📝 내용 정리

오픈AI가 차세대 모델 제품군인 ‘아스트라(Astra)‘의 내부 버전으로 수학과 이론 검퓨터 과학 분야의 장기 미해결 문제 10개를 해결했다고 발표했다. 이를 과학적 추론의 중요한 진전으로 평가하며, AI가 기존의 문제 풀이를 넘어 새로운 수학적 발견을 만들어내는 단계에 접어들었다고 강조했다. 이번 연구를 통해 해결된 난제들은 고차원 기하학부터 양자 복잡도까지 학계 내 최고 난이도 영역이 포함됐다. 이는 대부분 최소 10년 이상 의미 있는 진전이 없었던 난제들이다.

아스트라가 먼저 새로운 수학적 논증을 생성했고, 이후 연구진이 모델의 도움을 받아 이를 논문 형태로 정리하는 과정으로 진행됐다. 마지막 단계에서는 AI가 모든 논증을 정형 증명 시스템인 린(Lean)으로 다시 작성해 기계적으로 검증 가능한 증명서를 생성했으며, 결과마다 AI가 어떤 과정을 거쳐 결론에 도달했는지를 설명하는 추론 과정도 공개했다.

특히 이번 10개 문제를 해결하는 데 사용된 전체 토큰 비용이 ‘GPT-5.6 솔’ API 기준 2000달러(약 289만원) 수준이었다고 밝혔다. 오픈AI는 이를 장기적으로 AI가 과학연구를 수행하는 비용 효율성이 크게 향상할 수 있음을 보여주는 사례라고 설명했다.

이 아스트라의 핵심 능력은 ‘멀티 에이전트 협업’기술이다. 여러 AI 에이전트가 오랫동안 상호작용하며 복잡한 프로젝트나 난해한 고급 수학 문제 등을 단계적으로 해결해 나가는 방식이다.

이번 발표는 AI가 기존처럼 논문을 요약하거나 계산을 보조하는 수준을 넘어 스스로 새로운 수학적 발견을 제안하고 이를 형식적으로 검증 가능한 수준까지 완성한 사례라는 점에서 의미가 크다. 오픈AI는 “수학적 아이디어 자체는 AI가 생성했으며 인간 연구자는 이를 논문화하고 형식 검증을 지원했다”라며 “AI가 만들어낸 결과를 인간의 선과로만 간주하는 것은 적절하지 않다”라고 밝혔다.

업계는 아스트라가 출시되면 단순한 범용 모델을 넘어 장시간 연구와 복잡한 과학 문제 해결을 수행하는 ‘연구형 AI’ 여는 계기가 될 수 있을 것으로 전망하고 있다.

🧠 생각 정리

이제 연구까지 AI가 해주면 난 뭘 해먹고 살아야하나 !!! 싶다. 우선 이 기사에서 눈여겨 봐야할 것은 크게 두가지 인 것 같다.

“멀티 에이전트 협업” 과 “연구 AI”

우선 “멀티 에이전트 협업”을 보고 든 생각은, 지금 주요 LLM들이 이 방향으로 가고있다는 것이다. 전에 Gemini 출시 관련된 기사를 봤을 때도 “멀티 에이전트 협업” 능력이 좋아졌다는 기사를 본적이 있다. 그래서 앞으로 멀티 에이전트를 구축하는걸 연습해야겠다 싶었는데 OpenAI에서도 마찬가지 흐름인 것을 보니, 다음 연구든 개인 프로젝트든 어디에는 꼭 멀티 에이전트 시스템을 도입해서 해봐야겠다는 생각이 든다.

두번째로 “연구 AI”에 관련된 내용을 보니 이제 진짜 인간이 무엇을 해야하나 혼란스러우면서도 어떤 것을 해야하는지 명확해진것 같다. AI는 주어진 문제는 잘 푼다. 이번에 해결한 난제도 이미 “존재했던” 난제들이다. 하지만 AI는 “문제”를 생성하기에는 아직 부족한 것 같다. 문제를 “푸는 것”과 “생성하는 것”은 또 다른 능력이 필요하기 때문이다. 그래서 앞으로 인간이 가져야하는 능력은 “문제를 만드는 능력”이 될 것 같다.

사실 이 생각을 기사를 보고 처음 한 건 아니었다. 개발자를 꿈꾸고 준비했던 시절, AI의 빠른 발전을 보며 그냥 개발만 하는 사람, 단순한 코더는 더이상 큰 힘을 가지기 어려울 것이라고 생각했다. 그래서 내가 가지고 있는 개발 지식을 포함해서 AI관련 지식도 쌓아서 프로젝트를 설계하는 사람이 되고자 대학원에 진학한 것도 있었다. 하지만 대학원에서 다양한 논문을 읽고, 내 연구를 하다보니 더 중요한건 “문제를 찾고, 정의 하는 능력” 이었다. 석사 기간동안 이 능력을 열심히 쌓아서 졸업하자!를 목표로 하고있었는데, 이 기사를 보고 나니 잘 가고 있는 방향인 것 같다. ㅎㅎ