AI 1만 개가 사흘 넘게 서로 토론한 끝에 인류가 수십 년 동안 풀지 못한 수학 문제의 답을 내놓았다. 문제에는 100만 달러 상금도 걸려 있다. 이 문장만 읽으면 마치 OpenAI가 이미 상금을 받은 것처럼 들립니다.
하지만 2026년 9월 10일 현재 정확한 표현은 다릅니다. OpenAI는 Navier–Stokes 밀레니엄 문제에 대한 후보 해법을 내부 AI 시스템이 만들었다고 발표했지만, 수학계와 Clay Mathematics Institute가 공식 해결로 인정한 상태는 아닙니다. 독립적인 전문가 검증과 공식 인정 절차가 남아 있습니다.
팩트 부장입니다. 근거를 대세요. 이번 사건에서 놀라운 것은 ‘AI가 상금을 탔다’가 아닙니다. 약 1만 개 에이전트가 거대한 연구팀처럼 탐색하고 반박하며, 전문 수학자들이 검토해야 할 수준의 결과물을 만들었다는 주장입니다. 동시에 외부 수학자의 미공개 연구가 AI 서비스 안에서 안전한가라는 민감한 질문까지 터졌습니다. 성과와 검증, 연구 윤리를 따로 보겠습니다.
OpenAI가 실제로 발표한 것은 무엇인가
OpenAI의 2026년 9월 8일 공식 발표에 따르면 내부 연구 시스템은 약 1만 개의 AI 에이전트를 동시에 운용했습니다. 전체 실행 시간은 약 88시간, 에이전트들이 주고받은 메시지는 약 270만 건이었습니다. Navier–Stokes 작업에 쓰인 출력만 약 1,300억 토큰이라고 회사는 밝혔습니다.
숫자만 놓고 보면 개인이 챗봇에게 문제 하나를 붙여넣은 것과는 전혀 다릅니다. 여러 에이전트가 서로 다른 증명 경로를 시도하고, 다른 에이전트의 결과를 비판하고, 유망한 조각을 결합하는 대규모 병렬 연구에 가깝습니다. OpenAI는 이 작업에 아직 공개하지 않은 내부 모델을 사용했으며, 결과의 형식화와 점검에는 별도 시스템도 투입했다고 설명했습니다.
여기서 주의할 표현이 있습니다. 1만 개는 1만 명의 독립적인 천재 수학자가 한 방에 답을 맞혔다는 뜻이 아닙니다. 같은 기반 모델에서 출발한 에이전트들은 같은 약점과 편향을 공유할 수 있습니다. 270만 건의 메시지도 곧 270만 번의 유효한 발견을 뜻하지 않습니다. 상당수는 실패한 시도, 중복 탐색, 오류 수정이었을 수 있습니다.
그럼에도 규모 자체는 중요합니다. 생성형 AI를 한 사람의 조수로 쓰는 단계를 넘어, 수천 개의 작업자를 조율해 긴 연구 과정을 운영하는 실험이기 때문입니다. 성과가 검증된다면 “모델 하나의 IQ가 얼마나 높나”보다 “많은 모델의 탐색과 검증을 어떻게 조직하나”가 과학 AI의 새로운 경쟁축이 될 수 있습니다.
Navier–Stokes 문제는 대체 무엇을 묻나
Navier–Stokes 방정식은 물과 공기 같은 유체의 움직임을 기술합니다. 비행기 날개 주변의 공기, 파이프 안의 물, 날씨와 해류를 계산할 때 이 계열의 방정식이 등장합니다. 방정식 자체가 새로 발견되지 않은 것은 아닙니다. 공학자는 이미 수치해석과 시뮬레이션으로 수많은 현실 문제를 계산합니다.
밀레니엄 문제의 질문은 더 근본적입니다. 3차원에서 적절한 초기 조건을 주었을 때 해가 계속 매끄럽게 존재하는지, 아니면 어느 순간 값이 무한대로 폭주하는 특이점이 생길 수 있는지를 엄밀하게 증명하라는 것입니다. 컴퓨터로 특정 상황을 잘 계산해 보였다고 해서 모든 가능한 경우에 대한 수학적 증명이 되지는 않습니다.
쉽게 비유하면 이렇습니다. 오늘 서울의 교통 흐름을 정확하게 시뮬레이션하는 것과, 가능한 모든 도로·차량·사고 조건에서도 특정 현상이 절대 일어나지 않는다는 정리를 증명하는 것은 다른 일입니다. Navier–Stokes 문제는 후자에 가깝습니다. 한 줄의 숨은 전제나 처리하지 못한 극단적 경우가 있으면 수백 쪽의 논증도 무너질 수 있습니다.
Clay Mathematics Institute의 문제 설명은 이 문제가 유체의 움직임을 지배하는 방정식의 해를 이해하는 데 관한 것이라고 설명합니다. 2000년 선정된 일곱 개 밀레니엄 문제 가운데 하나이며, 각각 100만 달러의 상금이 걸렸습니다.
1만 에이전트는 어떻게 한 문제를 풀었나
한 모델에게 “증명해줘”라고 시키면 그럴듯하지만 틀린 단계를 자신 있게 만들 위험이 큽니다. 대규모 에이전트 방식의 핵심은 한 번의 답변이 아니라 탐색 구조입니다. 일부는 가능한 보조정리를 찾고, 일부는 반례를 시도하며, 일부는 다른 결과를 공격하고, 상위 단계에서는 남은 경로를 선택해 계산 자원을 다시 배분합니다.
이 구조는 수학 연구의 실제 모습과 닮은 부분이 있습니다. 연구자는 한 아이디어만 직선으로 밀지 않습니다. 작은 사례를 계산하고, 기존 정리를 조합하고, 실패하면 가정을 바꾸고, 동료에게 반박을 받습니다. AI는 이 탐색을 매우 넓게 병렬화할 수 있습니다. 사람이 잠드는 동안에도 수천 갈래를 계속 뒤질 수 있다는 점은 분명한 장점입니다.
그러나 에이전트끼리 서로 칭찬하는 구조가 되면 오류가 집단적으로 증폭될 수도 있습니다. 동일한 모델 계열이 만든 주장과 검토는 진정한 독립 검증이 아닐 수 있습니다. 한 에이전트가 만들어낸 교묘한 오류를 다른 에이전트도 자연스럽게 받아들이면, 메시지 수만 늘어난 거대한 확증편향 기계가 됩니다.
그래서 최종 판단은 여전히 외부 수학자에게 돌아갑니다. 코드가 컴파일됐다는 것과 프로그램이 모든 입력에서 올바르다는 것이 다르듯, 형식화 도구가 일부 논리 단계를 통과했다는 것과 문제 전체의 전제·정의·연결이 옳다는 것도 구분해야 합니다.
왜 아직 ‘100만 달러 문제 해결’이 아닌가
Clay의 밀레니엄상은 기업이 보도자료를 냈다고 지급되지 않습니다. 제안된 해법이 적절한 학술 매체에 공개되고, 일정 기간 전문가들의 검증을 견디며, 세계 수학계에서 광범위한 인정을 얻은 뒤에야 연구소가 심사를 검토합니다. Clay의 공식 규정은 출판과 일반적 수용을 포함한 절차를 명시합니다.
현재 보도에서 ‘solved’라는 강한 단어가 보이더라도, 독자가 받아들여야 할 상태는 OpenAI가 해법 후보를 제시했고 검증을 요청하는 단계입니다. 상금이 지급됐거나 문제가 공식 목록에서 해결됨으로 바뀐 것이 아닙니다. 발견의 주체가 인간인지 AI인지도 상금 규정과 학술적 저자성 논의에서 별도 쟁점이 될 수 있습니다.
역사적으로 유명한 난제의 증명은 발표 뒤에도 오랜 검토를 거쳤습니다. 전문가가 증명의 모든 연결을 재구성하고, 인용된 보조정리가 정확히 적용됐는지 보고, 빠진 극단적 사례를 찾습니다. 이번 후보 증명도 같은 기준을 피할 수 없습니다. AI가 만들었다는 이유로 더 낮은 기준을 적용해서도, 반대로 AI라는 이유만으로 읽지 않고 기각해서도 안 됩니다.
따라서 “OpenAI가 100만 달러를 땄다”는 문장은 현재 거짓이고, “OpenAI가 수학계가 검증할 후보 해법을 발표했다”가 현재 확인된 문장입니다.
연구 아이디어 출처 논란은 왜 붙었나
성과 발표 직후 더 민감한 논쟁이 생겼습니다. NYU 수학자 Tristan Buckmaster와 Anthropic 연구자 Levent Alpöge 등 외부 연구자들이 밀접하게 관련된 유체역학 문제를 연구하고 있었고, OpenAI 결과와 시점·아이디어의 관계를 두고 공개적으로 질문을 제기했습니다. 스페인 수학자 Diego Córdoba와 Luis Martínez-Zoroa의 앞선 연구 흐름도 이 맥락에서 함께 거론됩니다.
WIRED의 취재와 Axios 보도에 따르면 논쟁의 핵심은 단순히 “누가 먼저 생각했나”만이 아닙니다. 연구자가 아직 공개하지 않은 아이디어나 원고를 AI 코딩·대화 서비스에서 다뤘을 때, 그것이 다른 내부 연구 시스템에 이용될 가능성이 있는지, 기업은 이를 얼마나 추적하고 설명할 수 있는지가 질문이 됐습니다.
OpenAI는 특정 사용자의 비공개 데이터를 이용해 이 결과를 만들었다는 주장을 부인하고 있습니다. 그렇다고 외부 연구자의 문제 제기가 자동으로 사라지는 것도 아닙니다. 반대로 유사한 접근과 발표 시점만으로 아이디어 절도를 확정할 수도 없습니다. 수학에서는 여러 팀이 공개된 선행 연구를 바탕으로 비슷한 방향에 동시에 도달하는 경우도 있습니다.
필요한 것은 더 강한 말이 아니라 더 좋은 기록입니다. 어떤 논문과 공개 자료를 참조했는지, 내부 시스템이 접근할 수 있었던 데이터 범위는 무엇인지, 결과의 핵심 보조정리가 언제 생성됐는지, 인간 연구자의 기여를 어떻게 인용했는지가 투명해야 합니다. AI가 연구자가 될수록 데이터 거버넌스와 출처 추적도 연구 방법의 일부가 됩니다.
Codex나 ChatGPT에 미공개 연구를 넣어도 될까
이번 논쟁이 일반 연구자와 기업 사용자에게 남기는 현실적인 질문입니다. 서비스마다 소비자용·기업용·API의 데이터 정책과 설정이 다를 수 있으므로 “OpenAI 제품이면 전부 학습된다”거나 “전부 절대 사용되지 않는다”고 뭉뚱그리면 안 됩니다. 사용하는 제품과 계약, 데이터 제어 설정을 직접 확인해야 합니다.
출판 전 논문, 특허 전 발명, 고객 기밀, 소스코드처럼 손실 비용이 큰 정보라면 조직 규정과 계약을 먼저 확인하는 편이 안전합니다. 민감한 원문을 그대로 넣지 않고 문제를 추상화하거나, 승인된 엔터프라이즈 환경·로컬 도구를 쓰고, 업로드와 보존 정책을 기록하는 기본 절차가 필요합니다.
이것은 OpenAI가 이번 결과에 특정 사용자 데이터를 썼다는 단정이 아닙니다. 그 가능성을 둘러싼 논쟁이 생긴 것만으로도 연구기관이 AI 사용 정책을 문서화할 이유가 충분해졌다는 뜻입니다. 연구 아이디어는 유출 여부를 사후에 입증하기 특히 어렵기 때문입니다.
1,300억 토큰이면 비용은 얼마였을까
눈에 띄는 숫자라 공개 API 가격을 곱해 수백만·수천만 달러를 추산하고 싶어집니다. 하지만 OpenAI가 사용한 것은 미공개 내부 모델과 자체 인프라입니다. 실제 입력 토큰, 캐시, 실패한 실행, 하드웨어, 전력, 연구 인력, 내부 원가가 공개되지 않았습니다.
따라서 1,300억 출력 토큰에 현재 소비자용 API 단가를 그대로 곱한 숫자를 ‘프로젝트 비용’이라고 부르면 정확하지 않습니다. 비교할 수 있는 것은 규모입니다. 보통 사용자가 한 번의 대화에서 만드는 출력과는 차원이 다르고, 거대한 추론 예산을 특정 과학 문제에 집중한 실험이라는 점입니다.
이 방식이 반복 가능하려면 답의 가치가 계산비보다 커야 합니다. 신약 후보, 소재 설계, 수학 정리처럼 성공 한 번의 가치가 큰 영역에서는 가능성이 있습니다. 반면 모든 연구 질문에 1만 에이전트를 투입할 수는 없습니다. 어떤 문제에 얼마나 많은 탐색을 배정할지 판단하는 시스템도 성능의 일부가 됩니다.
이 사건이 AI 연구의 방향을 바꿀까
첫째, 모델 성능 경쟁이 ‘한 번에 답하기’에서 ‘오래 일하기’로 이동합니다. 에이전트가 며칠 동안 상태를 유지하고, 다른 작업자의 결과를 읽고, 실패를 버리고, 새로운 경로를 배정하는 능력이 중요해집니다. 챗봇 벤치마크보다 연구 조직에 가까운 평가가 필요해집니다.
둘째, 결과물보다 검증 인프라가 병목이 됩니다. AI가 하루에 후보 증명 수백 개를 만들더라도 이를 읽을 수학자의 시간은 늘지 않습니다. 형식 증명 시스템, 자동 반례 탐색, 출처 추적과 인간 전문가 검토가 함께 확장돼야 합니다. 생성 속도만 빨라지면 오히려 검증되지 않은 논문이 넘칠 수 있습니다.
셋째, 공로 배분이 어려워집니다. 기반 논문을 쓴 연구자, 프롬프트와 에이전트 구조를 설계한 팀, 내부 모델을 만든 팀, 오류를 발견한 외부 검토자 중 누구를 저자로 볼지 기존 관행만으로 답하기 어렵습니다. AI가 독창적인 조합을 만들었더라도 인간의 선행 연구를 제대로 인용해야 한다는 원칙은 사라지지 않습니다.
넷째, 과학적 신뢰는 회사의 브랜드가 아니라 재현 가능성에서 나옵니다. 모델 가중치를 모두 공개하지 않더라도 적어도 증명 전문, 핵심 로그와 참고문헌, 검증 가능한 형식 표현은 외부 전문가가 접근할 수 있어야 합니다. “더 강한 비공개 모델이 했다”는 설명만으로는 수학적 증명이 완성되지 않습니다.
앞으로 무엇을 보면 진짜 해결인지 알 수 있나
첫째, 증명 전문과 정확한 문제 설정이 공개됐는지 봐야 합니다. 둘째, Navier–Stokes를 연구하는 외부 전문가들이 핵심 단계를 재현하고 오류가 없다고 평가하는지 확인해야 합니다. 셋째, 기존 논문과 외부 연구자의 기여가 충분히 인용됐는지 봐야 합니다. 넷째, Clay가 공식 절차에 들어갔다고 발표하는지 확인해야 합니다.
SNS에서 “수학자가 맞다고 했다”는 한두 문장만으로는 부족합니다. 긴 증명은 여러 전문 분야를 걸칠 수 있고, 초기에 긍정적으로 본 연구자도 후속 검토에서 오류를 찾을 수 있습니다. 반대로 첫 오류 지적이 수정 가능한 표기 문제인지, 전체 결론을 무너뜨리는 결함인지도 구분해야 합니다.
자주 묻는 질문
OpenAI가 정말 나비에–스토크스 문제를 풀었나?
OpenAI는 내부 AI 시스템이 후보 해법을 만들었다고 발표했습니다. 그러나 2026년 9월 10일 현재 수학계의 장기 검증과 Clay의 공식 인정을 마친 해결은 아닙니다.
100만 달러 상금은 누가 받나?
아직 지급되지 않았습니다. 공식 해결로 인정될 경우 AI와 인간 연구팀의 저자성, 자격과 공로 배분이 어떻게 처리될지도 검토 대상이 될 수 있습니다.
에이전트 1만 개면 모델도 1만 종류인가?
그렇게 볼 수 없습니다. 다수의 작업 인스턴스가 역할과 탐색 경로를 나눠 협업한 구조입니다. 같은 기반 모델을 사용하면 공통 오류를 공유할 위험도 있습니다.
외부 수학자의 아이디어를 훔친 것으로 확인됐나?
확인되지 않았습니다. 외부 연구자들이 시점과 관련성을 두고 문제를 제기했고 OpenAI는 특정 사용자 데이터를 이용했다는 주장을 부인합니다. 독립적으로 확인할 수 있는 출처 기록과 추가 설명이 필요합니다.
팩트는 이것입니다
OpenAI의 발표는 가볍게 넘길 사건이 아닙니다. 약 1만 개 AI 에이전트가 88시간 동안 270만 건의 메시지와 약 1,300억 출력 토큰을 만들어, 최고 수준의 수학자가 검토할 후보 결과에 도달했다는 주장 자체가 과학 AI의 규모를 바꿉니다.
하지만 계산 규모는 증명의 정확성을 보장하지 않습니다. 상금은 아직 잠겨 있고, 공식 해결도 아닙니다. 외부 연구자와의 아이디어 출처 논쟁 역시 의혹이나 회사의 부인 어느 한쪽만으로 끝낼 수 없습니다.
가장 정확한 결론은 이렇습니다. AI가 100만 달러 문제를 끝냈다고 축하하기에는 이르고, 단순한 챗봇이 수학자 흉내를 냈다고 무시하기에도 결과의 규모가 너무 큽니다. 이제 공은 사람에게 넘어왔습니다. 수천 개 AI가 만든 증명을 수학계가 얼마나 오래, 얼마나 엄격하게 버텨내는지 봐야 합니다. 팩트는 검증을 통과한 뒤에 완성됩니다.
참고 자료
- OpenAI — Navier–Stokes solution
- Clay Mathematics Institute — Navier–Stokes Equation
- Clay Mathematics Institute — Millennium Prize Problems Rules
- WIRED — OpenAI Navier–Stokes discovery and academics' questions
- Axios — OpenAI math solution and credit dispute
- Business Insider — OpenAI math fight and user idea safety
