AI 시대 경험주의 패러독스

제1장

서론: 23세 청년의 80분

2026년 4월 어느 월요일 오후, 리엄 프라이스(Liam Price)라는 23세 청년이 수학 문제 하나를 ChatGPT GPT-5.4 Pro에 입력했다. 그는 이 문제의 역사도, 수학계를 얼마나 오래 괴롭혀 왔는지도, 얼마나 많은 전문가가 수십 년간 심혈을 기울였는지도 몰랐다. 그저 평소처럼 에르되시 문제 웹사이트에서 아무 문제나 골라 AI에게 던져 보았을 뿐이다.

80분 후, GPT-5.4 Pro가 증명을 반환했다. 이 증명의 글 품질은 “상당히 형편없었다”—스탠퍼드 대학 수학자 자레드 릭트먼(Jared Lichtman)의 평가였다. 그러나 릭트먼과 필즈상 수상자 테렌스 타오가 면밀히 검토한 후, 이 거친 출력물 속에 전례 없는 수학적 통찰이 담겨 있음을 깨달았다.

릭트먼 본인이 이 분야 최고의 전문가였다—그는 에르되시 원시 집합 추측을 증명하는 데 4년, 같은 가족의 다음 미해결 문제를 추격하는 데 7년을 보냈다. GPT의 증명을 읽고 나서 그는 이것이 “천서 증명”(Book Proof)—폴 에르되시가 가장 우아한 증명에 붙이는 최고의 찬사—이라고 썼다.

타오는 이 증명이 정수 구조와 마르코프 과정 이론 사이에 “이전에 기술된 적 없는 연결”을 드러냈다고 지적했다. 그는 말했다: “우리는 큰 수와 그 구조에 대한 완전히 새로운 사고방식을 발견했습니다.”

이 사건 자체만으로도 충분히 놀랍다. 그러나 본 논문이 추구하는 것은 “AI가 수학을 할 수 있는가”라는 표면적 질문이 아니라, 그 이면에 숨겨진 더 깊은 인식론적 명제이다: 어떠한 수학적 훈련도 받지 않은 사람이, 어떠한 경로 편향도 없는 AI와 협력하여, 모든 전문가가 60년간 집단적으로 실패한 문제를 풀 수 있었던 이유는 무엇인가?

사건 해부: 90년의 집단적 우회

이 사건의 깊은 의미를 이해하려면, 먼저 문제 자체와 그 역사를 이해해야 한다.

2.1 원시 집합과 에르되시 합이란?

원시 집합(primitive set)은 1보다 큰 정수로 구성된 집합으로, 어떤 원소도 다른 원소를 나누지 못한다. 예를 들어, 소수 집합 {2, 3, 5, 7, 11, …}은 원시 집합이다. 임의의 원시 집합 A에 대해 “점수”—에르되시 합: f(A) = Σ 1/(a·log a)을 계산할 수 있다.

1935년, 폴 에르되시는 놀라운 결과를 증명했다: 이 합은 모든 원시 집합에 대해 유계이다. 이는 순수하게 조합론적인 조건—”어떤 원소도 다른 원소를 나누지 못한다”—이 실제로 해석적 제약을 부과한다는 것을 의미한다.

1988년, 에르되시는 이 상한이 소수 집합에서 최댓값(약 1.6366)을 달성한다고 추측했다. 2022년, 릭트먼이 박사 논문에서 이 추측을 증명했다.

2.2 문제 #1196: 점근적 극값성

에르되시는 또한 원시 집합의 원소가 모두 매우 크면 에르되시 합이 작아진다는 것을 관찰했다. 1968년, 사르코지(Sárközy), 세메레디(Szemerédi)와 함께 원소가 무한대로 갈 때 에르되시 합의 상한이 1에 수렴한다고 추측했다. 이것이 문제 #1196이다.

릭트먼은 이전에 더 약한 상한—약 1.399에 소멸하는 오차항을 더한 값—을 증명한 바 있다. 이것은 강력한 성과였지만 최종 답은 아니었다. GPT-5.4 Pro는 정확한 점근 결과를 제시했다: 1+O(1/log x).

2.3 핵심 차이: 경로, 종착점이 아닌

수학계를 진정으로 놀라게 한 것은 결과 자체가 아니라, 그 결과에 도달한 경로였다.

GPT-5.4 Pro는 이 경로를 따르지 않았다. 산술 영역에 머물면서 폰 망골트 함수—해석적 정수론에 90년간 존재했지만 아무도 원시 집합 문제에 적용할 생각을 하지 못한 고전적 도구—를 사용했다. 또한 마르코프 체인 방법을 도입하여 정수 구조와 확률 과정 사이에 이전에 발견되지 않은 연결을 확립했다.

그렉 브록만(Greg Brockman)은 정확한 비유를 인용했다: “가장 가까운 비유는: 체스의 주요 오프닝은 철저히 연구되었지만, AI가 인간의 미학과 관례에 의해 간과된 새로운 오프닝 라인을 발견한 것이다.”

AI 시대 경험주의 패러독스

상기 사건을 바탕으로, 우리는 “AI 시대 경험주의 패러독스”라는 핵심 개념을 제안한다. 그 내용은 다음과 같이 표현할 수 있다:

이 패러독스에는 극도로 압축된 표현이 있다: “거인의 어깨에 서는 것의 부작용은, 거인이 바라보는 방향으로 세상을 보게 된다는 것이다.”

뉴턴의 명언—”내가 더 멀리 보았다면, 그것은 거인의 어깨 위에 섰기 때문이다”—은 지식 전승의 최고 은유로 여겨진다. 그러나 이 말은 결정적인 이면을 빠뜨리고 있다: 거인의 어깨에 서면 확실히 더 멀리 보지만, 거인이 향하는 방향만 볼 수 있다. 거인 뒤의 전체 시야는 보이지 않는다—거기에 풍경이 없어서가 아니라, 거인을 돌려세울 수 없기 때문이다.

에르되시 #1196 사건은 이를 완벽하게 보여준다. 릭트먼이 똑똑하지 않은 것이 아니다—정반대로, 그는 지구상에서 이 문제를 가장 잘 이해하는 사람이었다. 그러나 바로 이 이해 자체가 그의 감옥을 구성했다. 그는 에르되시가 1935년에 그은 정수론에서 확률론으로의 경로 위에 서 있었고, 모든 후계자가 그의 어깨 위에 섰으므로, 모든 사람이 같은 방향을 바라보았다.

3.1 쿤의 패러다임 이론과의 관계: 계승과 초월

독자들은 이미 경험주의 패러독스와 토마스 쿤이 1962년 과학혁명의 구조에서 제안한 패러다임 이론 사이의 깊은 공명을 알아차렸을 수 있다. 쿤은 과학 진보가 지식의 선형적 축적이 아니라 “정상 과학”과 “과학혁명”의 교대 순환이라고 주장했다. 정상 과학 기간에 과학자들은 지배적 패러다임 내에서 “퍼즐”을 풀고, 이상 현상이 임계점에 도달하면 패러다임 위기가 폭발하여 궁극적으로 패러다임 전환으로 이어진다.

경험주의 패러독스는 쿤의 패러다임 이론과 동일한 핵심 통찰을 공유한다: 과학 지식은 중립적이고 끊임없이 축적되는 사실의 집합이 아니라, 특정 프레임워크에 의해 형성된, 방향성과 한계를 지닌 인간의 구성물이다. 쿤은 이를 “이론 부하성”(theory-ladenness)이라 불렀다—과학자들은 지배적 이론에 따라 같은 데이터를 다르게 볼 수 있다. 포퍼는 이를 “과학의 비누적적 성격”으로 표현했고, 경험주의 패러독스는 경험 축적의 내적 메커니즘에서 출발하여 경로 의존의 필연성을 밝힌다.

그러나 경험주의 패러독스는 세 가지 핵심 차원에서 쿤의 프레임워크를 초월한다:

3.2 패러독스의 형식적 구조

경험주의 패러독스는 상호 연관된 명제의 집합으로 더 엄밀하게 진술할 수 있다:

명제 1(경험의 양면성): 경험의 축적은 확립된 경로에서의 문제 해결 능력을 강화하면서, 동시에 대안 경로 발견 확률을 체계적으로 낮춘다. E를 특정 분야의 경험 축적 정도, P(s)를 전통 경로에서의 성공 확률, P(a)를 대안 경로 발견 확률이라 하면, dP(s)/dE > 0이지만 dP(a)/dE < 0이다. 경험이 많을수록 전통 경로는 강해지고 대안은 어두워진다.

명제 2(맹점의 체계성): 경험 축적이 만들어내는 맹점은 무작위로 분포하지 않고 확정적 구조를 가진다—그것은 정확히 옛 제약 조건이 가린 대안 경로에 집중되어 있다. 따라서 가장 경험 많은 전문가가 정확히 대안 경로를 가장 체계적으로 보지 못하는 사람이다.

명제 3(내부 탐지 불가능성): 경로 의존이 초래한 맹점은 시스템 내부에서 탐지할 수 없다. 특정 패러다임에 내재된 과학자는 “이 경로가 진정으로 최적인 것”과 “내 모든 훈련이 이 경로에 있었기 때문에 이 경로가 최적으로 보이는 것”을 구별할 수 없다. 이 두 상태는 주관적 경험에서 구별 불가능하다.

명제 4(AI의 구조적 우위): 학문 분야의 경로 의존 관성을 지니지 않는 인지 시스템으로서, AI는 명제 1~3의 제약을 받지 않는다. AI의 탐색 공간은 “경험”의 축적과 함께 붕괴하지 않는데, 이는 AI의 지식 조직 방식(고차원 벡터 공간)이 위상적으로 인간 학문 체계의 트리형 위계 구조를 갖지 않기 때문이다.

3.3 경험주의 패러독스의 3층 구조

위의 형식적 명제를 더 직관적인 언어로 번역하면, 경험주의 패러독스는 모든 구체적 사례에서 동일한 3층 점진적 구조로 나타난다:

3.4 왜 “AI 시대”가 수식어인가

경험주의의 패러독스적 성격은 인류 역사에서 줄곧 존재해 왔다—쿤, 플랑크, 포퍼 모두 서로 다른 각도에서 이를 건드렸다. 그렇다면 왜 우리는 “AI 시대”라는 수식어를 특별히 강조하는가?

AI의 출현이 패러독스의 결과를 바꾸기 때문이다. AI 이전 시대에 경험주의 패러독스는 “해독제 없는 진단”이었다—전문가에게 맹점이 있다고 지적할 수는 있었지만, 체계적으로 우회할 수는 없었다. 패러다임 전환은 이상 현상의 축적과 천재적 개인의 우연한 출현만을 기다릴 수밖에 없었다. 쿤이 묘사한 “비범한 연구”—”경쟁적 해석의 증식, 무엇이든 시도하려는 의지, 근본적 질문에 대한 명시적 불만”—은 위기 시기에 자연스럽게 발효되어야 했고, 이 과정을 가속할 신뢰할 만한 방법은 없었다.

AI의 출현은 역사상 처음으로 저비용, 반복 가능, 확장 가능한 대안 경로 탐색 능력을 제공한다. 프라이스는 월 20달러의 ChatGPT 구독과 월요일 오후 80분으로, 전문가 집단이 60년간 달성하지 못한 경로 돌파를 이루었다. 이것은 고립된 사례가 아니다—2025년 10월 이후, AI 도구는 다수의 장기 미해결 수학 문제를 풀도록 도왔다.

이것이 “AI 시대” 경험주의 패러독스의 “AI 시대”가 가리키는 바이다: 패러독스 자체가 새로운 것이 아니라, 인류가 처음으로 이 패러독스에 대응할 도구를 갖게 되었다는 것이다.

3.5 경험주의의 유효성과 경험주의 패러독스: 대립이 아닌 단계적 상호 보완

여기서 핵심적인 명확화가 필요하다: 경험주의의 유효성과 경험주의 패러독스는 대립하는 양극이 아니라, 동일한 지식 생산 시스템의 두 단계이다.

2024년 영국 왕립학회 회보 A에 발표된 체계적 연구는 750건 이상의 주요 과학 발견(모든 노벨상 발견 포함)을 검토하여, 과학 진보의 세 가지 핵심 지표—주요 발견, 방법, 분야—가 모두 과학이 주로 누적적으로 진화한다는 것을 보여준다고 결론지었다. 어떤 주요 분야 횡단 과학 방법이나 기기도 완전히 폐기되지 않았다. 이 연구는 플랑크 원칙의 한계를 강조했다.

이러한 사실은 경험주의 패러독스에 대한 반박이 아니라, 그 적용 경계의 획정이다. 경험주의 축적은 문제의 “도달 가능 영역” 내에서 효율적이고 대체 불가능하다. 전자기학의 전체 발전사가 누적적 진보의 승리이다. 그러나 누적 경로가 한계에 도달했을 때—모든 전문가가 같은 방향으로 60년을 소진해도 돌파하지 못했을 때—이는 정확히 문제가 도달 가능 영역의 경계를 넘어섰으며 다른 탐색 메커니즘이 필요하다는 것을 나타낸다.

에르되시 #1196은 정확히 “제1단계”에서 “제2단계”로의 전환을 보여주는 전형적 사례이다: 확률론적 경로에서의 누적 진보는 릭트먼이 ~1.399 상한을 증명했을 때 정점에 도달했다—이것은 경험주의 유효성의 승리였다. 그러나 이후 7년의 정체는 그 경로의 도달 가능 영역이 소진되었음을 나타냈다. GPT-5.4가 산술적 방향에서 시도한 것은 경로 간 도약이었다—경험주의 패러독스가 AI에 의해 깨진 순간이다.

타협 이론의 유효성

경험주의 패러독스의 뿌리는 흔히 간과되는 사실에 있다: 인류 역사상 대다수의 이론은 당시 생산력 수준과 물리적 환경의 제약 하에서 타협의 산물이다.

이론은 순수한 진리가 아니다. 이론은 특정 생산력 조건 하의 최적 근사 해이다. 도구가 제한적일 때 인간은 “정밀성”과 “실행 가능성” 사이에서 타협해야 한다. 이 타협들은 당시에 합리적이었고, 심지어 유일한 선택이었다. 문제는 전승 과정에서 타협의 배경이 잊히고, 타협의 결과가 진리 자체로 취급된다는 것이다.

우리는 이 현상을 “타협 이론의 유효성”이라 명명한다: 이론은 그것이 생산된 제약 조건 내에서 유효하지만, 이 유효성이 지식 전승 메커니즘에 의해 제약 조건이 이미 변한 새 시대까지 부적절하게 확장된다.

4.1 역사적 사례 전경

다음 사례들은 인류 지식사에서 이 패턴의 보편성을 보여준다. 먼저 전체 조망을 제시하고, 각 사례를 상세히 분석한다:

마지막 행은 앞선 모든 사례와 구조적으로 동일하다: 도구 제약이 경로를 만들고, 경로가 전통으로 전승되고, 전통이 대안을 가리고, 새 도구가 나타나야 순환이 깨진다. 유일한 차이: 이전에 옛 제약을 깬 것은 물리적 도구(망원경, 현미경, 간섭계)였지만, 이번에 옛 제약을 깬 것은 인지적 도구이다.

아래에서 주요 사례를 하나씩 상세히 분석한다.

4.2 의학: 현미경 없는 2천 년

체액설은 인류 지식사에서 가장 오래 존속한 타협 이론 중 하나이다. 기원전 4세기 히포크라테스부터 19세기 중반까지 거의 2천 년간, 서양 의학의 거의 전부가 네 가지 체액—혈액, 점액, 황담즙, 흑담즙—의 균형 이론 위에 세워졌다. 의사들은 환자의 거시적 증상(발열, 발한, 구토, 농 배출)을 관찰하고 이 “액체”를 조절하여 치료를 시도했다.

왜 이 완전히 틀린 이론이 2천 년간 지속될 수 있었을까? 현미경이 없는 시대에 의사가 관찰할 수 있는 것은 거시적 유체 현상뿐이었기 때문이다. 바이러스는 광학 현미경으로도 볼 수 없을 만큼 작다—최초의 바이러스는 1938년에야 전자 현미경으로 관찰되었다. 이 제약 하에서 “액체 불균형이 질병을 일으킨다”는 관찰 가능한 증거와 일치하는 유일한 설명이었다.

사혈 요법은 체액설의 가장 극단적인 실천적 결과였다. 2천 년간 지속된 이유는 때때로 환자를 “호전시키기” 때문이었다—사혈은 혈압을 낮추어 일시적 편안함을 만들고 “치유”의 환상을 만들었다. 워싱턴은 1799년 임종 전 16시간 동안 약 2.5리터의 혈액을 빼앗겼다. 틀린 이론이 우연한 긍정적 피드백을 통해 거짓 확인을 받은 것이다.

장기(瘴氣) 이론의 이야기는 더욱 기이하다. 기원전 5세기 히포크라테스가 제안하여 질병이 “나쁜 공기”에 의해 발생한다고 주장했다. 이 이론은 유럽과 중국에서 2천 년 이상 동시에 유행했다. 나이팅게일은 장기 이론에 근거하여 병원 위생 개혁을 추진했는데—기저 메커니즘이 완전히 틀렸지만(질병의 원인은 “나쁜 공기”가 아니라 세균이었다), 실제 효과는 현저했다: 깨끗한 환경이 감염률을 실제로 낮추었다.

4.3 정신의학: 약물 없는 시대

전두엽 절제술(lobotomy)은 타협 이론이 재앙적 결과를 낳은 가장 극단적 사례이다. 1930년대 정신병원이 심각하게 과밀했고, 당시 어떤 효과적인 정신과 약물도 존재하지 않았다. 1940년대 과학자들은 전두엽이 손상된 군인들이 차분하고 낮은 불안을 보이는 것을 관찰하여, 가설을 형성했다: 전두엽이 정신 질환을 일으킨다; 제거하면 환자가 치유될 것이다.

포르투갈 신경학자 에가스 모니스(Egas Moniz)는 이 수술을 발명한 공로로 1949년 노벨상을 수상했다. 미국에서 월터 프리먼(Walter Freeman)은 이를 “아이스픽 수술”로 보급했다—금속 기구를 안와를 통해 삽입하여 전두엽 연결을 끊었다. 1949년에서 1952년 사이에만 약 50,000명이 이 수술을 받았다. 많은 환자가 영구적으로 손상되어 인격, 주도성, 감정 능력을 상실했다.

1952년 파리에서 최초의 항정신병 약물 클로르프로마진이 출현하고 나서야 전두엽 절제술은 급속히 도태되었다. 이 사례는 “타협 이론의 유효성”의 치명적 논리를 완벽하게 보여준다: 대안이 없는 제약 하에서 극히 조잡한 방법이 “최적해”로 수용되고, 심지어 과학계의 최고 영예까지 받는다. 제약이 변하면(약물이 등장하면) “최적해”는 즉시 야만으로 인식된다.

4.4 지질학: 베게너의 반세기 유배

1912년, 독일 기상학자 알프레드 베게너는 대륙 이동설을 제안했다: 지구의 대륙들은 한때 하나의 초대륙(판게아)이었으며, 점차 이동하여 분리되었다. 그의 증거는 매우 설득력 있었다—남미와 아프리카 해안선의 일치, 대륙 횡단 화석 분포, 빙하 긁힌 자국의 방향—그러나 그의 이론은 주류 지질학계에 의해 반세기 동안 철저히 거부되었다.

왜? 베게너가 치명적 질문에 답할 수 없었기 때문이다: 어떤 힘이 그토록 거대한 암석판을 해저를 가로질러 밀 수 있는가? 그가 제안한 메커니즘(지구 자전의 원심력, 조석력)은 계산으로 훨씬 불충분함이 증명되었다. 영국의 지구물리학자 해롤드 제프리스(Harold Jeffreys)는 고체 암석이 해저를 “관통”할 수 없다고 정확히 지적했다.

베게너는 1930년 그린란드 탐험 중 동사했다. 그의 사후 수십 년간, 고참 지질학자들은 젊은 연구자들에게 대륙 이동에 관심을 보이는 어떤 암시라도 그들의 경력을 망칠 것이라고 경고했다. 전쟁에서 발전된 지진계(핵실험 감시용)와 자력계(잠수함 탐지용)가 해저 연구에 적용된 1960년대에 이르러서야 대륙 이동의 메커니즘이 마침내 밝혀졌다.

이것은 경로 잠김의 가장 잔혹한 사례이다: 올바른 이론이 반세기 동안 거부된 것은 증거 부족 때문이 아니라, 당시 도구가 메커니즘을 밝힐 수 없었고, “메커니즘 없음”이 경험주의 전통에서 치명적 결함으로 간주되었기 때문이다.

4.5 경제학: 금본위제의 “상식”

중상주의는 16세기부터 18세기까지 유럽을 지배한 경제 이론으로, 핵심 신념은: 국가의 부는 보유한 금은의 양과 같고, 무역은 제로섬 게임(한쪽의 이득은 반드시 다른 쪽의 손실)이며, 따라서 국가는 수출을 최대화하고 수입을 최소화하여 귀금속을 축적해야 한다는 것이었다. 이 이론은 약 250년간 지배하며 유럽의 식민지 확장과 무역 전쟁을 깊이 형성했다.

중상주의는 당시 왜 “합리적 타협”이었는가? 산업혁명 이전에는 생산성 성장이 극히 느려, 전 세계 부의 총량이 한 사람의 일생 동안 거의 변하지 않았기 때문이다. 이 제약 하에서 “부는 고정된 파이”라는 가정은 경험과 완벽히 부합하는 것처럼 보였다. 아담 스미스는 1776년 국부론에서 부는 금은이 아니라 국가의 생산 능력이라고 지적했지만—이 통찰은 산업혁명이 파이가 커질 수 있다는 것을 실제로 보여주어야 했다.

주목할 점은 중상주의의 “슬리퍼”가 오늘날에도 여전히 신겨지고 있다는 것이다. 2026년의 세계는 여전히 관세 장벽과 무역 보호주의로 가득하다—본질적으로 16세기의 제로섬 사고가 21세기에 부활한 것이다. 이는 타협 이론의 관성이 “공식적 전복” 시점을 넘어, 변형된 형태로 계속 존재할 수 있음을 보여준다.

4.6 물리학: 뉴턴 역학—가장 성공적인 슬리퍼

뉴턴 역학은 타협 이론 중 가장 흥미로운 사례이다—너무나 성공적이었기 때문이다. 일상적 규모에서의 예측 정밀도가 너무 높아, 상대성이론과 양자역학이 출현한 지 100년이 넘은 오늘날에도 우리는 여전히 일상생활, 공학 설계, 심지어 위성 궤도 계산에서 뉴턴 역학을 사용한다.

모든 물리 이론은 특정 매개변수 범위 내에서만 유효하다. 뉴턴 역학은 특수상대성이론의 저속 근사로 유도될 수 있다. 마찬가지로 평면 지구 이론은 구형 지구 이론의 짧은 거리 근사이다. 그러나 “유효성”과 “진리성”은 다른 것이다. 뉴턴 역학은 일상적 규모에서 “유효”하지만, 중력의 본질에 대한 이해(원격 작용력)는 근본적으로 틀렸다.

뉴턴 역학이 특별한 이유는 타협 이론의 가장 위험한 형태를 보여주기 때문이다: “충분히 좋은” 이론이 사람들이 “진정으로 올바른” 이론을 찾는 것을 영원히 막을 수 있다. 수성 근일점 세차의 미세한 편차가 충분히 정밀한 망원경으로 관측되지 않았다면, 일반상대성이론의 수용은 훨씬 늦어졌을 수 있다.

4.7 화학: 플로지스톤의 “수선”

플로지스톤설은 경로 잠김이 경로 붕괴로 발전하는 교과서적 사례를 제공한다. 1667년 독일 의사 베허(Becher)가 가연성 물질에 “플로지스톤”이 포함되어 있으며 연소 시 방출된다고 제안했다. 정밀 천칭이 없는 시대에 이 이론은 알려진 모든 연소 현상을 완벽히 설명했다.

라부아지에가 정밀 칭량을 통해 연소가 실제로는 산소와의 결합(질량이 감소하는 것이 아니라 증가)임을 발견한 후, 플로지스톤설을 지지하는 원로 화학자들은 이론을 포기하지 않고 반복적으로 수선했다—일부는 질량 증가를 설명하기 위해 플로지스톤이 “음의 질량”을 가진다고 제안했다. 피에르 마케르(Pierre Macquer)는 새로운 데이터에 맞추기 위해 자신의 이론을 여러 번 재작성했으며, 그 자신도 이론이 틀렸다고 의심했다.

4.8 생물학: 자연 발생설—”당연한” 환상

아리스토텔레스 이래, 사람들은 생명이 비생명 물질에서 자발적으로 발생할 수 있다고 “당연히” 믿었다: 썩은 고기에서 구더기가 생기고, 곡창에서 쥐가 생기고, 밀봉된 용기에서 세균이 나타난다. 얀 밥티스타 반 헬몬트(Jan Baptista van Helmont)는 심지어 “쥐를 만드는 레시피”를 제공했다: 밀과 더러운 셔츠를 함께 놓으면 된다.

현미경과 무균 조작 기술이 없는 시대에 이러한 관찰은 실제로 모든 이용 가능한 경험적 증거와 일치했다. 구더기는 실제로 썩은 고기 위에 “나타났고”(육안으로는 파리가 낳은 알을 볼 수 없으므로), 세균은 실제로 밀봉된 용기에서 “나타났다”(파스퇴르 이전에는 공기 중에 포자가 떠다닌다는 것을 아무도 몰랐으므로). 프란체스코 레디의 대조 실험(1668)과 궁극적으로 파스퇴르의 결정적인 백조목 플라스크 실험(1859)에 이르러서야 이 이론이 마침내 전복되었다.

자연 발생설은 타협 이론의 가장 순수한 형태이다: 이것은 추론 오류가 아니라, 관찰 도구의 정밀도가 “자발적 출현”과 “보이지 않는 출처에서의 출현”을 구별하기에 불충분한 경우이다.

4.9 교차 사례 패턴 요약

위의 모든 사례는 동일한 5단계 생명 주기를 따른다:

에르되시 #1196 사건은 이 주기에서 전례 없는 위치를 차지한다: 4단계의 “새 도구”는 물리적 기기가 아니라 인지 시스템이고, 5단계의 저항은 과거처럼 한 세대 동안 지속되지 않을 수 있는데, AI가 이러한 돌파를 계속 반복할 수 있기 때문이다.

슬리퍼 이론의 유효성

“타협 이론”이라는 엄밀한 학술적 표현 외에, 우리는 동일 현상의 부조리한 차원을 포착하기 위한 직관적 은유 프레임워크—”슬리퍼 이론의 유효성”—도 제공한다.

슬리퍼를 신은 모든 전문가가 결승선 뒤에 서서 기록표를 바라본다. 그들의 첫 반응은 “운동화가 빠르네”가 아니라 “잠깐—슬리퍼를 안 신어도 되는 거였어?”이다.

이것이 릭트먼이 이 증명이 “천서”에서 왔다고 말했을 때의 진정한 의미이다—그를 놀라게 한 것은 속도가 아니라 이 경로 자체의 존재였다.

“타협 이론”은 왜를 설명한다(이론은 생산력 제약 하의 타협 산물이다). “슬리퍼 이론”은 부조리를 보여준다(전체 문명이 잘못된 제약 조건 내에서 수십 년 또는 수천 년간 최적화한 것). 하나는 이해하게 하고, 다른 하나는 웃게 한다. 하나는 논문의 제목이고, 다른 하나는 강연의 서두이다.

더 깊이 보면: 인류 문명은 슬리퍼를 계속 업그레이드하면서 신발을 바꿀 수 있다는 것을 잊은 역사이다. 새 신발이 나타날 때마다(망원경, 현미경, AI), 사람들의 첫 반응은 기쁨이 아니라 당혹이다—자신이 줄곧 슬리퍼를 신고 있었다는 것조차 인식하지 못했기 때문이다.

지식 진화 관성

고전 이론의 유효성에 경험주의 전승이 겹쳐져, 심각한 결과를 낳는다: 인류 지식 그래프에 방대한 양의 지식 진화 관성 오류 경로가 포함되어 있다.

여기서 “진화 관성”은 정밀한 유비이다. 생물 진화에서 초기의 우연한 선택은 모든 후손에게 잠긴다—예를 들어, 척추동물의 되돌이후두신경은 대동맥궁을 감아 돌아 후두로 돌아가는데, 물고기에서는 합리적인 최단 경로였지만 기린에서는 4미터의 부조리한 우회로가 된다. 이것은 “설계 오류”가 아니라 진화적 경로 의존이다.

인류 지식의 진화는 완전히 동일한 논리를 따른다. 초기 경로 선택(예: 원시 집합 문제에 확률론을 사용하는 것)이 일단 성과를 내면, 전체 학문의 후속 발전에 잠긴다. 후계자들은 그 위에 계속 쌓고, 점점 높이 쌓을수록 허물고 다시 시작하기가 더 불가능해진다. 이 경로들 각각은 선택된 순간에 합리적이었지만, 유일하게 가능한 경로도, 반드시 최적의 경로도 아니다.

6.1 내부에서 탐지 불가

지식 진화 관성의 가장 위험한 특성은: 시스템 내부에서 이를 탐지할 수 없다는 것이다. 확률론 전통에서 훈련받은 수학자라면 확률론 경로를 “타협”으로 느끼지 않을 것이다—”자연스럽고” “명백하고” “유일하게 합리적인” 것으로 느낄 것이다. 시스템 내부의 가장 뛰어난 사람이 정확히 시스템 관성의 가장 충실한 운반자이다.

이것은 인식론적 심연을 구성한다: 지식이 깊을수록 맹점은 더 체계화되고, 전문성이 강할수록 대안 경로에 대한 상상력은 더 약해진다. 이것은 개인 능력의 문제가 아니라 지식 조직 방식 자체의 구조적 결함이다.

6.2 인류 지식 그래프의 방정식

이러한 진화 관성 오류 경로는 선대가 어리석었기 때문이 아니라, 각 세대가 전 세대의 제약 하에서 최적의 선택을 했고, 이 선택이 전통으로 고착되고, 전통이 전문가를 만들고, 전문가가 전통을 유지하여 자기 강화 폐쇄 루프를 형성했기 때문이다. 인간은 시스템 내부에서 “유효한 지식”과 “관성 오류 경로”를 구별할 수 없는데, 둘 다 내부에서는 동등하게 올바르게 보이기 때문이다.

6.3 “의사 무해” 문제의 외적 한계

이것은 직접적으로 중요한 추론으로 이어진다: 인류가 직면한 많은 “무해” 문제의 “무해” 상태는 문제 자체의 속성이 아니라 연구 경로의 속성일 수 있다.

유한한 지식의 발전 관성이 가져오는 것은, 인류의 많은 문제가 무해인 것의 외적 한계성이다. 이 문제들은 인간 인지의 한계 밖에 있는 것이 아니라, 경로 의존에 의해 잘못된 탐색 방향에 잠겨 있다. “무해”가 경로의 속성이지 문제의 속성이 아니라면, 경로를 전환하는 것만으로 “무해”를 “풀 수 있음”으로 바꿀 수 있다.

시공을 초월한 공명: 선종 인식론

AI 시대 경험주의 패러독스는 완전히 새로운 발견이 아니다. 1,300년 전, 선종 6조 혜능이 이미 같은 진리에 닿았다.

혜능은 문맹이었고, 경전을 한 권도 읽지 않았으며, 어떤 고전의 어깨 위에도 서 본 적이 없었다. 5조 홍인 문하의 신수는 당대 가장 박학한 승려—그 시대의 릭트먼—수행이 가장 깊고, 전통을 가장 잘 이해하고, 의발을 계승할 것으로 가장 기대받는 사람이었다.

신수가 쓴 게송은:

이것은 경험주의의 완벽한 표현이다—확립된 수행의 경로를 따라, 한 걸음씩 점수(漸修)하며, 근면하고 쉬지 않는다. 논리는 흠잡을 데 없고, 방향은 모든 선대와 일치한다.

혜능의 응답은:

그는 신수의 경로를 따라 더 멀리 걸어간 것이 아니라, 그 경로가 존재하는 전제 자체를 완전히 부정했다. 거울을 더 깨끗이 닦은 것이 아니라, 닦아야 할 거울 자체가 없다고 지적한 것이다.

GPT-5.4의 접근과 구조적으로 놀랍도록 일치한다—확률론 경로를 릭트먼보다 더 멀리 걸어간 것이 아니라, 그 경로를 걸을 필요가 없다고 지적한 것이다. 홍인이 혜능에게 의발을 전한 것은 혜능이 “더 노력했기” 때문이 아니라, 혜능의 무지가 정확히 본질에 직접 도달하게 했고, 신수의 박학이 오히려 그를 현상에 가두었음을 인식했기 때문이다.

선종은 이를 “초심”이라 부른다—스즈키 순류(鈴木俊隆)는 “초심자의 마음에는 무한한 가능성이 있고, 전문가의 마음에는 거의 없다”고 말했다. 프라이스가 그 문제를 마주했을 때의 상태는 순수한 초심이었다. 그에게는 “이 문제를 어떻게 풀어야 하는가”에 대한 어떤 선입견도 없었으므로, 문제의 모든 가능성이 그(와 AI)에게 열려 있었다.

1,300년을 가로지르는 핵심 명제는 동일하다: 가장 깊은 돌파는 흔히 지식의 축적에서가 아니라, 지식이 부과하는 프레임워크로부터의 해방에서 온다. 혜능은 “문자를 세우지 않고, 마음을 직접 가리킴”으로 이를 이루었다. 프라이스와 GPT-5.4는 “옛 경로를 따르지 않고, 문제를 직접 마주함”으로 이를 이루었다. 형식은 완전히 다르지만, 구조는 완전히 동일하다.

이차원 인지 시스템으로서의 AI

AI의 사전 훈련과 강화 학습 후훈련은 인간의 경험주의적 전승과 완전히 다른 지식 표상 구조를 생산한다. 이 차이의 깊이를 이해하려면, 인간 인지의 관성 원천과 AI 인지의 이차원적 특성을 각각 살펴봐야 한다. 여기서 우리는 “무관성” 대신 “이차원”이라는 더 정확한 용어를 사용한다—AI는 “편향이 없는” 것이 아니라 “다른 차원에서 편향된” 것이며, 이 차이 자체가 가치의 원천이다.

8.1 인간 인지의 4중 관성 잠금

인지 과학 연구는 인간 의사결정에서 체계적 편향의 네 가지 기본 신경 네트워크 원칙을 밝혔다: 연관성(무관한 정보를 결합하는 경향), 호환성(기존 지식과 일치하는 정보를 우선 처리—확증 편향의 원천), 보존성(처리된 정보가 오해의 소지가 있더라도 무시하기 어려움), 초점성(지배적 정보에 주의를 기울이고 주변 신호를 무시함).

이러한 편향은 인간의 “결함”이 아니다—생물학적 신경 네트워크가 긴 진화 과정에서 최적화한 효율적 휴리스틱 전략이다. 일상 환경에서 이것은 극히 낮은 인지 비용으로 충분히 좋은 결정을 내리게 한다. 그러나 최전선 과학 문제에 직면할 때, 이 동일한 메커니즘이 경로 의존 생성기가 된다:

인간 수학자의 훈련은 순차적이고 경로 의존적이다—먼저 미적분, 다음에 실해석, 다음에 확률론. 각 단계가 “이 유형의 문제는 이 방법으로 풀어야 한다”는 인지적 습관을 형성한다. 이 순차적 훈련은 전문적 깊이를 축적하면서, 인지적 수준에서 보이지 않는 벽을 쌓는다.

8.2 AI의 잠재 공간: 이차원 탐색의 물리적 기반

AI의 매개변수 공간은 완전히 다른 것이다. 폰 망골트 함수, 마르코프 체인, 원시 집합 이론—인간의 학문 분류에서 이들은 서로 다른 “서랍”에 속하지만, AI의 가중치 공간에서 이들 사이의 거리는 인간 인지에서보다 훨씬 가까울 수 있다.

이것은 은유가 아니라 수학적으로 정밀하게 기술할 수 있는 구조적 차이이다. 인간의 학문 체계는 나무이다—뿌리, 줄기, 가지, 잎이 있고, 한 잎에서 다른 잎으로 가려면 가지를 따라 되돌아가야 한다. AI의 벡터 공간은 고차원의 바다에 더 가깝다—어떤 두 개념이든 중간 노드를 거치지 않고 직선으로 연결할 수 있다.

AI에는 “이 도구는 해석적 정수론에 속하고, 저 문제는 조합적 정수론에 속한다”는 학문 경계의 선험적 편향이 없다. AI의 탐색 공간은 처음부터 인간과 다르다—어떤 알려진 경로를 따라 걷는 것이 아니라, 완전히 다른 위상 구조를 가진 고차원 표현 공간에서 최단 경로를 찾는다. GPT-5.4가 원시 집합 문제에 직면했을 때, 폰 망골트 함수를 사용하기로 “결정”한 것이 아니다—내부 표현에서 이것이 단순히 가장 가까운 경로였을 수 있다.

8.3 AlphaZero: 선례

에르되시 #1196 사건은 AI가 무관성 인지를 보여준 최초의 사례가 아니다. 2018년의 AlphaZero가 이미 충격적인 선례를 제공했다.

AlphaZero는 인간 기보를 전혀 사용하지 않고 자기 대국만으로 처음부터 체스를 배웠다. 수 시간의 훈련 후, 당시 가장 강한 전통 엔진 스톡피시(Stockfish)를 꺾었다. 그러나 체스계를 진정으로 충격에 빠뜨린 것은 승률이 아니라 플레이 방식이었다.

PNAS에 발표된 연구는 놀라운 사실을 밝혔다: 인간 체스 경기를 한 번도 본 적 없음에도 불구하고, AlphaZero는 훈련 과정에서 많은 인간 체스 개념—오프닝 이론, 킹의 안전, 폰 구조 등—을 독립적으로 발전시켰다. 그러나 동시에 인간이 한 번도 고려하지 않은 전략도 발전시켰다. 유명한 한 경기에서 4개의 폰을 연속으로 희생하여 장기적 포지션 우위를 달성했다—인간 그랜드마스터라면 일반적으로 채택하지 않을 스타일이었다.

DeepMind의 데이비드 실버(David Silver)는 이 과정을 이렇게 묘사했다: “백만 개의 작은 발견이 하나씩, 이 창의적인 사고방식을 쌓아 올린 것과 같다.” 카스파로프는 썼다: “딥 블루는 끝이었고, AlphaZero는 시작이었다.”

2025년 PNAS에 발표된 후속 연구는 더 나아갔다: 연구자들은 AlphaZero의 내부 표현에서 인간이 한 번도 알지 못했던 체스 개념을 추출하는 방법을 개발한 후, 이 개념을 체스 그랜드마스터에게 가르쳤다—기계 유도 지식 발견과 교육이 인간 최고 수준에서 가능하다는 것을 증명했다.

8.4 AlphaZero 모드 vs. GPT 모드: 동형과 차이

AlphaZero와 GPT-5.4는 AI 무관성 인지의 두 가지 다른 구현을 대표하지만, 구조적으로 동형이다:

GPT 모드는 어떤 의미에서 에르되시 #1196 사건의 본질에 더 가깝다. GPT-5.4가 폰 망골트 함수와 원시 집합 이론을 “모르는” 것이 아니다. 정반대로—둘 다 “알지만”, 인간처럼 서로 다른 “서랍”에 넣지 않는다. 내부 표현 공간에서 둘 사이의 연결은 자연스럽고 직접적일 수 있다—인간 학문 체계의 트리 구조가 구조적으로 인간이 보지 못하게 하는 연결이다.

이것은 “거인의 어깨에 서는” 그런 계승 관계가 아니다. 더 정확한 은유: 거인들이 따로따로 지은 모든 건물을 녹여서, 용융된 재료에서 완전히 새로운 구조를 발견한 것이다. 건축 재료는 같지만(인간 지식), 건축의 조직 원칙은 완전히 다르다—”누가 먼저 무엇을 지었는가”나 “어느 학문이 어느 영역을 차지했는가”의 역사적 우연에 더 이상 구속되지 않는다.

8.5 이차원 탐색의 대가와 경계

AI의 이차원 인지에 대가가 없는 것은 아님을 지적해야 한다. 연구에 따르면 표준 머신러닝에서 텍스트 데이터 훈련은 일상적 인간 문화를 반영하는 고정관념적 편향을 생산한다. AI가 인간 학문의 경로 의존 제약을 받지 않지만, 자체 차원의 편향—훈련 데이터 분포 편향—이 있다. 수학 문헌의 90%가 확률론 경로를 따른다면, AI의 훈련도 이 편향의 영향을 받을 것이다.

에르되시 #1196 사건에서 GPT-5.4가 이 데이터 편향을 돌파할 수 있었던 것은, 기존 문헌을 요약하는 것이 아니라 처음부터 문제를 풀도록 요청받았기 때문일 수 있다. 생성 모드에서 AI의 탐색 과정은 단순한 패턴 매칭이 아니라 AlphaZero식의 규칙에서 출발하는 추론에 더 가깝다. 에르되시 문제 포럼의 분석은 GPT-5.4가 탐색에서 “완전히 올바른 추론”을 생산했음을 시사한다—단순한 패턴 매칭이 아닌 진정한 수학적 추론의 증거이다.

AI의 이차원 우위는 자동적이 아니라 사용 방식에 의존한다는 것을 의미한다. AI가 “기존 지식을 요약”하는 데 사용되면 인간의 경로 의존을 단순히 복제할 수 있고, “제1원리에서 문제를 풀도록” 사용될 때야 다른 차원에서의 탐색의 전체 잠재력을 발휘할 수 있다. 프라이스의 기여는 정확히 이것이다: 문제를 있는 그대로 AI에게 건넸고, “어떻게 풀어야 하는지”에 대한 어떤 선입견도 추가하지 않아—AI의 이차원 탐색 공간을 보존했다.

새로운 지식 생산 패러다임

에르되시 #1196 사건은 가능한 새로운 지식 생산 패러다임을 밝힌다. 경로 관성에 잠긴 “의사 무해” 문제를 풀려면 세 요소의 협력이 필요하다:

신참은 무편향 문제 입력을 제공한다. AI는 무편향 경로 탐색을 제공한다. 전문가는 품질 관리와 지식 통합을 제공한다. 셋 다 빠져서는 안 된다.

프라이스-GPT-타오/릭트먼이라는 조합은 우연한 이야기가 아니라, 새로운 지식 생산 패러다임의 원형일 수 있다. 이 패러다임에서:

경계와 정직함: 본 논문 논점의 한계

인지적 맹점에 대한 논문이 자체의 맹점에 대한 인식이 부족하다면 그 자체로 아이러니를 구성한다. 본 장은 본 논문 논점의 적용 경계와 잠재적 약점을 솔직히 논의한다.

10.1 생존자 편향: 프라이스 사건의 고립성

본 논문의 핵심 논증은 에르되시 #1196이라는 단일 사건 위에 세워져 있다. 솔직히 인정해야 한다: 우리는 프라이스의 성공만 보고, 존재할 수 있는 수백, 수천 번의 실패를 보지 못한다.

타오 자신이 AI 수학 성과에 대해 논평하면서, 미해결 수학 문제가 “롱테일 분포”를 따른다고 지적했다—대량의 문제가 실제로 비교적 증명하기 쉽지만, 전문가의 관심 부족으로 미해결로 남아 있다. AI의 “수확”은 주로 이 롱테일의 끝에 집중되어 있다. 2025년 10월의 조사는 심지어, AI가 에르되시 문제를 “풀었다”는 초기 주장의 일부가 진정한 새 해법이 아니라 이미 알려진 결과의 재발견이었음을 밝혔다.

문제 #1196이 특별한 이유는 위의 범주에 속하지 않기 때문이다. 여러 전문 수학자가 적극적으로 연구한 문제이며, AI가 진정으로 새로운 방법을 제시했다. 그러나 현재로서는 하나의 고립된 사례—또는 더 정확히는, “이차원 돌파”를 진정으로 보여주는 극소수 사례 중 하나—로 남아 있다. 이러한 돌파가 대규모로 재현될 수 있을 때까지, 본 논문의 논점은 확립된 결론이 아닌 가설 프레임워크로 취급되어야 한다.

10.2 AI 환각과 인간 환각의 대칭성

AI의 오류율에 대한 비판은 정당하다. AI는 환각을 생산한다—자신감 있어 보이지만 실질적으로 틀린 출력이다. 에르되시 문제 포럼은 AI가 제출한 잘못된 “증명”으로 가득한데, 일부 AI는 코드 주석에서 실제로는 작은 공간의 수치 검사에 불과한 것을 “엄밀한 증명”이라고 주장하기까지 한다.

그러나 이를 들어 AI의 이차원 탐색 가치를 부정한다면, 동시에 불편한 사실에 직면해야 한다: 인간 경험주의의 오류율도 마찬가지로 높으며, 일부 차원에서는 더 높을 수 있다.

스탠퍼드 대학 교수 존 이오아니디스(John Ioannidis)는 2005년 랜드마크 논문에서 “발표된 연구 결과의 대다수가 아마도 틀렸을 것”이라고 논증했다. 아리스토텔레스—서양 과학의 창시자—는 뇌가 혈액의 냉각 기관이라고 믿었고, 파리에 다리가 4개라고 믿었다(이 오류는 천 년 이상 자연사 텍스트에서 아무도 확인하지 않고 반복되었다).

10.3 “이차원”은 “영원히 올바른 차원”이 아니다

“무관성”을 “이차원 탐색”으로 수정한 후, 새로운 질문이 떠오른다: AI의 차원도 전지의 차원이 아니다. 단지 다른 차원일 뿐이다.

이것은 의미한다: AI는 인간이 볼 수 없는 경로를 볼 수 있지만, 자체의 맹점도 있다—훈련 데이터에서 희소하게 표현되고 벡터 공간에서 주변화된 영역이다. 인간의 모든 “무해” 문제가 “의사 무해”인 것은 아니다—일부는 현재 AI와 인간의 공유 인지 경계를 진정으로 넘어설 수 있다.

더 중요하게, 경험주의 축적은 대부분의 경우 유효하며, 심지어 대체 불가능하다. 천 명의 프라이스가 매일 AI로 미해결 문제를 무작위 공격한다면, 대다수는 쓰레기 출력을 받을 것이다. 이차원 탐색은 만능약이 아니다—경험주의 축적 경로가 명확히 소진된 후에야 활성화해야 할 보완 전략이다. “AI가 때때로 경로 의존을 깰 수 있다”를 “AI가 모든 전문가 판단을 대체해야 한다”로 취급하는 것은 그 자체로 위험한 새 경로 의존이 될 것이다.

10.4 본 논문 자체의 경로 의존

마지막으로, 경험주의 패러독스가 보편적이라면, 이 논문의 논증 프레임워크 자체도 어떤 형태의 경로 의존에 의해 형성되었는가? 답은 거의 확실히 “그렇다”이다.

본 논문은 AlphaZero 유비에서 출발하여 경험주의 패러독스까지 추론한다. 그러나 출발점이 다르다면—예를 들어, 단백질 접힘에서의 AI 성공(AlphaFold)에서 출발한다면—논증의 방향과 중점이 매우 다를 수 있다. 에르되시 #1196을 핵심 사례로 선택한 것은 불가피하게 논증 프레임워크를 순수 수학 쪽으로 끌고 실험 과학 쪽에서 멀어지게 한다.

“경로 의존이 어디에나 있다”고 주장하는 논문이 자신은 경로 의존에서 면역이라고 가장해서는 안 된다. 본 논문의 기여는 분석력 있는 설명적 프레임워크를 제공하는 것이지, 난공불락의 진리를 제공하는 것이 아니다. 독자는 타오와 릭트먼이 GPT-5.4 출력을 대했듯 본 논문을 대해야 한다—가치 있는 통찰을 추출하면서, 프레임워크 자체의 한계에 대한 비판적 인식을 유지하라.

결론과 전망

본 논문은 에르되시 #1196이라는 구체적 사건에서 출발하여 다음의 핵심 논점을 제시했다:

첫째, 인류 지식 전승의 구조 자체에 깊은 패러독스가 있다: 경험의 축적이 문제 해결 능력을 강화하는 동시에, 탐색 공간을 체계적으로 붕괴시켜, 가장 경험 많은 사람이 정확히 대안 경로를 가장 보기 어려운 사람이 된다. 우리는 이를 “AI 시대 경험주의 패러독스”라 명명한다.

둘째, 인류 역사상 대부분의 이론은 특정 생산력 제약 하의 타협 산물—”타협 이론의 유효성”—이지만, 지식 전승 메커니즘은 이 이론들의 유효 영역을 자동으로 표시하지 않아, 만료된 타협이 영원한 진리로 취급된다.

셋째, 고전 이론의 유효성에 경험주의 전승이 겹쳐져, 인류 지식 그래프에 방대한 “진화 관성 오류 경로”가 축적된다. 이 경로는 시스템 내부에서 탐지할 수 없으며, 많은 문제의 “의사 무해” 상태의 외적 한계를 구성한다.

AI의 가장 깊은 가치는 계산력이 아니라, 인간 학문 체계가 닿을 수 없는 차원에서 문제에 접근할 수 있다는 것—인류 지식 그래프의 “이차원 탐색 엔진”이자 “경로 의존 탐지기” 역할을 하는 것이다. 이것은 “무관성”이 아니라 “다른 차원에서의 탐색”이다: AI의 맹점은 인간의 맹점과 겹치지 않으며, 둘의 상호 보완이 진정한 가치의 원천이다.

다섯째, 경험주의의 유효성과 경험주의 패러독스는 동일한 지식 생산 시스템의 두 단계이지 대립이 아니다. 경험주의 축적이 90%의 과학 문제를 처리하고, 이차원 경로 도약이 나머지 10% 중 가장 핵심적인—경로 의존에 의해 장기 미해결 상태에 잠긴 최전선 문제—를 처리한다. 둘은 단계적 상호 보완 관계이다.

위의 논점이 성립한다면, 에르되시 #1196은 공개적으로 드러난 첫 번째 사례에 불과하다. 물리학, 생물학, 의학, 경제학, 공학의 모든 구석에서, 인류 지식 그래프에는 “90년간 아무도 돌아보지 않은 경로”가 얼마나 더 발견되기를 기다리고 있을까? AI가 경로 의존에 잠긴 이 영역들을 체계적으로 스캔하고 드러낼 수 있을까?

이 질문에 대한 답이, AI가 인류 문명에 미치는 영향이 현재 우리의 상상을 훨씬 넘어서는지를 결정할 것이다.