For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ko/articles/alphaproof-nexus-erdos-problems-oeis-proo-b583eb5b.md.
Google DeepMind의 AlphaProof Nexus는 AI가 생성한 형식 증명으로 미해결 연구 문제에 접근하는 방법을 다룬 Science 논문의 주제입니다. 논문은 미해결 에르되시 문제 353개 중 9개에서 성과를 거두고, OEIS 추측 49...
Google DeepMind의 AlphaProof Nexus는 AI가 생성한 형식 증명으로 미해결 연구 문제에 접근하는 방법을 다룬 Science 논문의 주제입니다. 논문은 미해결 에르되시 문제 353개 중 9개에서 성과를 거두고, OEIS 추측 492개 중 44개를 증명했다고 보고하며, 그 밖의 수학 분야에서 수행한 연구도 소개합니다.
주목할 만한 사례 하나는 1970년 Erdős와 Sárközy가 처음 제기한 질문 두 개를 해결합니다. 이 연구의 더 큰 의미는 그 작업 흐름에 있습니다. 언어 모델이 형식 언어로 논증을 제안하고, Lean이 각 증명 단계의 타당성을 확인합니다.
이 조합은 AI가 생성한 수학에서 익숙한 약점을 보완합니다. 설득력 있게 들리는 논증이라고 해서 반드시 옳은 것은 아닙니다. 형식 검증기는 더 엄격한 승인 기준을 제공하지만, 형식화된 명제가 의도한 문제를 정확히 나타낸다는 전제가 필요합니다.
이 사례는 에르되시 문제 #12에서 나왔습니다. 이 문제는 양의 정수로 이루어진 무한 집합에 관한 것으로, 다음과 같은 조건을 만족해야 합니다. 서로 다른 원소 a, b, c 가운데 b와 c가 모두 a보다 크고, a가 b + c를 나누는 경우가 없어야 합니다.
예를 들어 2, 3, 5는 모두 이런 집합에 포함될 수 없습니다. 2는 3 + 5를 나누기 때문입니다. 많은 정수를 포함하면서 이러한 나눗셈 관계를 피하는 것이 과제입니다.
원 출처에 수록된 문제 설명이며, 에르되시 문제 웹페이지에서 현재 상태를 확인할 수 있습니다.
첫 번째 질문은 이런 무한 집합이 충분히 큰 모든 N에 대해 N 이하의 원소를 적어도 양의 상수에 sqrt(N)을 곱한 수만큼 포함할 수 있는지를 묻습니다. 구성 결과로 확립된 답은 그렇다입니다.
원 출처는 블록을 하나씩 구성하는 방법을 설명합니다. 중국인의 나머지 정리를 활용해 합동 조건을 배치하면 블록 사이에서 금지된 상호작용이 일어나지 않도록 할 수 있습니다. 예를 들어 한 소수가 한 블록의 원소들을 나누도록 하고, 이후 블록의 원소들은 그 소수를 법으로 했을 때 1과 합동이 되게 하면 요구되는 나눗셈이 성립하지 않도록 막을 수 있습니다.
이 논증에서는 블록 사이의 간격도 제어해야 합니다. 현재 블록에서 충분한 수의 원소를 선택해 다음 블록이 시작될 때까지의 계수 하한을 뒷받침하면, 그 사이의 정수 구간에서 집합이 지나치게 희소해지는 것을 막을 수 있습니다.
이는 증명 전략의 개요이지 완전한 증명은 아닙니다. 형식 명제와 상세한 구성은 공개 토론 링크에서 확인할 수 있습니다.
두 번째 질문은 조건을 만족하는 모든 집합에 대해, 고정된 1 미만의 지수가 무한히 많은 N에서 계수 함수를 상계할 수 있는지를 묻습니다. 답은 아니요입니다.
고정된 양의 c가 무엇이든, 구성 방법을 통해 계수가 결국 N^(1-c) 이상으로 유지되는 조건 충족 집합을 만들 수 있습니다. 따라서 이런 거듭제곱 상계 하나만으로 모든 집합에 일률적으로 적용할 수는 없습니다.
공개된 에르되시 문제 웹페이지는 DeepMind의 구성을 공로로 인정하고, 이후 커뮤니티에서 이뤄진 단순화와 개선도 기록합니다. 중요한 점은 문제 #12의 세 번째 질문, 즉 역수 급수의 수렴 여부는 여전히 미해결 상태라는 것입니다. 앞의 두 부분을 해결했다고 해서 번호가 붙은 문제의 모든 부분이 해결된 것은 아닙니다.
증명이 공개된 뒤 Terence Tao는 원래 구성의 일부에서 3항 산술 진행을 배제하는 조건을 제거할 수 있다고 지적했습니다. 두 큰 수가 작은 수보다 모두 커야 한다는 조건만으로도 해당 단계에서 관련된 등식은 이미 배제됩니다.
원 출처에 재수록된 Tao의 의견이며, 원래 공개 토론 링크는 아래에 있습니다.
이후 댓글에서는 더 조밀한 구성도 발전했습니다. 이는 협업의 구체적인 사례입니다. AI가 만든 형식 논증은 수학자들이 검토하고 단순화하며 개선할 수 있는 자료가 됩니다. 이 논의는 2026년 4월에 이뤄졌으며, Science 논문이 발표된 10월보다 앞섭니다. 발표 시점과 최초 발견 시점을 같은 것으로 취급해서는 안 됩니다.
전체 Nexus 아키텍처에 대한 원 출처의 설명에 따르면, 여러 증명 에이전트가 초안을 발전시키고, 평가 에이전트가 이를 비교하며, 공유 저장소에 유망한 작업을 보관합니다. 남은 보조정리 하나 때문에 완성하지 못한 경우라도 유용한 구성을 포함한 부분 증명은 추가 검토 대상으로 다뤄질 수 있습니다.
시스템은 하위 목표에 AlphaProof를 호출하고, 이전에 해결한 목표의 증명을 재사용할 수도 있습니다. 언어 모델은 논증의 구성과 분해를 담당하고, 형식 도구는 그에 따른 증명 의무를 확인하거나 완성합니다.
원 출처 보고서에 재수록된 Nexus 아키텍처 다이어그램.
검증되지 않은 자연어 답변을 그대로 받아들이는 방식과의 차이는 중요합니다. 후보 증명은 형식 검증 루프를 통과해야 합니다. 증명 시도가 실패하면 완성된 수학적 결과인 것처럼 제시하는 대신, 다음 시도를 위한 피드백으로 활용합니다.
연구진은 선정된 에르되시 문제에서 전체 아키텍처 가운데 어느 정도가 필요한지도 연구했습니다. Science 논문 초록은 언어 모델 생성과 Lean 검증을 번갈아 수행하는 기본 에이전트가 해당 문제들의 성공 사례를 재현했다고 확인합니다.
원 출처는 이 기준 시스템이 Gemini 3.1 Pro와 Lean으로 구성되었으며, 진화적 공유나 AlphaProof 호출 없이도 반복적인 독립 시도를 통해 선정된 문제 9개 모두의 증명을 복구했다고 설명합니다. 해당 비교에서 단독 AlphaProof는 어떤 문제도 해결하지 못했다고 보고합니다.
이는 성공한 문제 집합을 대상으로 한 사후 절제 분석입니다. 원래 문제 353개 전체에서 성공률이 100%였다는 뜻도, 단순 에이전트가 한 번의 시도로 항상 성공한다는 뜻도 아닙니다.
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
연구에서 가져와 원 출처에 재수록된 문제 분해 사례.
이 연구는 OEIS(온라인 정수 수열 백과사전)의 미해결 추측 492개도 다뤘으며, 그중 44개를 증명했다고 보고합니다. 분모가 중요합니다. 이는 선정된 추측 모음이지, OEIS 전체의 문제를 해결했다는 주장이 아닙니다.
원 출처는 형식 코드가 각 질문을 정확히 표현하는지, 그리고 해당 추측이 이미 증명된 적은 없는지 사람이 확인했다고 설명합니다. 또한 일반 명제를 증명하기 전에 생성된 수열의 초기 항을 예상값과 대조하는 점검 과정도 소개합니다.
이러한 확인은 서로 다른 위험을 다룹니다. Lean은 형식 명제의 증명을 검증할 수 있지만, 그 명제가 비형식적으로 의도된 추측과 일치하는지, 해당 정리가 문헌상 새로운 것인지는 Lean만으로 확인할 수 없습니다.
최적화 응용 사례 하나는 주어진 추측을 증명하는 데서 한 걸음 더 나아가, 효과적인 매개변수 일정을 찾아 그 수렴 보장을 증명합니다.
고정점 기준 경사 하강-상승법(Anchored GDA)은 한 변수가 목적 함수를 최소화하고 다른 변수가 최대화하는 미니맥스 최적화를 다룹니다. 일반적인 경사 하강-상승법은 진동할 수 있습니다. 고정점 기준 방식에서는 업데이트를 안정화하기 위해 고정된 기준점 쪽으로 끌어당기는 항을 추가합니다.
인용된 사전 공개 논문 An Improved Last-Iterate Convergence Rate for Anchored Gradient Descent Ascent는 매개변수를 선택해 마지막 반복점의 제곱 기울기 노름에 대해 정확히 O(1/t) 상계를 달성했다고 보고합니다. 여기서 t는 반복 횟수입니다.
원 출처에 재수록된 2026년 4월 사전 공개 논문의 제목과 초록.
이 보장은 단조 경사 연산자, Lipschitz 매끄러움, 안장점의 존재라는 논문의 가정하에서 성립하며, 매끄러운 볼록-오목 설정에 적용됩니다. 모든 비볼록 머신러닝 목적 함수에 대한 일반적인 수렴 주장이 아니며, 제곱 노름을 노름 자체와 혼동해서도 안 됩니다.
사전 공개 논문은 Lean 증명을 작성할 수 있는 AI 시스템이 이 결과를 자율적으로 발견했다고 밝힙니다. 4월 4일 제출은 Science 논문보다 앞서며, 10월 보고서는 해당 연구를 더 큰 Nexus 설명에 포함합니다.
Jeremy Avigad와 Matthew Ballard가 함께 쓴 Science 관점 논문은 이 결과를 경시대회 수학을 넘어 미해결 연구 질문의 영역에 둡니다. 발전의 핵심은 단순히 더 긴 설명을 만들어 내는 것이 아니라, 제안된 수학적 아이디어와 명시적인 증명 검증을 결합하는 데 있습니다.
문제 선정, 형식 명제, 라이브러리, 연구 인프라, 그리고 새로움과 중요성의 평가에는 여전히 사람이 참여합니다. 문제 #12를 둘러싼 공개 토론은 검증된 증명이 수학적으로 옳더라도 상당히 단순화될 여지가 있을 수 있음을 보여 줍니다.
따라서 Nexus는 생산적인 연구 작업 흐름을 보여 주는 증거를 제공합니다. 완성된 증명을 기준으로 강점을 측정할 수 있고, 형식 명제와 공개적인 수학적 검토를 통해 한계를 살펴볼 수 있습니다.
AlphaProof Nexus는 Google DeepMind의 Science 논문에서 소개된 AI 형식 증명 탐색 프레임워크입니다. 언어 모델을 이용한 증명 생성과 Lean 기반 검증을 결합하며, 전체 설계에서는 초안을 정리하고 특화된 증명 도구를 사용할 수도 있습니다.
논문은 미해결 에르되시 문제 353개 중 9개에서 성과를 거두고 OEIS 추측 492개 중 44개를 증명했다고 보고합니다. 이는 연구에서 선정한 문제 모음에 관한 결과이며, 두 자료에 포함된 모든 미해결 수학 문제가 해결되었다는 주장은 아닙니다.
아니요. 공개된 문제 페이지에는 첫 번째 질문에 대한 긍정적인 답과 두 번째 질문에 대한 부정적인 답이 기록되어 있습니다. 역수 급수의 수렴 여부에 관한 질문은 여전히 미해결 상태입니다.
Lean은 제출된 형식 증명이 해당 형식 정리를 확립하는지 확인합니다. 형식 명제가 의도한 문제와 일치하는지, 결과가 실제로 새로운 것인지는 별도로 검토해야 합니다.
Science 논문 초록에 따르면 생성과 검증을 수행하는 기본 에이전트가 해당 성공 사례를 재현했습니다. 원 출처는 Gemini 3.1 Pro와 Lean을 사용한 반복 시도를 설명합니다. 이를 단일 실행에서의 성공 보장이나 353개 문제 전체에서의 성공으로 해석해서는 안 됩니다.
논문에 명시된 매끄러운 볼록-오목 가정하에서 마지막 반복점의 제곱 기울기 노름에 대한 O(1/t) 속도를 확립했습니다. 사전 공개 논문은 특정 매개변수 일정과 형식 증명을 제시하며, 모든 최적화 알고리즘에 일괄적으로 적용되는 속도 향상을 주장하지 않습니다.
AlphaProof Nexus는 AI가 생성하고 형식 검증을 거친 증명이 미해결 연구 수학에 기여할 수 있다는 근거를 제시합니다. 보고된 성과는 선정된 에르되시 문제와 OEIS 문제를 아우르며, 공개된 후속 검토를 통해 주목받은 구성 중 적어도 하나가 인간 연구자들에 의해 개선되었습니다.
검증 루프가 핵심이지만, 형식화의 정확성, 새로움, 각 정리의 적용 범위에는 여전히 주의가 필요합니다. 검증을 통과한 증명은 구체적인 연구 결과입니다. 그 명제와 가정, 그리고 아직 열려 있는 질문도 똑같이 명확하게 제시될 때 가장 유용합니다.
한 문장에서 시작해 몇 분 안에 완전한 웹사이트를 받아보세요.
