뉴시스는 9월 9일 오픈AI가 전날 나비에–스토크스 밀레니엄 문제의 해법을 발표했다고 보도했습니다. 나비에–스토크스 방정식은 물과 공기처럼 흐르는 물질의 운동을 설명합니다. 이번 소식은 방정식을 처음 만들었다는 뜻이 아니라, 그 해가 어떤 조건에서 유지되거나 무너지는지에 관한 오래된 질문을 다룹니다.

클레이 수학연구소는 이 문제를 2000년 선정한 일곱 밀레니엄 문제에 포함했습니다. 복잡한 흐름을 계산하는 것과 그 계산의 수학적 토대가 항상 성립함을 증명하는 것은 다른 일입니다. 수치 계산으로 특정 장면을 재현할 수 있어도 모든 허용 조건에서 같은 성질이 유지되는지는 별도로 증명해야 합니다.

오픈AI는 외력이 가해지는 조건에서 유체의 속도가 유한한 시간 안에 무한히 커지는 특이점을 구성했다고 설명했습니다. 모든 유체 운동의 해법을 제공했다는 의미는 아닙니다.* 외력이 없는 경우와 외력이 있는 경우를 구분해야 이번 결과의 범위를 정확히 이해할 수 있습니다.

이런 수학적 현상을 실제 물이 갑자기 무한한 속도로 움직인다는 예측으로 읽어서는 안 됩니다. 방정식이 물질을 연속적인 대상으로 표현하는 방식과 현실의 물질은 구분됩니다. 결과가 가리키는 것은 일정한 조건에서 수학적 모형의 매끄러운 설명이 유지되지 않을 수 있다는 가능성입니다.

뉴시스는 약 1만 개의 에이전트와 1,300억 토큰을 동원한 계산을 소개했습니다. 여기서 에이전트 수는 참여 규모를, 토큰은 모델이 처리하거나 생성하는 정보의 단위를 나타냅니다. 어느 한 수치만으로 사람이 같은 문제를 풀 때와의 효율을 직접 비교하기는 어렵습니다.

공식 발표는 과정을 더 세분화합니다. 첫 에이전트 실행에서 해법에 도달하기까지 약 88시간이 걸렸고, 이후 Lean을 이용한 형식화와 검증에 17시간이 더 들었다고 설명합니다. 따라서 해법 탐색 시간과 검증까지 포함한 시간을 같은 숫자로 표현하지 않는 것*이 중요합니다.

여러 시도를 동시에 실행하는 일과 그 결과를 연결하는 일도 구분됩니다. 회사는 에이전트 그룹의 중간 결과를 모아 다른 그룹에 전달했다고 밝혔습니다. 연구의 각 단계를 나누고 유용한 정보를 공유하는 조직 방식이 계산 자원과 함께 작동한 사례로 볼 수 있습니다.

Lean 형식화는 수학적 주장을 정해진 규칙으로 표현해 컴퓨터가 논리적 연결을 확인할 수 있도록 하는 과정입니다. 읽기 쉬운 문장으로 증명을 설명하는 일과 기계가 검사할 수 있는 형태로 표현하는 일은 목적이 다릅니다. 후자는 논리의 세부 단계를 점검하는 데 도움을 주지만, 사람이 증명의 아이디어와 적용 범위를 이해하는 작업까지 대신하지는 않습니다.

또한 이번 결과에는 내부 연구용 시스템이 사용됐습니다. 일반 사용자가 공개된 대화형 서비스에 문제를 한 번 입력하면 같은 결과를 얻는다는 발표가 아닙니다. 모델, 도구, 협업 방식과 검증 절차가 결합된 연구 결과로 읽어야 합니다.

클레이 수학연구소는 9월 11일 후속 성명을 냈습니다. 문제 해결로 보이는 발표에 대한 수학계의 기대를 공유하면서도, 성과를 평가하고 공로를 정하는 절차는 서두르지 않고 진행한다고 설명했습니다. 기업의 발표와 연구소의 평가 절차가 같은 사건은 아니라는 점이 드러납니다.

연구소가 강조한 것은 새로운 인간의 이해입니다. 밀레니엄 문제는 어려운 답 하나를 얻는 데 그치지 않고 새로운 구조와 방법을 발전시키는 출발점이라는 설명입니다. 증명의 아이디어를 분석해 다른 문제에 적용할 수 있을 때 발견의 가치가 더 넓어질 수 있습니다.

뉴시스 역시 AI의 성과에 대한 기대와 인간의 수학적 이해가 약해질 수 있다는 우려를 함께 전했습니다. 이 둘은 반드시 모순되는 반응은 아닙니다. 해법을 얻는 속도가 빨라지는 동시에, 그 해법이 왜 성립하는지 설명하고 다음 연구로 연결하는 일이 더 중요해질 수 있기 때문입니다.

따라서 이 뉴스를 평가할 때는 시간 기록, 증명의 점검 가능성, 연구자가 얻는 통찰을 나누어 볼 필요가 있습니다. 빠른 탐색은 발견 과정을 보여주고, 공개된 증명은 검토의 대상을 제공하며, 이해 가능한 설명은 다른 연구로 이어질 기반이 됩니다. 한 단계의 성과만으로 나머지 단계까지 완료됐다고 볼 수는 없습니다.