OpenAI가 미해결 난제 10개를 풀었는데, 과학 유튜버는 ChatGPT 썼다고 사과했다 — 같은 주말에 벌어진 일

📺 2026-08-04 · 마켓레이더 대가들의 대화 38편 · AI가 수학 난제를 뚫는 동시에 AI 사용 자체가 낙인이 된 이 모순이, 1인 기업 급증과 Meta의 자체 모델 고집으로 이어지는 흐름과 한국 반도체·소프트웨어 섹터가 읽어야 할 신호

🔗 지난 편에서: 젠슨 황이 그은 실리콘밸리 분단선, 18조 달러가 오픈소스 편에 섰는데, 왜 앤트로픽만 빠졌나

Tech Times 보도(2026-08-01)에 따르면, 20년 가까이 유튜브에서 과학·교육 콘텐츠를 만들어온 크리에이터 행크 그린(Hank Green)이 리서치에 ChatGPT를 썼다고 인정한 뒤 온라인 백래시에 휩싸였다. 그런데 바로 같은 주말, OpenAI 연구원 노엄 브라운(Noam Brown)은 차기 모델 패밀리의 내부 버전이 수학·양자 복잡도 분야 미해결 난제 10개를 풀었다고 공개했다.

한쪽에서는 AI가 인류가 수십 년 못 푼 문제를 뚫고, 다른 한쪽에서는 AI로 논문을 찾아본 것만으로 창작자가 해명문을 쓴다. 테크 팟캐스트 TBPN이 이 두 장면을 나란히 놓고 다룬 이유가 여기 있다.

이 간극은 단순한 문화 논쟁이 아니다. AI 채택 속도를 결정하는 건 성능이 아니라 사회적 수용성이라는 명제가 실제 매출과 설비투자 계획에 반영되기 시작했기 때문이다. 코스피 반도체 섹터와 국내 소프트웨어·플랫폼 종목 모두 이 온도차를 관찰할 필요가 있다.

무슨 일이 있었나 — 한 주말에 겹친 세 개의 장면

첫 번째 장면. X (Noam Brown) 게시글(2026-08-01)에서 OpenAI의 노엄 브라운은 차기 주요 모델 패밀리 'Astra'의 내부 버전이 수학·양자 복잡도·이론 컴퓨터과학 분야의 미해결 주요 난제 10개를 해결했다고 밝혔다. 두 번째 장면. 같은 날 X (Gary Marcus)에서 AI 회의론의 대표 주자 게리 마커스(Gary Marcus)는 형식 검증(formal verification, 수학적으로 참·거짓을 기계가 확인할 수 있는 형태로 증명하는 방식)과 무관한 실제 미해결 문제를 풀면 그때 깨워달라는 취지로 반박했다.

세 번째 장면이 행크 그린이다. Wikipedia에 따르면 그는 2007년 유튜브에 합류했다. 플랫폼 출범 후 2년이 채 안 된 시점이다. 그가 지난 수요일 공개한 'Ask Hank Anything' 에피소드에서 문제가 된 건 단 한 문장, "반박해 주셔서 감사합니다 (I appreciate the pushback)"였다. X (Manager JoJo) 게시글(2026-07-31)이 이 클립을 올리며 대본을 AI가 썼다고 주장하면서 논란이 시작됐다.

실제로는 게스트의 반론에 답하는 장면이었고, 편집 과정에서 카메라를 정면으로 보는 컷으로 붙으면서 어색하게 들렸을 뿐이다. 그린은 대본을 AI가 쓰지 않았다고 해명하면서도, 논문 원본 찾기·PDF 요약·단위 변환 같은 리서치 용도로 ChatGPT를 쓴다는 사실은 인정했다. 그리고 그 인정 자체가 다시 비판을 불렀다.

진짜 충격 — '성능'과 '수용성'이 정반대로 벌어지고 있다

여기서 시장이 읽어야 할 지점은 논쟁의 승패가 아니다. 성능 곡선과 수용성 곡선이 서로 반대 방향으로 벌어지고 있다는 사실 자체다.

난제 10개를 풀었다는 발표에 대해 게리 마커스가 던진 반박은 사실 기술적으로 타당한 구석이 있다. 형식 검증이 가능한 영역에서 AI가 강하다는 건 오래된 관찰이다. 하지만 TBPN 진행자들이 지적했듯, 검증 가능한 유용한 문제는 생각보다 훨씬 많다. 이 약이 암을 치료했는가, 이 작업이 완료됐는가 같은 질문들은 모두 검증 가능한 범주에 들어간다. 추천 시스템이 이미 수십 년간 그 위에서 돈을 벌어왔다.

반대편에서는 정반대의 일이 벌어진다. 논문 링크를 모아주고 인용문을 뽑아주는, 현행 모델이 가장 안정적으로 잘하는 작업조차 "쓰면 안 되는 것"으로 낙인찍히는 구간이 존재한다는 게 이번 사건의 핵심이다. TBPN에서 한 진행자는 이 상황을 두고 "사람들은 그가 2026년에도 원시인처럼 구글 검색을 쓰길 원한다"는 취지의 게시글을 소개했다. 아이러니는 구글 검색 자체가 이미 AI 요약으로 덮여 있다는 점이다.

더 무거운 건 반대 진영의 가장 설득력 있는 논거였다. TBPN이 정리한 찬반 논거 표에서 AI 회의론 쪽 최고의 주장은 "과학 커뮤니케이션에서 AI 사용은 신뢰도를 조금이라도 떨어뜨린다"였다. 이건 감정 논쟁이 아니라 측정 가능한 리스크다. 실제로 스캔된 문서의 두 열이 붙어 생긴 존재하지 않는 단어가 학술 인용망에 퍼진 사례가 방송에서 언급됐다.

즉 AI 도입의 병목은 이제 모델 성능이 아니라 '검증 비용'과 '평판 비용'이다. 이 두 비용을 낮추는 계층 — 데이터 출처 추적, 검증 도구, 감사 로그 — 이 다음 투자 서사의 중심으로 이동할 가능성이 있다.