Robinhood의 창립자 블라드 테네프는 AI와 인간의 협업으로 2028년까지 밀레니엄상 수학 문제를 풀고 2029년까지 리만 가설을 해결할 수 있다고 말합니다.



1. Harmonic 소개:
- Vlad Tenev(Robin Hood의 창립자)와 Tudor Achim이 설립한 AI 연구소
- 목표: 수학적 초지능 창조와 인간 지식의 경계 확장

2. 수학과 AI의 관계:
- 수학은 추론의 기초이며, 과학과 공학의 근간
- AI 모델에 직접 수학을 가르치는 것이 중요하다고 주장
- 수학 능력이 다른 분야로 전이될 것이라 기대

3. Harmonic의 접근 방식:
- Lean 프로그래밍 언어 사용: 수학적 증명을 형식화하고 검증
- 합성 데이터 생성: AI 모델 훈련에 필요한 데이터 부족 문제 해결
- 강화학습과 자가 학습: 모델의 지속적인 개선

4. AI의 수학 능력 예측:
- IMO(국제 수학 올림피아드) 우승: 2024-2025년 예상
- 밀레니엄 상 문제 해결: 2028-2029년 예상 (AI 단독 또는 인간과 협력)

5. 수학 커뮤니티의 반응:
- 젊은 수학자들은 대체로 AI에 긍정적
- 나이 든 수학자들은 다소 회의적
- 미래에는 수학자의 역할이 AI를 안내하는 방향으로 변화할 것으로 예상

6. AI 수학의 잠재적 영향:
- 물리학: 근본적인 물리 법칙 이해 가속화
- 소프트웨어 공학: 검증 가능하고 정확한 소프트웨어 개발
- 다른 분야로의 확장: 역사, 인문학 등 추론이 필요한 모든 분야

7. 기술적 세부사항:
- mathlib: Lean에서 사용되는 오픈소스 수학 라이브러리
- 복잡성 측정: Lean 코드의 길이로 문제의 난이도 평가
- 에너지 투입: 모델 개선 속도의 주요 결정 요인

8. 역사적 맥락:
- Von Neumann: 수학, 컴퓨터 과학, 게임 이론 등 다방면에 기여
- Leibniz: 17세기에 이미 현재의 AI 수학과 유사한 개념 제안

9. 향후 전망:
- AI가 인간 수준 또는 그 이상의 추론 능력 달성: 1-2년 내 예상
- 수학 분야를 넘어 다양한 영역에서의 활용 기대
- 검증 가능한 소프트웨어의 보편화 전망

10. 도전과 한계:
- 현재 AI 모델의 한계: 인터넷 데이터의 품질과 양에 따른 성능 제한
- mathlib의 불완전성: 일부 수학 분야(예: 기하학)의 부족한 표현
- 새로운 이론과 구조 생성 능력의 필요성