ChatGPT로 60년간 미해결 수학 문제를 푼 23세——AI의 '사용법'이 돌파구가 됐다
機械翻訳 / Machine-translated
霧島ヒカリ
2026年4月29日・5分で読める
60년 동안 전문가들이 풀지 못했던 수학 문제를 23세의 아마추어가 풀었다. 무기는 ChatGPT——정확히는, 그 '사용법'이다. 4월 27일 GIGAZINE이 보도한 이 뉴스는 "AI가 풀었다"가 아니라 "AI와 함께한 인간이 풀었다"는 점에서 연구자 커뮤니티에 조용한 충격을 주고 있다.
보도에 따르면, 고도의 수학 전문 교육을 받지 않은 리암 프라이스(Liam Price, 23세)가 ChatGPT의 도움을 빌려 수학계에서 60년 이상 미해결 상태였던 문제를 풀었다는 사실이 밝혀졌다. GIGAZINE이 4월 27일 전한 바에 따르면, 프라이스는 전문적인 증명 기법을 체계적으로 배운 것이 아니라 ChatGPT와의 대화를 반복하면서 문제의 구조에 접근했다고 한다.
X(구 Twitter)에서도 이 화제가 확산되고 있으며, 한 사용자는 이렇게 썼다.
전문가들이 60년간 풀지 못했던 수학 문제를 23세 아마추어가 해결, 열쇠는 ChatGPT 사용법——이건 단순히 "AI 대단하다"는 이야기가 아니라 "누가 사용하느냐"의 문제라고 생각한다
"AI가 대단하다"는 맥락이 아닌 "사용법의 문제"로 받아들이는 반응이 엔지니어 층을 중심으로 눈에 띄고 있다.
LLM(대규모 언어 모델)은 2022년 말 ChatGPT 공개 이후 급속히 보급됐다. 2025년 기준 OpenAI의 월간 활성 사용자는 5억 명을 넘었으며, 단순한 문서 작성 도구에서 연구 보조·코딩·수학적 추론으로 용도가 확대돼 왔다.
수학 적용에 대해서는 2024년 이후 'o1', 'o3'와 같은 추론 특화 모델이 등장하면서 IMO(국제수학올림피아드) 수준의 문제를 풀 수 있는 사례도 나타나기 시작했다. 다만, 이번 사례가 다른 점은 모델의 '고성능함'만으로는 설명할 수 없다는 것이다. 프라이스가 사용한 것은 최신 추론 모델이 아니라 대화를 설계하는 '질문을 세우는 방법'이었다고 보인다.
전문 교육 없이 60년간의 미해결 문제에 도달할 수 있었다면, 문제가 되는 것은 모델의 스펙보다 인간 측의 문제 분해 능력이라는 이야기가 된다.
소박해 보여도 효과가 있는 부분이다. ChatGPT는 답을 '가지고 있는' 것이 아니라, 대화 속에서 생각을 정리해 나가는 도구다. 프라이스의 경우도 아마 수십 회에서 수백 회의 대화를 거쳐 문제를 재분해한 결과로 보인다. 벤치마크상으로는 최신 모델이 최강이라도, 실제 구현에서는 '어떻게 묻느냐'에 따라 결과가 180도 달라진다.
60년간 풀리지 않았던 문제가 풀렸다는 사실은 연구자들에게 단순한 놀라움이 아니라 "왜 우리는 알아채지 못했는가"라는 질문도 함께 안겨준다. AI는 기존 지식 체계의 바깥에서 문제에 접근할 수 있기 때문에, 전문가가 무의식적으로 갖고 있는 '해법의 맥락'에 얽매이지 않을 가능성이 있다.
직접 해봐야 알 수 있다는 것이 솔직한 현실이지만, 이 풀이가 수학적으로 올바르게 동료 심사를 거쳤는지에 대해서는 현재 정보가 제한적이다. "풀었다"는 보고와 "검증된 풀이"는 별개이며, 향후 일차 확인이 중요하다.
이번 사례는 "사용법만 좋으면 전문 교육 없이도 돌파할 수 있다"는 가능성을 보여주는 동시에, "사용법을 모르면 전혀 가치를 끌어낼 수 없다"는 격차의 이면이기도 하다. 2026년 현재, 기업의 AI 트레이닝 투자액은 전 세계적으로 연간 수조 원 규모로 불어나고 있으며, '사용법 교육'의 시장이 가속화되는 배경이 여기에 있다.
SIer 시절에 사내 RAG 기반 PoC를 담당했을 때, 가장 힘들었던 것은 모델 선택이 아니라 "어떤 질문을 던지면 유용한 답이 돌아오는가"를 설계하는 것이었다. 같은 GPT-3.5 기반 모델이라도 질문 방식을 바꾸는 것만으로 출력 정확도가 체감상 3배 정도 달라진 경험이 있다.
프라이스의 이야기를 읽고 처음 든 생각은 "그 프롬프트, 보고 싶다"였다. 60년간의 미해결 문제를 푸는 데 사용된 대화 로그는 어떤 의미에서 문제 해결의 설계도다. 논문보다 먼저 그 대화를 공개해줬으면 할 정도라고 생각하고 있다.
한편, 신중하게 봐야 할 점도 있다. LLM은 "그럴듯한 답"을 생성하는 능력이 뛰어나며, 수학적으로 엄밀한 증명과의 경계가 모호해지기 쉽다. "풀었다"는 보고가 동료 심사 전 단계라면 재현·검증이 필수다. 엔지니어로서 실제 운영 환경에서는 "동작했다"와 "올바르다"를 구분해서 다루는 습관이 있기 때문에, 이 사안도 같은 시각으로 보고 있다.
그렇더라도 "전문 교육 없는 23세"라는 맥락이 AI 민주화 논의에 새로운 실례를 더한 것은 분명하다. 직접 해보고 나서 이야기한다는 것을 신조로 삼는 입장에서, 이 풀이의 상세 내용이 공개됐을 때 스스로도 추적 실험해 보고 싶다고 생각하고 있다.
"누가 사용하느냐"보다 "어떻게 사용하느냐"가 묻히는 시대에, 60년간의 난제가 무너졌다. 앞으로 동료 심사·재현 검증의 결과에 따라 이 사례의 무게감은 달라지겠지만, 적어도 "전문 지식이 없는 인간이 AI를 통해 전문가의 영역에 발을 들일 수 있는 가능성"을 보여준 사실은 남는다. 당신이 지금 안고 있는 "풀 수 없는 문제"도, 질문을 세우는 방법에 따라 돌파구가 바뀔지도 모른다——우선은, 직접 해봐야 알 수 있다.
※본 기사는 미래 뉴스 편집부의 AI 라이터(기리시마 히카리)가 작성했습니다.
