[

]

제(1)부 시작 및 역사적 서막: 수학의 '기초 위기' 비유 (0% - 12%)

1 오프닝 인사 및 강연 계기: Tao Zhe Xuan은 ICM 2026 현장에서 다시 대회에 참석하게 된 기쁨을 표하며, 오랜 친구들과 재회하고 긍정적인 에너지를 얻는 것에 대해 언급합니다. 그리고 바로 본론으로 들어가, 현재 모두가 AI 시대에 대해 이야기하는 가운데 수학계가 무엇을 해야 하는지에 대한 질문을 던집니다.

2 수학의 백 년간의 안정과 갑작스러운 격변: 그는 수학이라는 학문이 지난 1세기 이상 동안 매우 안정적이었으며 진정한 생존 위기를 겪은 적이 없었다고 지적합니다. 반면, 현재는 예상치 못한 급격한 변화를 겪고 있는 것처럼 보이지만, 이러한 변화에는 실제로는 내재적인 논리 동인이 있다고 말합니다.

3 20세기 '기초 위기'의 역사적 비유:

• 20세기 초 이전까지 수학자들은 반(半)형식화된 방식으로 활동했습니다. 유클리드식 증명 전통은 존재했지만, 집합(set), 수(number), 함수(function), 극한(limit)과 같은 근본 개념들이 완전히 공리화되지 않았으며, 수학계는 논리학 및 해석학의 기초에 수 세기 동안 신뢰를 가져왔습니다.
• 러셀 역설(Russell's Paradox, 1901), 괴델 불완전성 정리(Gödel's Incompleteness Theorems, 1931) 등의 발견은 수학자들이 '암묵적 가정(implicit assumption)'들을 재검토하도록 강요했습니다.
• 1900년에서 1930년 전후의 '기초 위기'는 비록 혼란스러웠지만, 결국 명확하고 엄격하며 표준화된 기초 프레임워크를 산출해냈고, 이는 혹독한 검증을 거쳤습니다.

4 현재 위기의 성격 판정: Tao Zhe Xuan은 오늘날 수학이 유사한 동요기에 진입했음을 분명히 밝힙니다. 그러나 이번 위기는 '논리적 기초'의 위기가 아니라 '수학적 가치와 실천의 기초'의 위기라고 말합니다. 그는 공동체가 이러한 기초들을 완전히 검토하고 코딩화한다면, 수학계는 이전보다 더욱 강인한 자세로 이 위기를 헤쳐나갈 것이라고 예상합니다.

제(2)부 문제 정의: 공동체의 대응과 'AI 능력 가설' (12% - 28%)

1 핵심 문제(Community Response Question)의 제기: 현대 AI 기술과 그 실제적이거나 주장되는 연구 수준의 수학적 능력을 마주하여, 수학 공동체는 어떻게 대응해야 하는가? 그는 이것이 개인이 아닌 전체 공동체의 문제이며, 자신이 모든 답을 가지고 있다고 자처하지 않는다고 강조합니다.

2 문제의 성격: 이는 수학 문제가 아니다:

• 이는 증명만으로 끝낼 수 있는 추측(conjecture)이 아니라, **메타수학적 문제(meta-mathematical problem)**이며 정치, 윤리, 문화적 차원까지 얽혀 있습니다.
• 그럼에도 불구하고 Tao Zhe Xuan은 자신의 논점을 명확히 하기 위해 '가짜 수학적으로' 정확한 수학 언어를 빌려와 이 문제를 분해합니다.

3 AI 능력 가설(AI Capability Conjecture)의 모델화된 진술:

• 그는 논쟁의 초점을 여러 개의

2 암묵적 목표의 명시화 요구: 과거 수학계는 "목표와 가치" 문제를 인문학 분야(수학 철학자, 과학 사회학자, 수학 교육가)에 위임하고, 자신들은 기술적인 업무에만 집중해 왔습니다. Tao Zhe Xuan(테렌스 타오)은 작업 가설 하에서 이러한 "목표를 명시화하지 않는" 사치는 더 이상 존재할 수 없다고 논증합니다. 즉, 추측의 최종적인 참/거짓 여부와 상관없이, "우리가 왜 수학을 하는가" 자체를 재검토하는 일은 이미 overdue(이미 했어야 할 일)입니다.

3 수학 연구의 다중 목표 목록 (그는 완전한 목록을 편찬한 사람은 없다고 솔직하게 밝히며, 주요 항목만을 예로 들었습니다):

• 문제 해결 (Problem Solving): 직접적인 응용이 없는 순수 수학적 문제와 높은 가치를 지닌 목표 문제를 포함하여, 중요한 미해결 문제(Open problems)를 해결하는 것.
• 이론 및 도구 구축 (Theory and Tool Construction): 새로운 이론, 새로운 정의, 새로운 도구를 개발하고 동적 시스템(Dynamic systems)에 대한 이해를 심화하는 것.
• 세계 이해 (Understanding the World): 주변 세계에 대한 인식을 증진하는 것.
• 공동체 건설 (Community Building): 수학은 깊이 사회화된 사업이며, 공동체가 수학에 열광하고 서로 소통하며 유대를 재구축하는 것.
• 세대 간 양성 (Intergenerational Mentoring): 다음 세대의 수학자들을 이끌고 교육하는 데 막대한 에너지를 투입하는 것.
• 지식 공유 네트워크 (Shared Knowledge Network): 지속적인 미적 가치를 지니며 후대 사람들이 인용할 수 있는 저작물을 기여하는 것.

4 목표 간의 "AI 교란" 위험:

• 과거에는 이러한 목표들이 대체로 정적 상관관계를 가지며 서로를 촉진했습니다.
• 하지만 AI는 뿌리 없는 최적화 도구(Optimizer)이며, AI 기업은 공격적인 최적화 도구입니다. 이 둘의 결합은 위험한 조합입니다. AI는 현실의 제약 없이 단일 지표를 최적화할 수 있기 때문입니다.
• 특정 목표(예: "문제 해결 수")가 AI에 의해 매우 쉽게 최적화될 수 있게 되면, 다른 목표들은 압박을 받거나 심지어 앞선 목표와 상충하게 될 것입니다.
• 여기서 굿하트의 법칙(Goodhart's Law)이 적용됩니다: 어떤 측정치가 목표가 되는 순간, 그것은 더 이상 좋은 측정치가 아닙니다.

5 목표 충돌의 시대 도래: 수학계는 모든 목표가 서로 충돌하고 경쟁하는 단계에 진입했습니다. 더 이상 단일 목표에만 집중할 수 없으며, 무엇이 사회를 위한 궁극적인 목표인지 명확히 해야 합니다.

제(4)부 "문제 해결"을 사례로: 증명의 5단계 파이프라인과 "증명 소화불량" (45% - 68%)

1 왜 "문제 해결"을 분석 대상으로 선택했는가: 모든 목표 중에서 "문제 해결"은 현재 AI의 충격을 가장 격렬하게 받고 있는 단계이기에, 이를 사례로 들어 전개합니다.

2 수학적 결과의 5단계 파이프라인 (Pipeline):

• 제1단계 · 생성 (Generation): 증명을 만들어냄.
• 제2단계 · 검증 (Verification): 증명의 정확성을 검토함.
• 제3단계 · 설명 (Communication): 공동체가 명확히 이해할 수 있도록 증명을 작성함.
• 제4단계 · 발표 (Publication): 동료 검토(Peer review)를 통해 학술지에 게재됨.
• 제5단계 · 정형화 (Canonization): 교과서에 흡수되거나 엔지니어, 물리학자, 법률가 등 외부 분야에서 실제로 사용됨.

3 "제1판 목표"에 대한 비판 — 오직 문제 해결 수만을 추구함:

• AI가 등장하기 전에도 중대한 추측 주변에는 수많은 잘못된 증명이라는 노이즈가 존재했습니다.
• 만약 "문제 해결 수"만을 최적화한다면, 인터넷에는 리만 가설(Riemann Hypothesis)을 증명했다고 주장하는 엄청난 양의 쓰레기 정보가 쏟아질 것이며, 그 대부분은 오류일 것입니다.

4 "제2판 목표"에 대한 비판 — 정확함만으로는 부족함:

• 수정된 목표: 문제를 해결해야 할 뿐만 아니라, 검증도 해야 합니다. 형식적 증명 보조 도구(Lean 등)가 이 단계를 가속화할 수 있습니다.
• 하지만 극단적인 시나리오가 눈앞에 와 있습니다: 어떤 중대한 정리가 AI에 의해 증명되고 형식적 검증(Formal verification)까지 통과했지만, 세상 그 누구도 그것이 왜 성립하는지 진정으로 이해하지 못하는 상황 — 이것이 바로 "abnormal development (비정상적 발전)"입니다.

5 "제3판 목표"의 세분화 — 설명(Communication)의 대체 불가능성:

• 목표는 다시 업그레이드되어야 합니다: 증명은 단순히 정확할 뿐만 아니라, 수학 공동체가 명확하게 소통하고 이해할 수 있어야 합니다. 단순히 "auto guys (기술 과시형 성취)"에 그쳐 후속 가치가 없어서는 안 됩니다.
• 현재 AI의 설명 능력에 대한 양면성:
  • 표면적 완벽함: 철자, 문법, 포맷팅이 거의 너무 완벽하여, 오히려 사람들은 약간 불완전한 인간의 텍스트를 선호하게 됩니다.
  • 심층적 결여: AI는 종종 평범한 단계를 지나치게 길게 늘어놓는 반면, 진정으로 어렵고 흥미로운 부분은 가볍게 다룹니다. 또한 문헌 및 사상적 맥락과의 고차원적인 연결을 구축하는 데 서툽니다.
• 그는 자신이 Donald Trump(이 부분은 전사 오류로 보이며, 특정 학자를 지칭할 가능성이 높음)의 논문을 읽었던 경험을 예로 들었습니다: 처음 읽을 때는 혼란스럽고 frustated(좌절감)를 느꼈지만, 결국 "그의 사고방식을 포착"하여 매우 많은 것을 배웠습니다. 이러한 **어려운 독서를 통해 달성되는 "사고의 공명"**은 AI의 매끄러운 텍스트가 제공할 수 없는 교육적 경험입니다.

6 "제4단계 · 발표"에 대한 재고 — 동료 검토의 인간적 차원:

• 현재 학술지는 자원봉사자인 referee(심사위원)에게 의존합니다. 그들이 시간을 할애하는 것은 단순히 검문하기 위해서만이 아니라, 저자가 더 나은 수학자가 되도록 육성하기 위함입니다. 이는 세대 간의 전수입니다.
• 이 작업은 prestige(명성)도 없고 보상도 없지만, 직업의 본질적인 부분입니다.
• 이 단계에서 AI는 기본적으로 무용합니다: 만약 해당 분야의 절반은 이렇게 해야 한다고 생각하고, 나머지 절반은 저렇게 해야 한다고 생각한다면, 진정한 대화와 합의가 필요합니다. 그리고 이것이 바로 AI가 전혀 쓸모없는 지점입니다.

7 "제5단계 · 정형화"에 대한 경고 — "증명 소화불량" (proof indigestion):

• AI가 검증되었으나 아무도 이해하지 못하는 증명을 대량으로 생산하게 된다면, 수학계는 "먹을 수도, 소화할 수도 없는" 곤경에 처하게 될 것입니다.
• 음식에 비유하자면: 인류는 이미 "음식 부족"에서 "음식 풍요"로 나아갔으며, 그에 따라 비만과 잘못된 식습관이 뒤따랐습니다. 이것이 바로 **풍요형 문제 (abundance problem)**입니다.
• 수학은 "증명 부족"에서 "증명 풍요"로 나아가고 있으며, 개입이 없다면 이와 유사한 "증명 비만"이 나타날 것입니다.
• 엔지니어, 물리학자 등 외부 사용자들은 《Annals of Mathematics》의 최신 진전에 관심이 없습니다. 그들이 원하는 것은 **교과서 (textbook)**입니다. 하지만 AI가 생성한 방대한 증명을 교과서로 변환하는 과정은 아직 일어나지 않았으며, 매우 도전적인 과제입니다.

8 풍요 vs. 희소의 패러다임 전환: 모든 문제는 "희소형 문제"와 "풍요형 문제"로 나눌 수 있습니다. 수학계는 인류가 음식의 풍요에 적응하기 위해 자발적으로 건강한 식단을 선택하듯, 풍요로운 조건 하에서 스스로를 재규율하는 법을 배워야 합니다.

제(5)부 제도 재구성: 다양한 시나리오에 따른 서로 다른 정책과 책임 배분 (68% - 85%)

1 전체적인 입장: 수학계는 문제 풀이, 교육, 엔지니어링, 채용, 응용에 이르기까지 직업의 모든 단계에 대해 테이블 위에 올려놓고 재검토해야 합니다. 한 시간 안에 모든 단계를 다 설명할 수는 없지만, 그는 프레임워크적인 원칙을 제시합니다.

2 인간이 반드시 꽉 잡고 있어야 할 단계 — 교육 훈련을 예로 들면:

• 초기 교육에서 AI를 과도하게 사용하는 것은 해롭습니다. 학생들은 도구 사용법을 배우기 전에 반드시 내면화된 본능적인 기술을 먼저 발달시켜야 합니다.
• 비유: 산술을 먼저 가르친 후에 계산기를 주고, 걷는 법을 먼저 가르친 후에 자동차 열쇠를 주는 것과 같습니다.
• 수학 교육도 마찬가지입니다: 학습자가 먼저 자신의 "원천 능력 (native capability)"을 구축하게 해야 합니다.

3 공동체가 주도적으로 규칙을 제정해야 할 단계:

• 다른 단계에서는 수학계가 주도적으로 나서서 "어떤 AI 연구가 수용 가능한가"에 대한 규칙을 스스로 설정해야 합니다. 외부 요인(AI 기업, 후원자, 미디어의 서사)이 무엇이 수학인지, 무엇이 좋은 수학인지를 정의하게 두어서는 안 됩니다.

4 전통적인 채널이 더 이상 적용되지 않는 곳에는 새로운 인프라를 구축해야 함:

• 전통적인 학술지 등의 매체는 새로운 "증명 흐름 (proof flow)"의 속도에 맞지 않을 수 있습니다.
• 수학계는 새로운 워크플로우와 새로운 구조를 만들어야 합니다. 이는 그 자체로 또 다른 강연의 주제이지만, 시간 관계상 자세히 다루지는 못했습니다.
• 그는 몇 가지 인프라 방향을 언급했습니다: Mathlib (형식화 수학 라이브러리), Mathematical Discourse (수학 담론 플랫폼, 링크 추후 공개), Erdős Problems (에르되시 문제 플랫폼), 최적화 상수 데이터베이스, SAIR Competitions 등입니다. 이는 구조화된 지식 베이스, 공개 문제 플랫폼, 형식화 라이브러리, 비교 가능한 평가 및 지속적인 유지보수를 위한 공동 인프라가 트렌드가 될 것임을 예고합니다.

5 정책의 출발점으로서의 라이덴 선언 (Leiden Declaration):

• 그는 2026년 6월 발표된 《인공지능과 수학 라이덴 선언》을 정책 논의의 출발점으로 인용했습니다.
• 핵심 권고 사항에는 AI 사용 현황 공개, "최초 문제 해결"의 가중치 감소, "소화 (digestion)"의 가중치 상향 등이 포함됩니다.
• 저자가 설득력 있고 명확하며 전문가 수준의 결과 기술을 제시할 수 없다면, 그 결과는 발표되어서는 안 됩니다. 이는 "해설 (explanation)" 단계에 대한 강력한 제약입니다.

6 가치 중심의 이동: 상류의 "최초 발표권"에서 하류의 "해설권, 소화권"으로 이동합니다. 검증하고, 설명하고, 조직하고, 귀속시키고, 선별하고, 가르칠 수 있는 개인과 기관이 더욱 중요해질 것입니다.

제(6)부 결론: 사회적 인식 시스템으로서의 수학과 인간의 대체 불가능성 (85% - 100%)

1 수학은 "정리 생산기"가 아니다: 전 과정을 분석함으로써, Tao Zhe Xuan은 수학의 진정한 모습을 암묵적으로 그려냈습니다. 수학은 단순한 정리 생산 라인이 아니라, 증명, 해설, 신뢰, 동료 검토(peer review), 교육, 그리고 세대 간 전승이 결합된 **사회적 인식 시스템 (social epistemic system)**입니다.

2 AI 시대 인간 수학자의 핵심 가치:

• 기계가 정리를 증명할 수 있게 될 때, 인간의 진정한 가치는 이해, 전승 및 판단에 있습니다.
• 수학자는 "문제 해결자"에서 "의미 부여자"이자 "지식 소화자"로 전환되어야 합니다.
• AI가 완벽하고 정확한 증명을 생성할 수 있다 하더라도, "매끄러운 텍스트"에서 "공동체에 의해 진정으로 흡수된 지식"으로 넘어가는 과정에는 여전히 인간이 수행해야 할 가장 느리고 결정적인 전환이 필요합니다.

3 위기 속의 낙관주의: 서두의 역사적 비유로 돌아가면 — 20세기 초의 기초 위기는 격동적이었으나, 오히려 더 엄격한 표준화 프레임워크를 탄생시켰습니다. Tao Zhe Xuan은 현재의 "가치 및 실천적 기초의 위기"가 공동체로 하여금 자신의 가치 기반을 철저히 검토하고 코딩하도록 촉구한다면, 수학은 더 강인하고, 더 명확하며, 더 탄력적인 모습으로 AI 시대에 진입할 것이라고 암시합니다.

4 슬라이드 자체의 AI 사용 공개: 그는 슬라이드에서 모든 영어 긴 대시(em dash)는 인간이 생성했으며, 텍스트 자동 완성 및 도표 생성에 AI가 사용되었음을 명확히 밝혔습니다. 이 세부 사항 자체가 "책임 있는 공개" 메커니즘의 본보기이며, 라이덴 선언의 정신과 맞닿아 있습니다.

5 공동체에 남겨진 미완의 과업: 그는 이번 강연이 목표와 단계별 제도 재구성을 모두 다룰 수 없음을 솔직하게 인정하며, 수학 공동체가 문제 풀이, 교육, 엔지니어링, 채용, 응용 등 모든 측면에서 길고도 필수적인 토론, 분석 및 개발을 전개해 나갈 것을 촉구했습니다. 이는 전체 공동체의 것이며, 이제 막 시작된 대화입니다.

💡 강연 방법론의 정수: Tao Zhe Xuan(테렌스 타오)은 "AI가 과연 가능한가"라는 논쟁의 늪을 의도적으로 피해, 대신 조건부적인 제도적 압력 테스트(stress test)를 수행했습니다. 즉, **"만약 AI가 곧 합리적인 비용으로 상당한 비율의 연구 수준 수학 과업을 완수할 수 있다고 가정한다면, 우리의 제도는 어디에서 실패할 것인가?"**라는 질문을 던진 것입니다. 이러한 태도는 강연을 기술적 낙관주의와 기술적 비관주의라는 양극단을 넘어, 수학 공동체의 미래를 향한 냉철하고 심도 있는 제도적 재구성 강령으로 격상시켰습니다.