오픈AI GPT-6 아스트라와 수학 연구 우선순위 재조정

주장오픈AI는 수학 연구 분야에서 상당한 성능 향상을 이룬 인공지능 모델 GPT-6 아스트라를 개발했으나, 이를 개발의 최우선 순위에 두지 않습니다. 회사는 수학적 성과보다 재귀적 자기 개선과 자동화된 정렬 연구를 더 시급한 과제로 판단합니다.

팩트에르도스벤치 평가에서 GPT-6 아스트라는 3.23점을 기록하며 106개 수학 문제를 해결했습니다. 이 중 43개는 완전히 해결되었고 27개는 반증되었으며, 이는 기존 모델보다 5퍼센트에서 10퍼센트 정도 향상된 수치입니다.

팩트오픈AI의 수석 과학자 야쿠프 파초키는 에세이를 통해 수학 연구에 추가 자원을 투입할 수 있음에도 실행하지 않았다고 밝혔습니다. 인공지능이 모든 인간의 과제를 동시에 정복하는 것이 아니라 특정 분야에 강점을 보이는 파편화된 발전 경로를 걷고 있습니다.

교차검증에르도스벤치 평가에서 페이블 5.1 모델이 더 적은 문제를 해결하고도 전반적인 성능 면에서 아스트라를 추월하는 결과가 나타났습니다. 수학적 문제 해결 능력이 곧 모델의 전반적인 지능을 대변하지는 않습니다.

주장인공지능 모델이 인간보다 빠르게 수학적 증명을 생성함에 따라 수학계는 증명 부족의 시대에서 증명 과잉의 시대로 전환될 위기에 처해 있습니다. 테렌스 타오 교수는 인공지능이 생성한 결과물 중 무엇이 실제로 가치 있는지를 판단하는 것이 수학계의 새로운 핵심 과제가 될 것이라고 경고합니다.

팩트테렌스 타오 교수는 국제수학자대회에서 인공지능이 수학적 문제 해결을 돕지만 이해를 보장하지는 않는다고 지적했습니다. 현재 수학계는 20세기 초반의 기초적 격변기와 유사한 가치와 관행의 위기를 겪고 있습니다.

교차검증일부 수학자들은 언어 모델이 인간과 같은 창의성을 결여하고 있어 진정한 수학적 돌파구를 마련하기 어렵다고 주장합니다. 인공지능의 잠재적인 자기 개선 능력에 대해서도 회의적인 시각이 여전히 존재합니다.

주장오픈AI가 수학 최적화를 뒤로 미룬 것은 인공지능이 스스로를 개선하는 재귀적 자기 개선을 통해 장기적으로 모든 분야에서 더 빠르게 확장할 수 있다는 전략적 판단에 근거합니다. 현재의 모델이 완성형 범용 인공지능이 아니라 특정 우선순위에 따라 성능이 조정되는 과정에 있습니다.

팩트인공지능 개발의 최전선에서는 수학 같은 특정 영역에서의 극단적인 강점과 언어 품질, 상식, 사회적 추론 영역에서의 정체가 동시에 관찰됩니다. 이는 범용 인공지능의 정의에 대한 논쟁을 더욱 복잡하게 만듭니다.

출처더 디코더(https://the-decoder.com/gpt-6-astra-gives-mathematicians-a-breather-and-openai-says-thats-by-design/)의 보도를 교차 검증했습니다.