출처
- source_url: https://aisparkup.com/posts/15032
- author: Spark
- published: Thu, 06 Aug 2026 01:29:13 +0000
- raw: raw source:
2026-08-06-aisparkup-post-15032-ai
개요
OpenAI가 미공개 모델을 통해 에르되시가 제기한 수학 난제들을 풀거나 진전시키면서, AI가 유독 에르되시 문제에서 성과를 내는 이유가 주목받았습니다. 핵심 원인은 에르되시 문제가 정수론·조합론·그래프 이론에 집중되어 있고, 문제의 서술이 짧으며 정답 판정이 비교적 명확하다는 점입니다. 또한 문제 난이도가 다양해 현재 능력이 고르지 않은 AI의 시험장으로 활용되기 쉽습니다. 토머스 블룸이 흩어져 있던 문제를 정리하고 토론 커뮤니티를 만든 것도 연구와 검증을 촉진한 배경으로 소개됩니다.
핵심 포인트
- OpenAI는 2026년 8월 1일 미공개 모델 Astra가 수학·이론컴퓨터과학 난제 10개를 풀거나 진전시켰으며, 그중 3개가 에르되시 문제였다고 발표했습니다.
- 이에 앞서 2026년 5월에는 내부 모델이 1946년 에르되시의 ‘단위 거리 문제’에 대한 반례를 제시했다는 발표도 있었습니다.
- 맨체스터 대학의 수학자 토머스 블룸은 2023년
erdosproblems.com을 만들어 에르되시의 문제와 해결 여부를 정리했고, 2025년 댓글 기능을 추가해 전문가와 비전문가가 논의하는 커뮤니티를 형성했습니다. - 에르되시 문제는 주로 LLM이 상대적으로 다루기 쉬운 정수론·조합론·그래프 이론에 속하며, 난이도 범위도 넓습니다.
- 문제의 설명이 짧고, 증명이나 반례의 정합성을 비교적 명확하게 판정할 수 있어 AI의 결과를 사람이 검토하기 쉽습니다.
- 케빈 바레토와 리엄 프라이스는 GPT-5.2로 에르되시 문제를 탐색했고, 이미 해결된 문제를 미해결 문제로 오인한 뒤 검증 절차를 보완하면서 Erdős 728의 해법을 찾았습니다.
왜 중요한가
에르되시 문제의 사례는 AI의 수학적 능력이 모든 난제에 동일하게 적용된다는 뜻이라기보다, AI가 성과를 내기 쉬운 작업의 조건을 보여줍니다. 업무에 AI를 적용할 때도 작업이 짧고 명확하게 정의되는지, 결과의 정답 여부를 사람이 빠르게 판정할 수 있는지를 먼저 확인해야 합니다. 반대로 결과가 그럴듯해 보이는지만 판단할 수 있고 실제 검증이 어렵다면, AI가 생성한 장문의 증명이나 보고서를 신뢰하기 어려울 수 있습니다.
참고 링크
- 원문: https://aisparkup.com/posts/15032
- 출처 기사: https://www.quantamagazine.org/why-the-legendary-erdos-problems-are-falling-to-ai-20260803/
- 에르되시 문제 목록: http://erdosproblems.com/
관련 위키
원문 보존 위치
원문 전체는 raw source: 2026-08-06-aisparkup-post-15032-ai에 source_url 및 HTML 원문과 함께 저장되어 있습니다.