https://arxiv.org/abs/2603.09172



이 논문을 한 문장으로 요약하면

AI가 수학 문제를 직접 푸는 것이 아니라, 문제를 푸는 “새로운 알고리즘”을 스스로 발명해서 어려운 수학 문제의 기록을 깼다.

---

1️⃣ 문제: Ramsey number (램지 수)

램지 수는 이런 질문이야.

예를 들어:

사람 6명을 모으면
서로 모두 친구인 3명 또는
서로 모두 모르는 3명
이 반드시 존재할까?

정답: 반드시 존재함

이걸 수학적으로 표현하면

[
R(3,3) = 6
]

즉
6명이면 반드시 저 구조가 생긴다는 뜻이야.

---

그런데 문제는…

숫자가 조금만 커져도 엄청 어려워짐

예를 들어

• R(3,10)
• R(4,15)
• R(5,6)

같은 것들은 정확한 값도 모름

그래서 보통 이렇게 말함

R(4,15) ≥ 158

뜻:

최소한 158보다 크다는 것은 증명됨

---

2️⃣ 왜 어려운가

이걸 풀려면

그래프 구조를 찾아야 함

예를 들어

158개의 노드

모든 간선 빨강/파랑 색칠

하면서

• 빨강 K4 없음
• 파랑 K15 없음

같은 구조를 찾아야 함.

문제는

가능한 그래프 수 = 천문학적

그래서 사람들은 보통

• 휴리스틱
• 컴퓨터 탐색
• 인간의 수학적 직관

을 섞어서 해결해왔어.

---

3️⃣ 기존 방식

예전 방식:

수학자

↓

특정 알고리즘 설계

↓

컴퓨터로 탐색

↓

좋은 그래프 발견

즉

사람이 알고리즘을 만든다

---

4️⃣ 이번 논문의 방식 (핵심)

DeepMind는 이렇게 함

AI가

"탐색 알고리즘 자체"를 만든다

즉

AI → 알고리즘 생성

↓

그 알고리즘이 그래프 탐색

↓

성능 평가

↓

좋은 알고리즘만 살아남음

↓

다시 진화

거의 진화 알고리즘 + LLM 구조임.

그래서 이름이

AlphaEvolve

---

5️⃣ 쉽게 비유하면

기존 방식

사람이 탐지견을 훈련

↓

탐지견이 보물 찾음

이번 논문

AI가

새로운 "탐지견 종"을 계속 만들어냄

↓

가장 보물 잘 찾는 종만 살아남음

즉

보물을 찾는 알고리즘 자체를 진화시킴

---

6️⃣ 실제 성과

램지 수 하한을 여러 개 개선함

예:

R(3,13) 60 → 61

R(4,15) 158 → 159

겉보기엔 작지만

수학에서는

1 올리는 것도 매우 어려움

---

7️⃣ 왜 AI 연구자들이 흥분하냐

이건 단순히 수학 문제 하나 푼 게 아니라

새로운 패러다임

AI가

문제 풀이

→ 알고리즘 발견

→ 탐색 전략 발견

까지 한다는 것.

즉

연구 자동화의 초기 형태

---

8️⃣ 이 논문의 진짜 의미

요약하면

관점	의미
수학	Ramsey number 기록 약간 개선
AI	알고리즘 발견 자동화
장기	AI가 연구 방법을 발명

---

9️⃣ AI 연구자들이 보는 더 큰 의미

이런 구조는 앞으로

• 수학
• 단백질 설계
• 재료 과학
• 알고리즘 설계

같은 분야에 쓰일 수 있음.

즉

AI

→ 연구 방법 발견

→ 과학 가속

---

🔟 한 줄 결론

이 논문은 “수학 문제를 푼 AI”가 아니라
“수학 문제를 푸는 새로운 알고리즘을 발명한 AI”다.