AI 연구 결과, 왜 수학자와 물리학자의 공개 방식이 다를까
‘AI가 오랫동안 풀리지 않은 문제를 해결했다.’ 이런 발표를 들으면 가장 먼저 결과가 맞는지 묻게 된다. 하지만 그다음에도 질문이 남는다. 누가 결과를 살펴볼 수 있는가? 내용을 이해하기 어려울 때 누가 설명하는가? 학술적인 글은 누가 쓰고, 그 성과에 대한 공로와 책임은 누구에게 돌아가는가?
이 질문에 모든 분야가 같은 답을 내놓는 것은 아닐 수 있다. NPR 팟캐스트 대본에 따르면 OpenAI는 수학·컴퓨터과학·물리학에서 AI가 만든 결과 세 가지를 발표하면서 각 분야 전문가들에게 공개 방식을 물었다. 대본에 소개된 제안은 서로 달랐다. 수학자 그룹은 결과를 내놓고 연구자들이 대응하도록 하자고 했고, 컴퓨터과학자 그룹은 공개와 함께 결과를 설명하는 회의를 요청했다. 물리학자 그룹은 AI가 작성한 원고를 공개하지 말고 인간 연구자들이 직접 정리하도록 권했다.
이것은 세 분야가 원래부터 각각 정해진 규칙을 갖고 있다는 뜻이 아니다. 팟캐스트가 전한 것은 회사가 상의한 전문가 그룹들의 제안이다. 확보된 대본만으로는 각 분야 전체의 의견이나 세 결과의 정확성을 확인할 수 없다. 그럼에도 이 사례는 연구 결과를 세상에 내놓는 일이 단순히 파일을 인터넷에 올리는 것보다 복잡하다는 점을 보여준다.
발표는 검증의 출발점이다
팟캐스트는 OpenAI가 AI로 생성한 세 가지 발견을 발표했다고 소개한다. 그중 수학 결과는 여러 차원에서 바늘을 모든 방향으로 돌리는 데 필요한 공간과 관련된 오랜 추측을 풀었다는 회사의 주장이다. 물리학 결과에 관해서는 물질을 이루는 입자들 사이의 힘을 설명하는 이론을 엄밀한 수학적 형태로 구성했다는 주장을 전한다. 컴퓨터과학 결과 역시 어려운 문제를 푸는 데 필요한 계산에 관한 주장으로 소개된다.
이 설명만으로 해당 문제가 실제로 풀렸다고 받아들일 수는 없다. 발표는 어떤 결과가 나왔다는 소식을 전하지만, 그 결과가 성립한다는 판단은 결과의 내용과 근거를 따져야 얻을 수 있다. 특히 대본은 연구 자체가 아니라 진행자들이 발표를 요약하고 논평한 자료다. 진행자가 결과를 ‘발견’이나 ‘해결’이라고 부르는 것과 해당 분야 전문가들의 독립적인 검증은 별개다.
수학의 증명이라면 독자는 결론에 이르는 단계들이 빠짐없이 성립하는지 물을 수 있다. 컴퓨터과학의 결과라면 어떤 문제와 계산 조건을 대상으로 한 결론인지 살펴봐야 한다. 물리학에서는 제시된 이론적 주장이 기존 지식과 어떤 관계를 갖고 무엇을 입증하는지 따져볼 수 있다. 이것은 세 발표의 내용이 이미 그렇게 검토됐다는 말이 아니다. 결과의 종류에 따라 확인해야 할 질문이 달라질 수 있다는 뜻이다.
연구자에게 원고는 판단에 필요한 자료이지, 판단 그 자체가 아니다. 결론과 논거가 공개돼야 다른 사람이 이를 추적할 수 있지만, 공개됐다는 이유만으로 그 논거가 옳아지는 것은 아니다. 반대로 아직 검토되지 않았다는 사실만으로 반드시 틀렸다고 할 수도 없다. 발표를 읽는 일반 독자에게 중요한 구분은 ‘주장이 나왔다’와 ‘주장이 검증됐다’ 사이에 과정이 있다는 것이다.
원고를 많이 공개하면 누가 읽을까
팟캐스트가 전한 배경에는 대량 공개를 둘러싼 반발이 있다. 대본에 따르면 OpenAI가 앞서 코드와 문서를 공유하는 사이트인 깃허브에 AI가 작성한 수학 원고 722편을 올리자 수학자들 사이에서 더 큰 반발이 일었다. 대본은 이 반발의 정확한 규모나 모든 이유를 조사한 자료는 아니다. 다만 왜 공개 방식이 별도 문제로 떠올랐는지 이해할 단서를 준다.
원고가 한 편이든 여러 편이든, 내용을 검토하는 데에는 그 문제를 이해하는 사람의 시간과 주의가 필요하다. 많은 원고가 한꺼번에 제시되면 연구자들은 무엇을 먼저 읽을지, 어떤 주장이 중요한지, 누가 어떤 부분을 확인할지를 정해야 할 수 있다. 공개한 쪽이 자료를 내놓는 데 쓴 시간과 공동체가 그 자료를 이해하고 평가하는 데 필요한 시간은 같은 것이 아니다.
그렇다고 대량 공개의 부담을 곧바로 실제 피해 규모로 환산할 수는 없다. 확보된 대본에는 원고마다 누가 얼마나 오래 검토했는지, 결과적으로 어떤 연구가 중단됐는지에 대한 근거가 없다. 분명한 것은 발표량이 많아질수록 검토를 어떻게 조직할 것인지가 중요한 질문이 된다는 점이다. 자료에 접근할 권리와 자료를 평가할 능력은 서로 보완하지만 같은 일은 아니다.
수학자 그룹: 공개하고 연구자들이 대응한다
이 배경에서 대본에 나온 수학자 그룹의 제안은 AI의 결과물을 공개하고 연구자들이 스스로 대응 방식을 조직하도록 하자는 것이었다. 회사가 결과를 내놓으면 학계가 이를 살펴보고 무엇을 할지 정한다는 구상이다.
이 방식에서는 결과물에 대한 접근이 앞에 놓인다. 관련 연구자들이 회사가 고른 소수의 설명에만 의존하지 않고 공개된 자료를 직접 읽을 수 있기 때문이다. 서로 다른 연구자가 각자의 관점에서 논증을 살피거나, 후속 논의를 어떻게 나눌지 결정할 여지도 생긴다. 공개는 누구든 원칙적으로 내용을 검토할 수 있는 출발점을 만든다.
하지만 공개만으로 검토가 저절로 완료되지는 않는다. 자료가 어렵거나 분량이 많으면 이를 읽을 전문가를 찾고, 쟁점을 정리하고, 서로의 평가를 비교하는 일은 여전히 남는다. ‘연구자들이 조직한다’는 제안은 그 일을 없애는 것이 아니라 공동체가 맡도록 하는 선택이다. 또 팟캐스트가 인용한 수학자 그룹의 의견을 모든 수학자의 선호로 받아들여서는 안 된다. 앞선 대량 공개에 반발이 있었다는 대본의 설명과 이 그룹의 공개 제안이 함께 등장한다는 사실 자체가, 해당 분야 안에서도 공개에 관한 논의가 단순하지 않음을 보여준다.
컴퓨터과학자 그룹: 공개와 설명을 묶는다
컴퓨터과학자 그룹은 대본에서 조금 다른 요구를 한 것으로 소개된다. 결과를 모두 공개하되, OpenAI가 결과를 설명하는 회의의 비용도 대라는 것이다. 핵심 차이는 공개된 문서를 읽는 일 외에, 내용을 함께 설명받고 논의할 자리를 요청했다는 데 있다.
연구 자료가 공개돼 있어도 모든 독자가 그 주장의 범위와 논증을 곧바로 이해할 수 있는 것은 아니다. 설명의 자리가 있다면 자료를 내놓은 쪽에 어떤 조건에서 결론이 나오는지 묻고, 연구자들이 이해한 내용이 서로 같은지 확인하는 기회를 마련할 수 있다. 문서를 제공하는 책임과 그 문서를 이해할 수 있게 설명하는 책임을 함께 생각한 제안인 셈이다.
이때 회의는 검증의 대체물이 아니다. 설명을 잘 듣고 질문할 기회가 있더라도, 주장이 옳은지는 별도로 따져야 한다. 대본은 이 그룹이 회의를 요청했다고 전할 뿐, 확보된 부분에는 회의가 실제로 열렸는지, 누가 참석했는지, 어떤 질문이 오갔는지 나오지 않는다. 따라서 회의가 검증을 성공시켰다거나 공개에 대한 반발을 줄였다고 말할 수는 없다. 비교할 수 있는 것은 제안의 내용이다. 수학자 그룹이 공개 후 공동체의 대응을 강조했다면, 이 그룹은 공개에 더해 설명의 장을 마련하도록 요구했다.
물리학자 그룹: 인간이 연구 내용을 다시 쓴다
대본에 따르면 물리학자 그룹은 AI가 작성한 설명문을 공개하지 않고 인간 과학자들이 직접 결과를 정리하도록 권했다. 이는 단순히 ‘공개하느냐, 숨기느냐’의 문제가 아니다. 연구 내용을 어떤 글의 형태로 전달할지, 그 글을 누가 책임지고 작성할지에 관한 제안이다.
연구 원고를 쓴다는 것은 문장을 매끄럽게 고치는 일만은 아니다. 어떤 질문에 답하는지 밝히고, 주장의 근거와 범위를 정리하며, 독자가 논리를 따라갈 수 있도록 설명하는 일이 포함된다. 인간 연구자가 직접 정리하는 방식에서는 그 연구자들이 결과를 이해하고 설명하는 과정이 학계에 전달할 글을 만드는 일과 연결된다. AI가 낸 문장을 그대로 읽게 하는 대신, 인간이 어떤 내용으로 정리해 제시할지를 중시한 선택으로 볼 수 있다.
그렇다고 인간이 쓴 글이면 자동으로 정확해지는 것은 아니다. 인간 연구자의 원고 역시 다른 전문가의 평가 대상이다. 또한 대본에 나온 제안만으로 해당 그룹이 AI의 기여를 모두 부정했다거나 물리학계 전체가 AI 원고 공개에 반대했다고 해석할 수 없다. 확보된 자료에서 확인되는 차이는 더 좁다. 이 그룹은 AI의 작성물을 그대로 공개하는 대신 인간 물리학자가 정리하는 방식을 권했다.
이 선택에는 공개되는 문서가 무엇인지가 중요하다. 결과에 관심이 있는 사람은 AI가 처음 만든 표현을 보고 싶어 할 수도 있고, 검토와 설명을 맡은 인간 연구자가 정리한 글을 통해 내용을 이해하고 싶어 할 수도 있다. 두 문서가 어떤 관계인지, 원래 결과에서 무엇이 정리됐는지에 따라 독자가 추적할 수 있는 내용도 달라진다. 다만 이 사례에서 실제로 어떤 문서가 어떻게 공개됐는지는 확보된 대본만으로 단정할 수 없다.
공로를 요구하지 않는다는 말과 남는 질문
팟캐스트는 OpenAI가 자사 모델이 만들어 낸 발견에 대해 학술적 공로를 요구하지 않는다고 말했다고도 전한다. 이는 회사가 밝힌 입장이다. 그러나 공로를 요구하지 않는다는 말만으로 공로와 책임의 배분이 모두 해결되는 것은 아니다.
결과를 낸 모델을 만든 회사, 결과를 검토하고 설명하는 전문가, 원고를 작성하는 연구자는 서로 다른 일을 한다. 누가 어떤 기여를 했는지 기록하는 문제와, 누가 공개적으로 결과를 발표하는지의 문제도 구별된다. 팟캐스트의 한 진행자는 회사가 학술적 공로를 요구하지 않는다고 하면서도 회사의 블로그와 소셜미디어로 결과를 알리는 점을 비꼬았다. 이는 발표를 둘러싼 진행자의 논평이지, 실제 공로가 어떻게 배분됐다는 검증은 아니다. 다만 학술적 공로를 주장하는 일과 발표의 주목을 받는 일이 같지 않다는 점은 생각하게 한다.
대본은 회사가 상의할 전문가들을 직접 골랐다는 비판도 전한다. 일부 전문가에게 조언을 구하는 것은 공개 방식을 정하는 데 도움을 줄 수 있다. 동시에 그들의 의견이 해당 분야 전체를 대표하는지는 별도로 물어야 한다. 누가 결과를 검토하고 정리할 수 있는지뿐 아니라 누가 그 절차를 설계하는 자리에 참여하는지도 학계의 수용에 영향을 줄 수 있는 질문이다. 대본은 OpenAI가 더 나은 방법을 찾고 싶다고 인정했다고 전하지만, 그 방법이 마련됐거나 대표성 문제가 해결됐다는 근거는 제시하지 않는다.
세 그룹의 제안은 결국 서로 다른 일을 어디에 배치할지 보여준다. 수학자 그룹의 구상에서는 자료 공개 뒤 공동체가 대응을 조직한다. 컴퓨터과학자 그룹은 공개에 회사가 비용을 대는 설명의 자리를 더한다. 물리학자 그룹은 인간 연구자의 저술을 학계 전달의 중심에 둔다. 어느 방식이 실제로 더 정확한 검증을 낳았는지 이 대본만으로 순위를 매길 수는 없다. 또 분야의 차이가 왜 생겼는지 각 그룹이 밝힌 상세한 이유도 여기서는 확인되지 않는다.
AI 연구 발표를 접한 독자라면 ‘공개됐다’는 한마디에서 멈추지 않고 무엇이 공개됐는지, 누가 내용을 설명하는지, 독립적인 검토가 이뤄졌는지 나눠서 볼 필요가 있다. 인간이 결과를 다시 썼다면 어떤 역할을 맡았는지, 회사가 공로에 관해 무엇을 주장하는지도 따로 물을 수 있다. 이 사례가 보여주는 것은 AI가 세 문제를 풀었다는 확정적 결론이 아니다. 연구 결과가 신뢰받는 지식이 되려면 결과를 내놓는 순간 이후의 일도 누군가는 해야 하며, 그 일을 누구에게 어떻게 맡길지는 하나로 정해져 있지 않다는 사실이다.