[AI는 지금] AI도 '집단 연구' 나섰다…오픈AI, 1만개 에이전트로 90년 수학 난제 풀어 작성일 09-09 58 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">1300억 토큰 쏟아붓고 성과 따라 자원 재배치…AI 경쟁, 모델 성능 넘어 '에이전트 운용'으로</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="byZO6iB3AX"> <p contents-hash="c934ad3a497a359e9626fda19e145c177fb3d543e0ff414058ec1b802231b4da" dmcf-pid="KSGrfe71kH" dmcf-ptype="general">(지디넷코리아=장유미 기자)오픈AI가 90년 가까이 풀리지 않았던 수학 난제에 인공지능(AI) 에이전트 약 1만 개를 투입해 88시간 만에 해법을 찾아냈다. AI 경쟁이 더 강력한 모델을 만드는 데서 수많은 에이전트와 막대한 컴퓨팅 자원을 동원해 고난도 문제를 해결하는 방향으로 확장된 모습이다.</p> <p contents-hash="3c351c394509a87e6c5f6f9ce0104606199bac142f0eecfbd0370ef559ddc455" dmcf-pid="9vHm4dztoG" dmcf-ptype="general">오픈AI는 차세대 내부 AI 모델을 기반으로 한 에이전트들이 '나비에-스토크스 존재성과 매끄러움 문제'에 대한 해법을 제시했다고 9일 밝혔다. 나비에-스토크스 방정식은 물과 공기 같은 유체의 움직임을 설명하며, 존재성과 매끄러움 문제는 클레이수학연구소가 2000년 선정한 7개 밀레니엄 문제 가운데 하나다.</p> <p contents-hash="ca15d23b640735d1a28fea4ae69a8c4925eb7cdaf695ba636114129b673f371a" dmcf-pid="2TXs8JqFkY" dmcf-ptype="general">이번 연구에는 최근 공개된 'GPT-6 아스트라'보다 성능이 높은 차세대 내부 모델이 사용됐다. 오픈AI는 지난 8월 말부터 이 모델을 학습해 왔으며 수학을 포함한 여러 분야에서 기존 모델보다 성능이 크게 향상됐다고 밝혔다.</p> <figure class="figure_frm origin_fig" contents-hash="9cb9e31063535fdea91a5c8aa9946d4efd8817b70cd0933fa84138d4b97bbd00" dmcf-pid="VyZO6iB3oW" dmcf-ptype="figure"> <p class="link_figure"><img alt="샘 알트먼 오픈AI CEO (사진=뉴스1)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/09/ZDNetKorea/20260909112038427uuzg.jpg" data-org-width="639" dmcf-mid="BMmn0KGhoZ" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/09/ZDNetKorea/20260909112038427uuzg.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 샘 알트먼 오픈AI CEO (사진=뉴스1) </figcaption> </figure> <p contents-hash="ac9fdc065cae1e88034571a9b3822c755014e2e0d2c9b84d2ec2ebc95e3097a7" dmcf-pid="fW5IPnb0oy" dmcf-ptype="general">오픈AI는 지난 1일 여러 밀레니엄 문제에 에이전트를 분산 투입해 동시에 해법 탐색에 나섰다. 약 100개의 에이전트가 50시간가량 작업한 끝에 외력이 없는 오일러 방정식의 정칙성 문제에서 진전을 보이자 연구진은 다른 문제에 투입했던 자원을 나비에-스토크스로 옮겼다.</p> <p contents-hash="20fab1e9e3a31366b8055e28e1ffbb97902f71cdb4049f3d2f03457fe5e43485" dmcf-pid="4Y1CQLKpoT" dmcf-ptype="general">에이전트들은 서로 다른 접근법으로 문제를 병렬 탐색했다. 또 특정 집단에서 성과가 나오면 코딩 에이전트 '코덱스'로 유용한 결과를 취합해 다른 에이전트에 전달했다. 연구 도중 성능이 개선된 내부 모델이 나오자 에이전트의 기반 모델도 교체했다.</p> <p contents-hash="a271653a862e54833c88b295880a5102f14a9852b63b26ed8f7883cd8204d60b" dmcf-pid="8Gthxo9UNv" dmcf-ptype="general">나비에-스토크스 문제에는 최대 약 1만 개의 에이전트가 동시에 투입됐다. 이들은 270만 건의 메시지를 주고받으며 약 1300억 개의 출력 토큰을 사용했다. 해법에 도달하기까지 걸린 시간은 약 88시간이다.</p> <p contents-hash="be351f50af74b5b6bedde9e3914555b2bbc38ff7d6baf369eb7581d1ca4adf2e" dmcf-pid="6HFlMg2ucS" dmcf-ptype="general">오픈AI가 이번에 시도한 전체 수학 문제로 범위를 넓히면 에이전트들이 주고받은 메시지는 490만 건, 출력 토큰은 약 3000억 개에 달한다. 해법을 찾은 뒤에는 GPT-6 아스트라를 이용해 수학적 증명 보조 시스템 '린(Lean)'으로 결과를 형식화하고 검증하는 데 17시간을 추가로 투입했다.</p> <p contents-hash="4de4aa9ec4af682ed303efd2fb8daaf3f97d371f2c2e5d9e3340c2bcbd69945b" dmcf-pid="PX3SRaV7jl" dmcf-ptype="general">이번 연구 방식은 프런티어 AI의 컴퓨팅 경쟁이 학습에서 문제 해결 단계로 빠르게 넓어지고 있음을 보여준 것으로 평가된다. 빅테크들은 그동안 대규모 그래픽처리장치(GPU)와 데이터를 투입해 모델 자체의 성능을 높이는 데 주력했다. 그러나 최근에는 답을 생성하기 전 더 많은 연산을 수행하는 '추론 스케일링'을 통해 성능을 끌어올리고 있다.</p> <p contents-hash="026ee381a9b39e21de3dd2a02e3097178b1f9ad781027f0e53099ea043469d59" dmcf-pid="QZ0veNfzjh" dmcf-ptype="general">오픈AI는 이번 연구에서 하나의 모델이 더 오래 추론하는 방식에 더해 수천개의 에이전트를 병렬로 가동했다. 여러 에이전트가 서로 다른 해결 경로를 탐색하고 중간 결과를 공유했으며 가능성이 높은 문제에는 다른 작업에 사용하던 컴퓨팅 자원까지 집중했다. 모델 성능뿐 아니라 에이전트를 얼마나 효율적으로 배치하고 운영하느냐도 고난도 문제를 푸는 핵심 경쟁력으로 떠오른 셈이다.</p> <p contents-hash="e6efc4a25ab79242d39a1bb1f1ad36b0c387db59f2dbc6a5630d063534672b7d" dmcf-pid="x5pTdj4qoC" dmcf-ptype="general">AI 에이전트를 연구에 활용하는 움직임도 빨라지고 있다. 오픈AI가 지난 6일 공개한 내부 자료에 따르면 지난 8월 중순 기준 연구자 1명이 하루 동안 일할 때 에이전트가 수행하는 작업량은 평균 3.1일분으로 집계됐다.</p> <p contents-hash="d97126f4e7da70973730d6125bfde599ab30b2d9c763192a62c6596fc40702e9" dmcf-pid="ynjQHphDAI" dmcf-ptype="general">이처럼 연구자가 여러 에이전트에 과제를 배분하고 결과를 취합하는 방식이 확산되면 AI 인프라 수요도 학습 중심에서 장시간 추론으로 넓어질 가능성이 있다. 신약이나 신소재, 반도체 설계처럼 연구 성과의 경제적 가치가 큰 분야에서는 대규모 컴퓨팅을 투입해 탐색 시간을 줄이는 방식이 활용될 수 있을 것으로 보인다.</p> <p contents-hash="696db2460773d55db7a372a146f7abffb314a40b17cd3563281ea76db467f1bc" dmcf-pid="WLAxXUlwoO" dmcf-ptype="general">다만 오픈AI가 제시한 결과가 밀레니엄 문제의 공식 해결로 인정된 것은 아니다. 수학계의 독립적인 검증과 클레이수학연구소의 인정 절차가 남아 있으며 오픈AI도 이번 결과로 100만 달러의 상금을 청구하지 않겠다고 밝혔다.</p> <p contents-hash="048c48d2a45544c1d9a7168c461d0d345920759d32f7cc025ef29abf04577b28" dmcf-pid="YITkKQ0Hgs" dmcf-ptype="general">연구 착수 과정을 둘러싼 논란도 불거졌다. 뉴욕대 트리스탄 버크마스터 교수와 앤트로픽 소속 수학자 레벤트 알푀게가 관련 연구를 진행하고 있다는 정보가 오픈AI에 전달된 뒤 회사가 나비에-스토크스 문제에 자원을 집중했다는 주장이 제기됐다. 오픈AI는 이들의 연구 결과가 공개되기 전에 내용을 확인하거나 사용자 데이터에 접근한 사실은 없다고 반박했다.</p> <p contents-hash="047ad8c453f2007986f168e7e0c1b10981be49c0df0d5047215fa5b65f356bc8" dmcf-pid="GCyE9xpXAm" dmcf-ptype="general">오픈AI는 이번 결과를 차세대 AI 모델의 연구 능력을 확인한 사례로 평가했다. 회사는 해당 내부 모델의 학습을 계속하면서 성능 향상 속도와 활용 범위를 점검할 계획이다.</p> <p contents-hash="14a89dc765ca62051cc272dd568e3a1ddf63636a1e44fffa263b9edb5a390b9a" dmcf-pid="HhWD2MUZcr" dmcf-ptype="general">오픈AI는 "이 모델을 이해하는 데 집중하고 있다"며 "이를 통해 향후 능력 향상을 어떻게 추진하고 속도를 조절할지 판단하는 데 활용하고 있다"고 밝혔다.</p> <p contents-hash="1317406bc57c89e8a95cf57c320bcf70e68ac7bc387237ec56f40440e92c1ade" dmcf-pid="XlYwVRu5kw" dmcf-ptype="general">장유미 기자(sweet@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 "빗방울보다 적은 물로 전기 만든다…초소형 수분발전기 개발" 09-09 다음 AI 팩토리부터 웹툰·IP사업까지…네이버, 佛 AI생태계 진출 박차 [韓佛기업 첨단산업 협력] 09-09 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
