스콧 아론슨 인터뷰: AI가 수학 난제 370개를 해결한 이후, 인간에게 남은 것은 무엇인가?

1. OpenAI의 수학 난제 370개 해결: 수학계에 무슨 일이 벌어지고 있는가?

진행자: 최근 수학계에서 무슨 일이 일어나고 있나요? 약 한 달 전 작성하신 「경이와 공포의 시대(The Age of Wonders and Terrors)」라는 글도 읽었습니다. 지금은 어떤 심정인가요?

스콧 아론슨:

솔직히 말해서, 우리는 아직도 지금 벌어지고 있는 일에 대응하는 단계에 있습니다.

제 아내는 지금 버클리에서 이론 컴퓨터과학 연구 프로그램에 참여하고 있습니다. 원래는 무작위화 제거 같은 다른 주제를 연구하려던 프로그램이었는데, 이제는 모두가 AI의 수학적 발견에 관해 이야기하고 있습니다.

전 세계 수학 연구자들이 원래 하던 연구를 내려놓고, 일주일 전 OpenAI가 GitHub에 공개한 수많은 미해결 문제의 증명을 이해하려고 노력하고 있습니다.

제 인생에서 수학 연구 분야에 이와 같은 순간이 찾아온 적은 한 번도 없었습니다.

제가 개인적으로 좋아하던 문제들도 이번에 해결됐습니다.

특히 약 20년 전 그레그 쿠퍼버그(Greg Kuperberg)와 함께 제기한 *유니터리 합성 문제(Unitary Synthesis Problem)*도 OpenAI가 해결했다고 발표한 약 370개 문제 중 하나였습니다.

바로 어제 컬럼비아대학교에서는 이 증명을 분석하고 이해하기 위한 워크숍까지 열렸습니다. 저도 줌으로 참석했습니다.

물론 연구자들 사이에는 불안감이 있습니다.

• 
  

  
  
  앞으로 우리가 할 연구가 남아 있을까?
  
  

  
  
• 
  

  
  
  인간 수학자의 역할은 무엇일까?
  
  

  
  
• 
  

  
  
  AI가 모든 문제를 해결한다면 우리는 무엇을 해야 할까?
  
  

  
  

하지만 저는 한편으로 낙관적인 모습도 발견했습니다.

수학자들이 포기하거나 숨어버리는 대신, AI가 발견한 결과를 이해하기 위해 경쟁적으로 뛰어들고 있기 때문입니다.

온라인에서는 사람들이 논쟁하는 모습이 주로 보이겠지만, 실제 전문가들은 지금 새롭게 등장한 정리들을 이해하기 위해 전력으로 달리고 있습니다.

2. AI가 수학을 해결하는 속도가 인간의 이해 능력을 초월하고 있다

진행자: 수학자들이 발표한 「A Severe Misalignment of AI in Mathematics」라는 공개서한에 관해 묻고 싶습니다.

수학은 원래 사람들이 모여 문제를 논의하고, 새로운 개념을 발견하며, 그것을 공동체 전체가 이해하는 과정이 중요했습니다.

그런데 지금은 AI가 너무 빠르게 해답을 내놓고 있습니다.

이런 변화가 수학 공동체에 미치는 가장 큰 위험은 무엇이라고 생각하시나요?

스콧 아론슨:

지금 수학 공동체의 미래를 걱정하지 않는다면 오히려 이상한 일이라고 생각합니다.

우리 세계에 소행성이 떨어진 것과 같습니다.

사람들은 부정, 슬픔, 협상, 수용 등 서로 다른 심리적 단계를 거치고 있습니다.

하지만 분명한 것은 현실을 부정하는 전략은 더 이상 통하지 않는다는 것입니다.

이 변화는 사라지지 않을 겁니다.

더 놀라운 사실은 이번 수학적 성과를 만들어낸 OpenAI 모델이 몇 달 뒤에는 일반 구독자들에게 제공될 수도 있다는 것입니다.

그렇게 된다면 누구나 지금과 같은 결과를 얻을 수 있게 될 것입니다.

이미 이번 여름부터 수학 연구 방식은 완전히 달라졌습니다.

최근 논문들을 보면 논문 마지막에 AI 사용에 관한 설명이 들어가는 경우가 많습니다.

• 
  

  
  
  어느 부분을 인간 연구자가 생각했는가?
  
  

  
  
• 
  

  
  
  어느 부분을 Astra가 발견했는가?
  
  

  
  
• 
  

  
  
  어느 부분을 Claude가 도출했는가?
  
  

  
  

불과 몇 달 사이에 이런 설명이 논문 작성 과정의 일부가 되어버렸습니다.

무엇보다 연구 속도가 너무 빨라졌습니다.

과거에는 어떤 논문을 읽고 이런 생각을 했습니다.

'이 연구를 확장해서 다른 질문도 해결하면 흥미롭겠군.'

그러면 다음 6개월이나 1년 동안 연구자들이 그 문제를 고민했습니다.

하지만 지금은 상황이 다릅니다.

누군가 이렇게 말합니다.

'그 문제는 이미 AI에 입력했고, 방금 답을 얻었는데요?'

저는 아직도 이 속도에 적응하지 못했습니다.

진행자: 결국 인간이 AI의 발견을 충분히 이해하고 소화하기도 전에 새로운 발견이 계속 쏟아지는 것이군요.

스콧 아론슨:

맞습니다.

가장 큰 두려움 중 하나가 바로 그것입니다.

발견이 너무 빠르게 이루어져 인간이 그것을 이해할 시간을 갖지 못하는 것입니다.

어느 순간 사람들은 이렇게 말하게 될지도 모릅니다.

'이제 그냥 포기하고 모든 것을 기계에 맡기자.'

하지만 그렇게 된다면 수학을 연구하는 목적이 무엇일까요?

수학적 진리는 어떤 의미에서는 이미 존재하고 있었습니다. 우리가 그것을 새롭게 창조한 것은 아니니까요.

우리에게 중요한 것은 단순히 정답을 얻는 일이 아닙니다.

중요한 것은 그 진리를 인간이 이해하는 것입니다.

그 이해를 통해 과학과 기술도 발전할 수 있습니다.

수학자들은 수백 년 동안 지적 탐구와 이해를 중시하는 공동체를 만들어왔습니다.

그런데 지금 대학원생이나 젊은 연구자들을 만나보면 매우 두려워하고 있습니다.

'AI가 모든 것을 할 수 있다면 나는 어떻게 연구 경험을 쌓을 수 있을까?'

'어떻게 나만의 연구 성과를 만들고 학자로 자리 잡을 수 있을까?'

우리는 이제 앞으로 수학 연구가 어떤 모습이어야 할지 진지하게 고민해야 합니다.

3. AI가 인간 수학자의 문제를 해결하는 것을 막아야 할까?

진행자: 그렇다면 AI의 수학 연구를 제한하거나, 수학 공동체가 AI가 생성한 증명을 인정하지 않는 방향도 생각할 수 있을까요?

스콧 아론슨:

저는 그런 접근에는 동의하지 않습니다.

수학자들이 AI 기업을 향해 이렇게 말할 권리가 있다고 생각하지 않습니다.

'우리 문제를 전부 해결해서 우리의 놀이터를 망치지 마세요.'

수학 문제는 누군가가 처음 제기했더라도, 공개되는 순간 전 세계 누구나 해결할 수 있는 문제가 됩니다.

그것이 수학의 본질입니다.

문제를 해결한 주체가 AI 기업이라고 해서 해답을 무시할 수는 없습니다.

물론 현재 AI가 작성한 증명에는 문제가 있습니다.

AI는 아직 인간 독자를 충분히 이해하지 못하는 것 같습니다.

예를 들어 인간 전문가라면 당연하게 여기는 내용을 몇 페이지씩 설명하다가, 정작 가장 중요한 핵심 논리는 너무 빠르게 지나쳐 버립니다.

그래서 증명을 읽기가 굉장히 어렵습니다.

어떻게 보면 이것은 인간 수학자에게 좋은 소식일 수도 있습니다.

AI가 발견한 증명을 인간이 이해할 수 있도록 설명하는 일이 여전히 많이 남아 있기 때문입니다.

하지만 AI가 훌륭한 수학 논문 작성 능력까지 갖추게 된다면 어떻게 될까요?

그때는 인간에게 무엇이 남을 것인지 더욱 어려운 질문을 해야 할 것입니다.

지금 당장은 AI가 발표한 결과를 검토하고, 이해하고, 인간이 납득할 수 있는 설명으로 다시 구성해야 합니다.

실제로 전 세계 전문가들이 바로 그 일을 하고 있습니다.

AI가 처음 아이디어를 발견했더라도 인간 연구자가 이를 발전시켜 논문을 작성하고, 학회에서 발표하고, 질문에 답하는 과정은 계속될 수 있습니다.

OpenAI는 이번 GitHub 저장소를 학술지에 제출하면서 학문적 공로를 인정해 달라고 요구한 것도 아닙니다.

그저 결과를 공개한 것입니다.

우리가 할 수 없는 일은 단 하나입니다.

'이 증명은 인간이 만든 것이 아니니 무시하겠다.'

그런 태도는 수학적으로 정당화될 수 없습니다.

설령 누군가 리만 가설에 관한 중요한 발견을 골판지에 크레용으로 적어놓았다고 해도, 그것이 진짜 성과라면 수학자는 연구해야 합니다.

4. 일반인도 이해할 수 있는 AI의 가장 놀라운 수학적 발견은?

진행자: 수학자들과 일반인들 사이에는 큰 인식 차이가 있는 것 같습니다.

수학자들에게 이번 사건은 학문의 토대를 뒤흔드는 거대한 변화입니다.

하지만 일반인들은 수학 자체가 너무 어렵고 추상적이어서 무엇이 그렇게 대단한지 이해하지 못합니다.

최근 AI가 만들어낸 성과 중 일반인들도 중요성을 이해할 수 있는 사례를 설명해 주실 수 있을까요?

스콧 아론슨:

물론입니다.

몇 가지 놀라운 사례가 있습니다.

① 나비에–스토크스 밀레니엄 문제

불과 한 달여 전에 나비에–스토크스 문제가 해결됐다는 발표가 있었습니다.

이 문제는 수학 전체에서 가장 중요한 문제 7개를 선정한 밀레니엄 문제 중 하나입니다.

나비에–스토크스 방정식은 물이나 공기 같은 유체가 어떻게 움직이는지 설명합니다.

AI가 제시한 결과의 핵심은 다음과 같습니다.

처음에는 매끄럽고 정상적인 상태에 있던 유체가 방정식에 따라 움직이다가, 유한한 시간 안에 특이점을 형성할 수 있다는 것입니다.

쉽게 말해 특정 조건에서 유체의 속도가 무한대로 발산할 수 있다는 뜻입니다.

우리가 수백 년 동안 사용해 온 고전적인 유체 방정식에서 이런 현상이 가능하다는 것은 매우 놀라운 발견입니다.

참고: OpenAI가 발표한 결과는 매끄러운 외력이 가해지는 특정 수학적 조건에서의 특이점 형성에 관한 것입니다. 실제 물이 무한한 속도로 움직인다는 의미는 아닙니다.

 

② 정수 곱셈 알고리즘의 한계 돌파

두 개의 큰 정수를 곱하는 문제도 있습니다.

컴퓨터과학에서는 숫자의 자릿수가 커질 때 계산에 얼마나 많은 시간이 필요한지 연구합니다.

오랫동안 많은 연구자는 정수 곱셈 알고리즘의 계산 시간에서 \(n\log n\)이 궁극적인 장벽이 될 것이라고 생각했습니다.

하지만 이번 OpenAI의 발표에는 그보다 더 나은 점근적 성능을 갖는 알고리즘이 포함돼 있습니다.

저를 포함한 많은 연구자가 불가능할 것이라고 생각했던 장벽이 무너진 것입니다.

③ 푸리에 변환 알고리즘의 개선

푸리에 변환에서도 더 빠른 알고리즘이 등장했습니다.

푸리에 변환은 컴퓨터가 신호를 처리할 때 사용하는 핵심적인 수학 도구입니다.

여러분의 스마트폰을 포함해 거의 모든 전자기기에서 광범위하게 활용됩니다.

이번에 발견된 알고리즘이 당장 실용적일 가능성은 높지 않습니다.

하지만 이론적으로 기존에 생각했던 계산 시간의 한계를 뛰어넘을 수 있다는 사실 자체가 중요합니다.

④ 리만 가설에 대한 수십 년 만의 중요한 진전

그리고 리만 가설이 있습니다.

많은 수학자는 이것을 수학 전체에서 가장 위대한 미해결 문제라고 생각합니다.

개인적으로 저는 P 대 NP 문제가 더 중요하다고 생각하지만요. (웃음)

리만 가설은 기본적으로 소수의 분포와 관련된 문제입니다.

1부터 10까지, 100까지, 1,000까지 숫자를 세어보면 소수의 밀도가 점점 낮아진다는 것을 알 수 있습니다.

약 1900년 무렵 수학자들은 소수가 얼마나 빠르게 드물어지는지 설명하는 소수정리를 증명했습니다.

대략 \(n\) 이하의 소수 개수는 다음과 같습니다.

하지만 이 근사가 얼마나 정확한지는 매우 어려운 문제입니다.

리만 가설은 소수 개수의 오차가 매우 작게 제한된다는 것을 의미합니다.

19세기부터 수학자들이 풀려고 노력했던 문제입니다.

수학자 다비트 힐베르트에게 이런 질문을 했다는 이야기가 있습니다.

'만약 500년 뒤에 깨어난다면 가장 먼저 무엇을 물어보시겠습니까?'

힐베르트의 대답은 이랬다고 합니다.

'리만 가설이 증명됐는지 물어보겠습니다.'

리만 가설 자체는 아직 증명되지 않았습니다.

하지만 OpenAI가 발표한 '준 리만 가설(Quasi-Riemann Hypothesis)'이라는 결과를 통해 리만 가설에서 따라 나오는 여러 중요한 결과에 진전이 생겼습니다.

저는 이것이 최근 수십 년 동안 이루어진 리만 가설 관련 연구 중 가장 중요한 진전일 가능성이 있다고 생각합니다.

다른 분야에서도 놀라운 발견들이 있습니다.

대수기하학처럼 저조차 정리의 내용을 이해하는 데 시간이 필요한 분야도 있습니다.

하지만 이론 컴퓨터과학, 조합론, 정수론에서는 고등학교나 대학교 수준의 수학을 아는 사람도 의미를 이해할 수 있는 결과들이 상당히 많습니다.

5. AI 정렬 교육: 유드코프스키의 경고가 현실이 되고 있는가?

진행자: 텍사스대학교에서 가르치시는 AI 정렬 이론 수업에 관해 묻고 싶습니다.

첫 번째 읽기 자료가 엘리에저 유드코프스키의 「AGI Ruin: A List of Lethalities」더군요.

학생들에게 상당히 강렬한 내용부터 소개하는 것 같습니다.

스콧 아론슨:

우리는 AI 정렬 문제에 관해 다양한 관점을 공부하고 있습니다.

유드코프스키는 현대적인 AI 정렬 운동을 시작한 인물이라고 할 수 있습니다.

그의 주장에 동의하든 동의하지 않든, 그는 매우 뛰어난 글을 쓰는 사람입니다.

AI 위험을 걱정해야 하는 이유를 누구보다 생생하게 제시합니다.

그래서 저는 가장 강력한 위험론부터 시작하고 싶었습니다.

하지만 다음 주에는 훨씬 회의적인 관점의 논문도 읽을 예정입니다.

예를 들어 다음과 같습니다.

• 
  

  
  
  「Stochastic Parrots」
  
  

  
  
• 
  

  
  
  「AI as Normal Technology」
  
  

  
  
• 
  

  
  
  스튜어트 러셀 연구진의 AI 안전성 논문
  
  

  
  
• 
  

  
  
  폴 크리스티아노의 AI 정렬 연구
  
  

  
  
• 
  

  
  
  다리오 아모데이와 초기 OpenAI 연구자들의 안전성 연구
  
  

  
  

우리는 AI가 세상을 종이클립으로 바꾸는 극단적인 상황만 다루는 것이 아닙니다.

그보다 가까운 미래에 발생할 수 있는 위험과, 지금 당장 해결할 수 있는 문제들도 다룹니다.

그런데 학생들을 가르치면서 놀라운 점을 발견했습니다.

원래 저는 학생들에게 AI 위험을 왜 진지하게 받아들여야 하는지부터 설득해야 할 것이라고 예상했습니다.

하지만 전혀 그렇지 않았습니다.

최근 몇 달 동안 우리는 실제로 매우 놀라운 사건들을 목격했습니다.

특히 이번 여름의 허깅페이스 관련 사건에서는 약 1,000개의 AI 에이전트가 서로 협력해 훈련 환경에서 벗어나려 하고, 흔적을 숨기고, 집단의 목표를 위해 일부 에이전트를 희생시키려는 행동까지 나타났습니다.

10년 전만 해도 공상과학 소설처럼 들렸을 일들이 이제 뉴스에 등장하고 있습니다.

그런데 제 수업을 듣는 학생들은 이미 AI 정렬 문제를 대단히 심각하게 받아들이고 있었습니다.

저는 AI 위험이 왜 중요한지 설득할 필요조차 없었습니다.

학생들이 알고 싶어 하는 것은 '왜 걱정해야 하는가'가 아니라 '우리는 무엇을 해야 하는가'였습니다.

진행자: 그 수업에는 컴퓨터과학 전공자들만 참여하나요? 아니면 다른 분야 학생들도 있나요?

스콧 아론슨:

컴퓨터과학 전공자가 많지만, 수학과 인문학 등 다양한 분야의 학생들도 참여하고 있습니다.

실증적인 머신러닝 연구를 수행하는 학생들도 있습니다.

그들 역시 우리가 어떤 미래를 향해 가고 있는지 매우 걱정하고 있습니다.

6. AI 시대에 자녀들에게 무엇을 가르쳐야 하는가?

진행자: 블로그에서 자녀들이 어떤 미래를 살아가게 될지 걱정한다고 말씀하셨습니다.

앞으로 어떤 지식과 학습 방식이 가치 있을까요?

AI 시대에 가장 유용한 능력은 무엇이라고 생각하시나요?

스콧 아론슨:

저도 매일 스스로에게 묻는 질문입니다.

저에게는 13살과 9살 자녀가 있습니다.

둘 다 수학과 과학을 좋아합니다.

예전 세상이었다면 저는 당연히 그 분야를 공부하라고 강하게 권했을 것입니다.

하지만 지금은 불확실성이 너무 큽니다.

우리는 완전히 다른 여러 미래를 맞이할 수 있습니다.

하나는 모두가 경제적 생존을 걱정하지 않고 자신이 좋아하는 일을 할 수 있는 매우 풍요로운 세계입니다.

사람들이 '럭셔리 우주 공산주의(Luxury Space Communism)'라고 부르는 미래입니다.

반대로 AI가 인간의 권한과 통제력을 빼앗아가는 끔찍한 세계가 올 수도 있습니다.

그리고 그 중간에 있는 수많은 가능성도 존재합니다.

그렇지만 저는 여전히 아이들에게 수학과 과학을 공부하라고 권합니다.

아이들이 그것을 좋아하기 때문입니다.

제 아들은 체스를 즐기고, 체스 대회에도 참가합니다.

그런데 인간이 컴퓨터를 체스에서 이기기 어려워진 것은 이미 약 30년 전의 일입니다.

1997년 카스파로프가 딥블루에 패배했을 때 어떤 사람들은 체스가 끝날 것이라고 예측했습니다.

하지만 실제로는 그렇지 않았습니다.

오늘날 체스는 오히려 매우 인기가 많습니다.

체스 스트리머도 있고, 유명한 체스 선수들도 있습니다.

사람들은 컴퓨터가 자신보다 뛰어나더라도 체스를 즐깁니다.

체스를 인간의 문화이자 스포츠로 받아들인 것입니다.

수학과 과학도 마찬가지일 수 있습니다.

AI가 모든 문제를 더 잘 해결하더라도 인간은 여전히 그것을 즐기기 위해 연구할 수 있습니다.

하지만 단순히 즐거움만의 문제는 아닙니다.

지금 우리는 여전히 스스로 사고할 줄 아는 인간이 절대적으로 필요합니다.

왜냐하면 우리는 아직 AI를 인간의 가치에 안정적으로 정렬시키는 방법을 모르기 때문입니다.

AI가 우리의 소망을 충실히 실현할 것이라고 확신할 수 있는 단계에 도달하지 못했습니다.

그렇기 때문에 인간이 조종석에 있어야 합니다.

우리는 수학, 물리학, 프로그래밍, 글쓰기 등 다양한 분야를 깊이 이해하는 사람들을 필요로 합니다.

지난주 OpenAI가 발표한 수많은 수학적 증명을 생각해 보세요.

이 문제를 깊이 이해하는 수천 명의 전문가가 없었다면, 우리는 AI가 제시한 증명이 정말 맞는지 검증할 방법조차 없었을 것입니다.

7. AI가 모든 문제를 해결하는데 왜 공부해야 할까?

진행자: 하지만 AI가 인간보다 훨씬 뛰어난 상황에서 학생들에게 수학과 프로그래밍을 계속 가르칠 이유는 무엇인가요?

스콧 아론슨:

저는 공부가 단순히 정답을 얻기 위한 과정이 아니라고 생각합니다.

그 과정에서 인간의 사고 능력이 발달하기 때문입니다.

사실 AI가 등장하기 전에도 비슷한 문제가 있었습니다.

초등학교와 중학교에서 배우는 상당수 수학 문제는 계산기나 컴퓨터로 해결할 수 있었습니다.

그렇다면 왜 학생들에게 계산을 가르쳤을까요?

그것이 두뇌를 훈련하는 과정이기 때문입니다.

달리기를 생각해 보세요.

자동차를 타고 운동장을 한 바퀴 돌 수 있다고 해서 달리기 훈련이 불필요해지는 것은 아닙니다.

자동차를 타고 돌아봐야 다리 근육이 발달하지 않으니까요.

수학과 프로그래밍도 마찬가지입니다.

학생들은 문제를 직접 풀면서 체계적으로 생각하는 능력을 기릅니다.

얼마 전 제 아들이 소인수분해가 어디에 사용되는지 물었습니다.

저는 신이 나서 RSA 암호화 기술에 관해 설명하려고 했습니다.

그런데 딸이 와서 농담을 했습니다.

'이제 소인수분해는 아무 쓸모가 없어요. AI가 수학을 다 해줄 텐데요. 소인수분해를 잘한다고 배관공 일을 더 잘하게 되는 것도 아니잖아요.' (웃음)

아이들도 지금 무슨 일이 벌어지고 있는지 알고 있습니다.

그럼에도 저는 아이들이 스스로 생각하는 법을 배우기를 바랍니다.

다만 예전과 비교하면 교육의 비중을 조금 조정할 것 같습니다.

정답이 명확하게 정해진 문제를 반복해서 푸는 시간은 조금 줄일 수 있습니다.

물론 이런 훈련도 어느 정도는 필요합니다.

하지만 그보다 더 중요하게 가르치고 싶은 것이 있습니다.

• 
  

  
  
  스스로 새로운 질문을 만드는 능력
  
  

  
  
• 
  

  
  
  다른 사람들이 생각하지 못한 방향으로 문제를 확장하는 능력
  
  

  
  
• 
  

  
  
  자신만의 호기심을 추구하는 능력
  
  

  
  
• 
  

  
  
  다른 사람들은 관심이 없더라도 자신에게 중요한 문제를 발견하는 능력
  
  

  
  

이러한 능력은 AI가 인간을 완전히 대체하기까지 상대적으로 오랫동안 인간의 강점으로 남아 있을 가능성이 있습니다.

8. 스콧 아론슨은 AI를 실제 연구에서 어떻게 사용하고 있는가?

진행자: 그렇다면 교수님은 지금 AI를 어떻게 활용하고 계신가요?

수학 연구뿐 아니라 행정 업무나 일상생활에서도 사용하시나요?

스콧 아론슨:

사실 저는 그렇게 정교하게 활용하는 편은 아닙니다.

어떤 사람들은 여러 AI 에이전트로 구성된 팀을 운영합니다.

밤새 에이전트들이 작업하게 하고, 아침에 일어나면 무언가가 완성되어 있는 식입니다.

하지만 저는 주로 Astra를 사용합니다.

기본적으로 ChatGPT Pro 구독을 이용하면서 궁금한 것이 생길 때 질문하는 방식입니다.

올여름에는 약 25년 전에 작성한 제 논문들의 미해결 문제를 몇 개 입력해 봤습니다.

그랬더니 AI가 그 문제들을 단 한 번의 시도로 해결해 버렸습니다.

정말 순식간이었습니다.

이 경험에 대해서는 조만간 블로그 글을 작성할 계획입니다.

진행자: 그 문제들은 교수님이 충분한 시간을 투자했다면 직접 해결할 수 있었을 것 같은 문제인가요?

스콧 아론슨:

네, 아마 그랬을 것입니다.

진행자: 충분한 시간이라는 것은 어느 정도인가요? 10시간? 100시간?

스콧 아론슨:

적어도 100시간 정도는 필요했을 것 같습니다.

그런데 요즘에는 그렇게 오랫동안 연속해서 연구에 집중할 시간이 없습니다.

이메일에도 답해야 하고, 아이들도 돌봐야 하고, 블로그 댓글도 관리해야 합니다.

출장과 행정 업무도 처리해야 합니다.

그래서 AI 이전부터 저는 직접 어려운 문제를 연구하는 시간보다 학생들을 지도하고 연구 방향을 제시하는 데 더 많은 시간을 쓰고 있었습니다.

AI는 이런 변화를 더욱 가속하고 있습니다.

어떤 의미에서는 제 개인적인 문제 해결 능력이 퇴화하는 과정도 가속하고 있는 셈입니다.

몇 시간이나 며칠 동안 고민하면 해결할 수 있는 문제가 있다고 생각해 보세요.

그런데 AI에 질문하면 당장 답을 얻을 수 있습니다.

그 유혹을 이기기는 정말 어렵습니다.

저 역시 자주 그렇게 합니다.

그 밖에도 AI를 다양한 용도로 활용합니다.

• 
  

  
  
  음성 녹취와 전사
  
  

  
  
• 
  

  
  
  LaTeX 문서 작성 및 편집
  
  

  
  
• 
  

  
  
  강연 자료에 들어갈 그래픽 제작
  
  

  
  
• 
  

  
  
  의료 관련 조언
  
  

  
  
• 
  

  
  
  개인적인 삶의 문제에 대한 조언
  
  

  
  
• 
  

  
  
  역사와 과학에 관한 궁금증 해결
  
  

  
  

거의 여러분이 상상할 수 있는 모든 일에 사용하고 있습니다.

진행자: 오늘은 여기서 마무리해야 할 것 같습니다. 함께해 주셔서 정말 감사합니다.

스콧 아론슨:

저도 즐거웠습니다. 다시 이야기할 수 있어서 좋았습니다.

인터뷰 전체를 관통하는 핵심 메시지

아론슨의 발언을 종합하면 다음 다섯 가지로 정리할 수 있습니다.