검증의 풍부함, 판정의 희소성: 증명 검사가 무료가 될 때 수학적 지식에 일어나는 일
Verification abundance, adjudication scarcity: what happens to mathematical knowledge when proof checking becomes free
2026년 5월, OpenAI의 모델이 에르되시 단위 거리 추측(Erdős unit distance conjecture)에 대한 반례를 만들어냈다. 다섯 명의 수학자가 같은 날 사람이 검증한 버전을 발표했고, 이 결과는 몇 주 안에 문헌에 편입되었다. 2026년 8월에는 같은 연구소가 수학 및 이론 컴퓨터 과학 분야의 결과 열 편을 발표했으며, 각 결과에는 증명되지 않은 단계가 없는 기계 검증 가능한 Lean 4 증명서가 첨부되어 있었다. 4주 뒤, 그중 하나는 그 형식화가 주장하는 바를 실제로 의미하는지를 둘러싼 논쟁이 해결되지 않은 채 남아 있었다. 우리는 이러한 차이가 구조적이라고 주장한다. 우리는 검증을 세 가지 층위로 구분한다. 커널(kernel)이 검사하는 도출 타당성(derivational validity), 형식 명제가 의도한 질문을 의미하는지에 관한 표상 충실성(representational fidelity), 그리고 인식적 중요성(epistemic significance)이다. 이 중 기계화할 수 있는 것은 첫 번째뿐이다. 따라서 이를 사실상 무료로 만들더라도 검증 작업이 사라지는 것이 아니라, 희소한 전문가의 주의에 의존하는 층위로 부담이 이동한다. 8월 코퍼스에 대한 측정이 이러한 이동을 보여준다. 커널이 검사한 증명은 총 20.6 MB인 반면, 사람의 감사가 필요한 명제는 총 55.6 KB로, 그 비율은 379 대 1이다. 그러나 이 명제들에는 커뮤니티에서 검증된 정의에 의존하지 않고 새로 만든 맞춤형 정의가 218개 포함되어 있다. 따라서 감사 대상 범위는 분량 면에서는 작지만 본질적으로 전문가의 영역이다. 우리는 기계 검사가 검증의 풍부함을 낳는 반면 판정(adjudication)은 여전히 희소하게 남긴다고 주장한다. 우리는 표상 불일치에 대한 여섯 가지 범주의 분류 체계, 기계가 생성한 수학적 주장에 대한 공개 스키마, 그리고 소프트웨어, 암호학, 규제 대상 의사결정 시스템에 대한 시사점을 제안한다.