인공지능이 생성한 수학 연구 결과를 소프트웨어 프로젝트처럼 집단으로 수정한다면 어떤 일이 벌어질까. getsupers가 공개한 '오토 리서치(Auto Research)' 페이지는 바로 그 실험의 단면을 보여준다. 이 대시보드는 OpenAI가 2026년 내놓은 수학 프리프린트의 '핵심 수치'를 커뮤니티의 풀 리퀘스트(PR)가 어떻게 개선하고 있는지를 추적한다. 다룬 주제는 '정수 곱셈을 n log n 아래로(Integer multiplication below n log n)'인데, 이는 계산복잡도 이론에서 가장 오래되고 상징적인 난제 가운데 하나다. 학술 논문을 완성된 저작물이 아니라 끊임없이 커밋이 쌓이는 코드 저장소처럼 다룬다는 발상 자체가 이 페이지의 핵심이다.
왜 'n log n'이 문제인가
두 개의 n자리 정수를 곱하는 가장 단순한 방법은 n제곱에 비례하는 시간이 든다. 수십 년에 걸쳐 카라추바 알고리즘, 쇤하게-슈트라센 알고리즘 등이 이 비용을 단계적으로 끌어내렸고, 2019년에는 하비와 반데르후번이 n log n 시간의 곱셈을 제시하며 오랫동안 추정돼 온 이론적 하한에 도달했다는 평가를 받았다. 많은 연구자가 이 n log n을 사실상의 최적점으로 간주해 왔기 때문에, '그 아래로' 내려간다는 제목은 널리 받아들여지는 장벽을 건드리는 도발적인 목표에 해당한다. 이런 문제일수록 결과의 참·거짓을 가르는 경계가 미세해, 작은 보조정리 하나나 상수 하나의 개선이 전체 주장의 운명을 좌우한다. 커뮤니티가 '핵심 수치'를 다듬는다는 접근이 의미를 갖는 지점도 여기다.논문을 깃 저장소처럼 다루다
오토 리서치 페이지는 기여를 PR과 커밋으로 나누어 별도로 집계한다. 두 지표를 분리했다는 것은, 제안을 올리는 행위와 실제로 본문에 반영되는 행위를 구분해 본다는 뜻이다. 화면을 스크롤하면 기여자 한 명 한 명을 살펴볼 수 있고, 순위가 동률일 때는 걸린 보상(공유 시간)을 나눠 갖는 구조로 설계돼 있다. 특히 눈에 띄는 것은 각 기여자가 '어떤 도구를 사용했는지 공개했는가'를 별도로 집계한다는 점이다. 수학 증명 과정에 어떤 AI 모델이나 보조 도구가 개입했는지를 투명하게 드러내려는 시도로, AI 생성 연구가 늘어나는 환경에서 출처와 과정을 기록하려는 의도가 읽힌다.한 가지 분명히 해둘 점은, 이 페이지가 올리는 기여가 모두 검증된 정답은 아니라는 사실이다. 페이지 스스로 '주장은 열린 제안일 수 있다(Claims may be open proposals)'고 밝히고 있다. 즉 PR이 많다고 해서 문제가 풀렸다는 뜻이 아니며, 다수의 제안 가운데 상당수는 아직 참·거짓이 가려지지 않은 상태로 남아 있을 수 있다.
실무자에게 주는 함의
한국의 IT 실무자 관점에서 이 실험이 흥미로운 이유는 수학 그 자체보다 협업의 형식에 있다. 연구 산출물을 PR·커밋·기여자·도구 공개라는, 개발자에게 익숙한 언어로 재구성했기 때문이다. AI가 초안을 대량 생성하고 사람이 이를 검토·수정·병합하는 흐름은 이미 소프트웨어 개발에서 보편화된 방식인데, 그 패턴을 난도 높은 이론 연구에까지 밀어붙인 셈이다. 이는 사내에서 AI가 생성한 코드나 문서를 다룰 때에도 참고할 만한 구조를 제시한다. 생성물을 완성본으로 받아들이지 않고 '검증 대기 중인 제안'으로 취급하는 태도, 그리고 어떤 도구가 어느 단계에 쓰였는지 기록하는 도구 공개(provenance) 관행이 그것이다.도구 공개를 집계 항목으로 끌어올린 설계도 곱씹을 만하다. 생성형 AI의 결과물이 조직의 산출물에 섞여 들어가는 상황에서, '누가 무엇을 만들었는가'만큼이나 '어떤 도구의 도움을 받았는가'가 신뢰를 좌우하는 변수가 되고 있다. 이 페이지는 그 변수를 선택이 아니라 기본값으로 노출하는 방향을 택했다.