25명의 필즈 메달 수상자들이 AI에 대한 경고에 공동 서명했습니다. 수학에서 노벨상에 가장 가까운 것입니다. 인터넷의 반응은 스스로 작성되었습니다: 구세대는 두려워하고 있습니다. 권위를 방어하는 전문가들. 재직 중인 루다이트들.
그러면 성명을 열어보면, 반응은 사라집니다.
AI에 대한 공로를 인정하는 것으로 시작합니다. 지난 몇 달 동안, 대형 언어 모델들은 여러 수학 분야에서 중요한 개방 문제를 해결했습니다. 회피도, 부정도 없습니다. 작업을 확인할 자격이 가장 높은 사람들은 그것이 유효하다고 확인하는 사람들입니다.
경고는 승리 이후에 나오며, 그것에 반대하지 않습니다. 그들이 문제를 지칭하는 단어는 제목에 있습니다: 심각한 불일치.AI 회사들은 답변을 최적화하고 있습니다. 수학은 이해를 생성하기 위해 존재합니다. 이 둘은 동일한 제품이 아닙니다.
요약: 이 성명서는 반AI가 아닙니다 — 주요 서명자는 생계를 위해 최전선 모델을 테스트합니다. 실제 주장: 유명한 미해결 문제들은 봉우리가 아니라 등대입니다. 그들의 가치는 그들이 강요하는 항해와 그 과정에서 만들어진 도구들입니다 — 페르마의 마지막 정리는 우리가 오늘날 여전히 사용하는 350년의 수 이론 기계를 생산했습니다. AI는 이제 문제를 해결하고 여정을 건너뛰며, 대략 제로 지식을 추가하는 증명을 제공합니다. 가장 희소한 자원은 "학생과 아이디어"입니다 — 그 순서로 — 그리고 답변이 무료일 때 견습은 무너집니다. 이것은 전체 문명의 점수판에 적용된 굿하르트의 법칙이며, 동일한 불일치가 모든 지식 산업에 다가오고 있습니다. 내 산업을 포함하여.
저는 제임스, 머큐리 기술 솔루션의 CEO입니다. 홍콩 사이버포트에서 — 2026년 9월 15일. 저희 회사는 기업을 위한 AI-인간 다리를 구축하고 있으므로, 기계 출력과 인간 이해 사이의 격차를 설명하는 세계 최고의 수학자들로부터의 성명서는 저에게 추상적인 개념이 아닙니다. 그것은 제품 사양입니다. 그에 대한 자세한 내용은 아래에 있습니다.
경고를 게시한 남자
테렌스 타오는 9월 11일 자신의 블로그에 성명을 올렸습니다. 당신이 누구와 거래하고 있는지 기억하세요: 타오는 수학에 대한 가장 강력한 모델을 스트레스 테스트하기 위해 최전선 AI 연구소에 초대받았으며, 그는 YouTube에서 AI를 사용하여 문제를 실시간으로 해결하는 방법을 설명하는 영상을 촬영했습니다. 그는 모델을 구축하는 대부분의 사람들보다 더 AI에 친숙합니다.
같은 블로그에서 같은 날, 그는 두 번째 글을 게시했습니다: 수십 년 된 미해결 문제인 앤드류스-커티스 추측에 대한 공개 도전의 발표입니다. 그는 이 도전을 조직하는 데 도움을 주며, 규칙은 AI 도구를 명시적으로 환영합니다.
같은 남자. 같은 날. 한 게시물에서는 경고가, 다른 게시물에서는 기계에 대한 초대가 있습니다. "영역을 지키는 것"은 그 조합을 설명할 수 없습니다. 그것을 설명하는 것은 구별입니다: 그는 도구를 환영하고 점수판을 거부하고 있습니다.
첫 25명의 서명자는 모두 필즈 메달 수상자이며, 목록은 더 많은 서명을 위해 열려 있으며, 이름에는 2026년 메달리스트인 중국의 덩 유가 포함되어 있습니다. 이들은 relevance가 사라지는 사람들이 아닙니다.
유명한 문제들은 실제로 무엇을 위한 것인가?
외부인들은 유명한 미해결 문제들을 정점으로 봅니다. 페르마의 마지막 정리, 리만 가설, 쌍소수 추측 — 산이며, 깃발을 먼저 꽂는 사람이 승리합니다. 질문은 닫혔습니다.
그 진술은 그것들을 랜드마크와 등대로 부릅니다. 그 은유가 전체 주장이므로 천천히 생각해 보세요. 정점은 목적지입니다. 등대는 방향입니다. 그것은 아무도 건너지 않은 물의 가장자리에 서 있으며, 그 전체 기능은 배들을 그곳으로 보내는 것입니다 — 그리고 그 과정에서 배들은 무언가를 만듭니다.
페르마의 마지막 정리는 3백50년이 걸렸습니다. 와일스는 1994년에 그것을 닫았습니다. 그러나 우리가 지킨 것은 깃발이 아닙니다. 우리가 지킨 것은 기계입니다 — 그 과정에서 발전된 대수적 수 이론의 전체 분야가 여전히 수학과 암호학 전반에 걸쳐 매일 사용되고 있습니다. 최종 증명만 바라보면, 실제로 학문이 얼마나 멀리 나아갔는지 볼 수 없습니다. 문제는 결코 요점이 아니었습니다. 여정이 요점이었고, 그 여정은 인프라를 남겼습니다.
등대를 따라 길을 찾는 것과 전구를 직접 분리하는 것은 두 가지 다른 일입니다. 등대를 따라 항해하는 것과 전구를 분리하는 것은 두 가지 다른 것입니다. 전구는 빛을 제공합니다. 등대는 해안을 제공합니다.
누구도 필요로 하지 않았던 천만 줄의 증명
내가 찾은 가장 명확한 설명은 25명에서 온 것이 아니라 댓글의 수학자에게서 왔다. 쌍둥이 소수 추측을 생각해 보라 — 아직 증명되지 않았지만, 이 분야의 모든 사람들은 그것이 사실이라고 믿고 대략적인 이유를 알고 있다. 이제 그 수학자에게 그것에 대한 천만 줄의 기계 검증된 증명을 건네라.
그의 지식은 대략 제로만큼 증가한다.
유일한 새로운 사실은 AI가 이제 그것을 증명했다는 것이다. "그리고 그 다음은?" 모든 단계가 기계 검증되었음에도 불구하고, 여전히 사람이 그것을 읽고, 소화하고, 이해해야 한다 — 누군가 그것을 기반으로 구축할 수 있기 전에. 그 작업은 압축되지 않는다. 그것은 당신이 수집하는 영수증이 아니라, 그것 자체가 제품이다.
우리는 이미 이 실험을 수행했다. 2002년과 2003년, 그리골리 페렐만은 백 년 된 퐁카레 추측을 증명하는 세 개의 극도로 간결한 프리프린트를 게시했다 — 저널도, 다듬어진 주장도, 생략된 단계도 없었다. 그 답은 공공 인터넷에 3년 동안 무료로 정확하게 존재했으며, 여러 팀의 수학자들이 모든 공백을 메우고, 수백 페이지의 상세한 주장을 작성하고, 세미나를 계속 진행했다. 2006년경에 그 결과는 마침내 수학에 속하게 되었다.
그것이 의미하는 바를 주목하라: 답은 2003년에 존재했다. 이해는 2006년에 도착했다. 오직 두 번째 것만이 중요했다. 왜냐하면 오직 이해만이 다음 결과를 이끌 수 있기 때문이다.아무도 이해하지 못하는 증명은 수학에 들어가지 않는다. 그것은 아카이브에 들어간다.
아이디어 이전의 학생들
성명의 가장 조용히 급진적인 문장: 이 분야의 가장 소중한 자원은 "학생과 아이디어"입니다 — 그 순서대로.
이 문장의 배경에 있는 실천은 다음과 같습니다. 수학 상담자는 의도적으로 학생들에게 이미 알려진 답이 있는 문제를 할당합니다 — 때로는 수십 년 전에 해결되어 문헌에 인쇄된 문제들입니다. 답은 결코 과제가 아니었습니다. 과제는 벽에 갇혀 있는 3일, 잘못된 방향으로의 전환, 두 아이디어가 마침내 결합되는 새벽 3시의 순간입니다. 그것이 도구를 배우는 방법입니다 — 하중 아래에서 — 그리고 그 도구는 40년의 연구를 지탱해야 합니다.
AI는 이제 고군분투 중에 답을 테이블 위에 놓습니다. 학생들은 그것을 받아들입니다. 물론 그들은 받아들입니다; 저도 그럴 것입니다. 올바른 힌트가 한 번의 프롬프트 거리에 있는 동안 3일 동안 갇혀 있는데, 합리적인 선택이 거부하는 것인가요? 아닙니다.
이 성명은 학생들을 비난하지 않습니다. 그것은 점수 시스템을 비난합니다. 전체 산업이 AI가 해결하는 유명한 문제의 수로 AI를 평가할 때, 모든 하류는 발표를 최적화하고 이해에서 멀어집니다. 리더보드는 빠르고, 정확하고, 비교 가능한 것을 측정할 수 있습니다. 그들은 "다른 사람들이 따라할 수 있도록 작성된 것", "다른 사람들이 재사용할 수 있는 방법", "다른 쪽에서 더 강해진 학생"을 측정할 수 없습니다.그것이 불일치입니다: 최적화되는 것과 실제로 가치 있는 것이 분리되었습니다.굿하르트의 법칙, 하나의 지표에서 문명의 규모로 확대되었습니다.
AI 회사가 들어야 하는 이유
머큐리의 창립 전제는 AI의 마지막 마일이 인간이라는 것입니다 — 기계가 생산하는 것과 인간이 흡수하는 것 사이의 간극에서 막대한 가치가 손실됩니다. 수학자들은 단순히 가장 순수한 경우입니다: 그들의 답은 소화하는 데 가장 오랜 시간이 걸리므로 그들은 먼저 간극을 느낍니다.
하지만 그 패턴은 그들만의 것이 아니다. 아무도 읽지 않는 보고서. 아무도 신뢰하지 않는 대시보드. 경영진이 해석자 없이 이사회 앞에서 방어할 수 없는 AI 분석. 출력은 이해가 아니다 — 어떤 산업에서도. 모델이 기계 속도로 답변을 제공함에 따라, 이해는 그것들을 다루는 모든 조직의 병목 현상이 된다. 우리가 고객을 위해 측정하는 것은 본질적으로 답변 수익률이다: 기계가 생산하는 것 중 얼마나 많은 것이 인간의 결정과 능력으로 전환되는가. 필드 메달 수상자들은 올해 내내 그 곡선의 어려운 끝에서 살아왔다.
그리고 그들은 절제 있게 마무리한다. 그들은 누구도 잘못이라고 비난하지 않는다. 그들은 말한다: 이 기술이 어떻게 발전하는지는 그것을 제어하는 사람들이 어디에 그것을 지향하느냐에 달려 있으며, 수학은 이해보다 더 빠르게 답변이 도착하기 시작한 첫 번째 분야일 뿐이다.
불일치에 대해 무엇을 할 것인가
AI 구축자들을 위해: 답변만 벤치마킹하는 것을 중단하라. 이해 메트릭을 추가하라. 유능한 인간이 합리적인 시간 내에 출력을 검증할 수 있는가? 비전문가가 그것으로부터 재사용 가능한 것을 배웠는가? 아무도 소화할 수 없는 것을 증명하는 모델은 보도 자료를 위해 최적화되었다.
리더들을 위해: 목적에 따라 견습을 보호하라.알려진 답변 문제를 커리큘럼에 포함하세요 — 고난이도는 내용입니다. 팀이 설명할 수 있는 것에 따라 점수를 매기고, 유도할 수 있는 것에 따라 점수를 매기지 마세요.
지금 AI를 조달하는 모든 사람에게: 서명하기 전에 수학자들의 질문을 하세요. 기계가 맞을 때, 내 팀은 실제로 무엇을 얻나요? 공급업체의 대답이 "속도"뿐이라면, 당신은 해안선이 아닌 전구를 구입한 것입니다.
답변에 점수를 매기는 것을 중단하세요. 이해에 점수를 매기기 시작하세요.
25명의 메달리스트가 벤치마크 경주를 멈추게 하지는 않을 것입니다 — 수학은 기계 추론을 위한 너무 좋은 체육관이며, 연구소는 이를 알고 있습니다. 그러나 그들은 전체 경제가 곧 만들 거래에 대한 가장 날카로운 설명을 작성했습니다. 배들은 방파제를 분해하는 법을 방금 배웠습니다. 이제 누군가 해안선을 여전히 알고 있는지는 관리 문제입니다.
머큐리 기술 솔루션: 디지털리티 가속화.