가 고델의 유산에 담긴 수백 개의 증명된 정리를 정리하는 데 도움을 준다고 보도했다. 이 작업의 절차와 위험 요소, 그리고 엔지니어링 측면의 가치는 다음과 같다. AI는 전사·검색·1차 선별을 담당하고, 수학자는 문맥 판단과 증명 검증을 맡는다.

AI Agent가 고델 손글씨 자료 정리, 수백 개 정리를 검색 가능하게

이 작업은 AI가 또 하나의 수학적 발견을 해냈다는 뜻으로 오해하기 쉽다. 실제로 진행된 일은 더 구체적이다. 연구팀은 AI를 활용해 고델의 유산을 해독하고 형식적으로 정리했다. 《가디언》의 보도를 따르면, 이 손글씨 자료에는 이미 증명됐지만 아직 온전히 정리되거나 발표되지 않은 정리가 수백 개 들어 있다.

핵심은 기계가 정리를 즉석에서 찾아낼 수 있는가가 아니다. AI가 사람의 교정, 검색, 검증을 하나의 작업 흐름으로 연결할 수 있는가에 있다.

AI에게 정리를 추측시키는 작업이 아니다

우선 선을 그어야 한다. 이번 성과는 대규모 언어 모델이 새로운 증명을凭空 만들어냈다는 의미가 아니다.

고델의 원자료는 이미 존재했다. 연구 대상은 온전히 정리되지 않은 손글씨 자료였다. 기호가 알아보기 어렵고, 정의가 문맥에 의존하며, 논증 순서가 여러 쪽에 흩어져 있을 수 있다. 팀은 AI를 활용해 이를 전사하고 검색하며 형식적으로 정리했다. 정리가 성립하는지는 결국 수학자가 확인한다.

이는 공개된 수학 추측과는 다르다. 공개된 추측은 보통 하나의 명제만 제시하지만, 고델의 유산은 불완전한 연구 기록에 가깝다. 그 안에는 완전한 증명이 이미 있을 수도 있고, 초안이나 일부 논증, 다른 손글씨 자료 없이는 이해하기 어려운 중간 단계만 있을 수도 있다.

따라서 AI는 여기서 ‘수학자의 대체재’라기보다 높은 재현율을 갖는 1차 선별 도구에 가깝다.

AI는 먼저 방대한 손글씨 자료에서 어떤 증명된 명제와 대응할 가능성이 있는 문단을 찾아내고, 기호를 변환하며, 구조를 추출한 뒤 후보 결과를 전문가에게 넘긴다. AI가 제시하는 것은 단서이지 결론이 아니다.

이 경계는 중요하다. 입력 자료에 이미 증명이 들어 있다면, 과제는 주로 ‘기존 손글씨 자료 해독’이다. 그럴듯한 증명을 새로 만들어 내는 것은 전혀 다른 유형의 문제이며, 둘을 섞어 논해해서는 안 된다.

수백 개의 정리에 투자할 가치가 있는 이유

프로젝트 팀이 연산 자원과 연구 인력을 투입한 이유는 실용적 이유에서 비롯된다. 수백 개 정리에서 병목이 항상 추론은 아니다. 독서, 검증, 목록화가 더 큰 병목이 될 때가 많다.

필기 자료가 연구 흐름에 들어가기 전에는 일반적으로 여러 수동 단계를 거쳐야 한다.

  • 공식과 자체 정의 기호를 식별한다.
  • 어떤 진술이 추측이고 어떤 진술이 이미 증명됐는지 판단한다.
  • 정의와 문맥을 보완한다.
  • 증명에서 인용한 고전적 결과를 대조한다.
  • 각 명제에 번호를 붙이고 연구 과정에서 차지하는 위치를 표시한다.

이 작업은 번거롭고 시간이 많이 들며, 전문가의 에너지가 제한되면 미뤄지기 쉽다. AI는 먼저 분류와 전사를 한 차례 수행해 전문가가 직접 확인해야 할 범위를 줄일 수 있다.

연구 시스템에서 흔히 쓰는 방식은 후보 풀을 먼저 넓힌 다음 사람의 검토 정확도를 높이는 것이다. expert가 수백 쪽의 자료를 한 줄씩 읽게 하는 대신, 모델이 먼저 ‘가치 있을 가능성이 있는’ 문단을 추려내는 방식이다.

물론 높은 재현율로 절반의 문제는 해결된다. AI가 핵심 정의를 하나라도 놓치면 뒤따르는 형식화 연쇄는 끊어질 수 있다. 시스템은 각 정리가 어떤 전제를 의존하는지도 기록해야 해, 전문가가 거꾸로 추적할 수 있어야 한다.

진짜 병목은 사람과 AI의 인계

이러한 프로젝트에서 가장 어려운 부분은 모델 호출이 아니라 인계 과정이다.

첫 번째 유형의 오류는 기호 전사 오류다. 첨자 하나, 양화사 하나, 그리스 문자 하나가 잘못 옮겨질 경우 표면적인 구조는 여전히 매끄러워도 수학적 의미는 이미 바뀌어 버린다.

두 번째 유형은 문맥 누락이다. 고델의 손글씨 자료에 등장한 하나의 정의가 수십 쪽 전에 나왔거나, 이전 논문의 표기에 의존할 수도 있다. 모델이 국소적인 텍스트만 추출하면 참조 관계를 잘못 보완할 수 있다.

세 번째 유형은 증명 연쇄 단절이다. 모델은 ‘이전에 이미 증명됐다’는 표현을 ‘여기서 도출할 수 있다’고 취급하거나, 초안 속 계획성 있는 진술을 공식 논증으로 오인할 수 있다.

따라서 AI의 출력은 곧바로 ‘정리가 성립한다’고 볼 수 없다. 실제 작업 흐름에는 최소한 세 단계의 검사가 필요하다.

  1. 전사본과 원본 스캔본을 항목별로 대조한다.
  2. Lean, Coq 등 proof assistant로 기계적으로 검증할 수 있는 부분을 점검한다.
  3. 해당 분야 전문가가 비형식화된 단계를 판단하고 문헌 출처를 확인한다.

형식화 검증도万能하지는 않다. proof assistant에 들어가는 모든 정의가 정확해야 하고, 가져온 보조정리도 원래 문맥에 맞아야 한다. 이미 코드로 옮겨진 증명은 검사할 수 있지만, 코드로 옮긴 대상 자체를 올바르게 이해했는지는 자동으로 판단할 수 없다.

즉, ‘기계 검증을 통과했다’와 ‘수학자가 원래 손글씨 자료에 충실함을 확인했다’는 서로 다른 두 단계의 검사다.

부속 자료 스캔에서 검색 가능한 지식으로

이 작업의 산출물은 ‘발견’이라고 부르기보다 적절하다. 더 가치 있는 결과는 검색하고 추적하며 재사용할 수 있는 손글씨 자료 데이터베이스다.

과거에는 어떤 역사적 수학가가 여백에 적은 반복 논증이나 이후 연구자가 보지 못했을 가능성이 크다. 전사하고 목록화하면 최소한 전문 검색 시스템에 들어갈 수 있다. 연구자는 특정 정의, 어떤 증명 전략, 여러 번 등장했지만 발표되지 않은 접근 경로를 검색할 수 있다.

이 과정에서 다음과 같은 변화가 생긴다.

  • 전문가가 같은 자료를 반복해서 구입하고 스캔하며 손으로 옮기지 않아도 된다.
  • 미발표 결과에 다시 표식을 붙이고 후속 논문과 인용 관계를 구축할 수 있다.
  • 수학사 연구에서 종이 부록의 목록보다 더 세밀한 증거 연쇄를 활용할 수 있다.
  • 교육 자료에서 완성된 결과뿐 아니라 실제 초안을 통해 ‘증명이 어떻게 형성되는지’를 보여줄 수 있다.

같은 데이터가 학습 데이터셋, RAG 시스템 또는 자동 평가 데이터셋에도 들어갈 수 있다. 다만 출처, 라이선스, 저자 표기, 역사적 수학 용어의 정규화가 추가로 필요하다. 손글씨 자료의 스캔본을 그대로 학습 파이프라인에 넣고 생성된 결과를 새로운 발견이라 부를 수는 없다.

데이터베이스 자체가 인프라스트럭처다. 모델은 이를建设和 사용하는 도구 중 하나일 뿐이다.

출처

The Guardian: AI helps unlock hidden discoveries in the man who transformed maths

편집자 관점

이번 변화는 AI가 독자적으로 수학적 돌파구를 만들어 낸 사건이라기보다 연구 인프라의 업그레이드에 가깝다. 예전에는 수학자가 스캔본 판독, 번호 부여, 검색에 많은 시간을 써야 했다. 이제는 모델이 먼저 이러한 저수준이지만 소비적인 작업을 처리할 수 있으며, 여전히 귀한 것은 문제 선택, 문맥 판단, 증명 연쇄 검증이다.

제 판단에 따르면 첫 번째 명확한 성과는 교정, 목록화, 형식화에서 나타날 가능성이 크다. 완전히 사람 감독이 없는 독창적 증명보다는 그렇다. 전자는 원문과 항목별로验收할 수 있고 오류도 쉽게 찾을 수 있지만, 후자는 ‘무엇을 증명할 가치가 있는가’부터 외부 연구 판단이 필요하다. 앞으로 몇 개월 동안 손글씨 자료 데이터베이스가 공개되는지, 전문가의 검토 비율이 얼마나 높은지, 어떤 결과가 동료评议 또는 공식 형식화 라이브러리에 들어가는지 주목할 만하다.

이번 사례는 과거의 ‘AI 풀이’ 뉴스와 다르다. 자료가 역사적 손글씨 기록에서 왔고, 작업 연쇄를 스캔본과 대조할 수 있으며, 모델의 결론을 먼저 믿을 필요가 없다. 다만 원 보도는 ‘수백 개의 증명된 정리가 포함된 것으로 reportedly�다’는 표현을 사용했다. 이 정리들을 하나씩 확인하지 않았고, 기사 요약만으로 형식화 범위를 판단할 수도 없다. 이 사례는 AI가 오래된 손글씨 자료의 활용 장벽을 낮출 수 있음을 보여줄 뿐, AI가 수학 발견의 분업 구조를 바꿨다고 증명하지는 않는다.

출처: https://www.theguardian.com/science/2026/nov/13/kurt-godel-notebooks-ai-helps-unlock-hidden-discoveries-man-who-transformed-maths