인공지능(AI) 시스템이 수학 연구에 기여하는 능력이 점점 더 강력해지고 있지만, 이로 인해 새로운 병목 현상이 발생하고 있습니다. 최첨단 AI 모델의 추론 능력과 전문가의 수학적 검토는 모두 제한된 자원이기 때문에, 이 귀한 자원을 효율적으로 배분하는 것이 AI 기반 수학적 발견의 핵심 과제로 떠올랐습니다. 기존의 AI 활용 수학 연구 방식에서는 인간의 노력이 연구 문제 선정과 결과물 검토라는 시작과 끝 단계에 집중되어 있었는데, 이 두 단계가 연구 효율성을 저해하는 병목이 되고 있습니다.
이러한 문제를 해결하기 위해 새로운 인간-AI 협업 패러다임이 제안되었습니다. 이 방식에서는 인간 전문가가 미리 하나의 특정 문제를 선정하는 대신, 관심 있는 '연구 방향'을 제시합니다. 그러면 AI 시스템은 해당 방향과 관련된 방대한 문헌을 탐색하여 잠재적인 연구 문제들을 찾아냅니다. '찾기(Find), 시도하기(Attempt), 추천하기(Recommend)'라는 이름의 FAR(Find, Attempt, Recommend) 시스템은 검색 및 추천 시스템에서 영감을 받아, 적합한 문제를 자동으로 탐색하고 여러 필터링 단계를 거쳐 인간의 검토가 필요한 결과물에만 집중하도록 돕습니다.
조합론 분야의 시범 연구에서 FAR 파이프라인은 5,245편의 조합론 논문에서 시작하여 6,453개의 가설 또는 미해결 문제를 발굴했습니다. 이후 이들을 4,717개의 명확하고 아직 해결되지 않은 가설로 필터링했습니다. 추가적인 추론 및 자동 분류 단계를 거쳐 598개의 잠재적 해결책을 제시하고, 최종적으로 77개의 항목을 연구팀의 검토 대상으로 선정했습니다. 이 과정에서 Davies-Jenssen-Perkins-Roberts, Erdős-Straus, Ikenmeyer-Pak-Panova, Lund-Saraf-Wolf 등의 가설과 질문에 대한 흥미로운 발견들이 다수 확인되어, 이 새로운 인간-AI 협업 방식이 수학적 발견에 효과적임을 입증했습니다.
이러한 접근 방식은 수학 연구의 효율성을 혁신적으로 높일 수 있음을 시사합니다. AI가 방대한 데이터를 분석하고 잠재적 문제를 발굴하는 초기 단계를 자동화함으로써, 인간 전문가는 가장 중요한 단계인 심층적인 사고와 검증에 더 많은 시간을 할애할 수 있게 됩니다. 이는 단순히 문제를 푸는 것을 넘어, 새로운 수학적 지식을 발견하는 과정 자체를 가속화하고, 궁극적으로는 인류의 수학적 이해를 확장하는 데 크게 기여할 것입니다.