← 라이브러리로 돌아가기

Threads digest · @edutrend_

학습·교육

물리학 문제에서 98점을 받은 AI, 사람은 무엇을 배워야 할까요

연구 수준의 물리 문제 50개 중 49개를 풀고, 인터넷 없이도 92%를 맞힌 AI. 계산을 맡길 수 있게 된 시대에 ‘무엇을 탐구할 것인가’를 묻는 힘과 교육의 역할을 생각해 봅니다.

간섭무늬와 진자가 함께 놓인 물리학 실험 장면 · AI 생성 주제 이미지
글의 주제를 표현한 AI 생성 이미지 · 실제 연구 장면이 아닙니다.

이번엔 물리학 연구실까지 찾아온 AI

수학 난제들을 척척 풀며 세상을 놀라게 했던 AI가, 이번엔 물리학 연구실까지 접수하러 왔습니다.

전 세계 물리학 전문가들이 모아온 최신 연구 수준의 문제 50개. 해당 분야의 전문가도 보통 하루 정도 혹은 그 안에 풀 수 있는 문제들인데, 최신 AI가 98점을 받아버렸습니다.

최고 성적을 낸 GPT-6-Astra와 Codex 조합의 문제당 평균 비용은 커피 한 잔 값도 안 되는 3달러 미만이었습니다.

계산기를 넘어, 자율 연구 조교로

그동안 AI는 딱 떨어지는 수학은 잘해도, 물리학은 어려울 거라 여겨졌습니다. 물리학은 현실 세계의 규칙을 해석해야 하고, 복잡한 공식과 파이썬 코딩, 수많은 논문 지식이 한꺼번에 얽혀 있기 때문입니다.

하지만 이번 시험인 TheoPhysEval에서 AI는 계산뿐 아니라 필요한 논문을 직접 찾고, 코드를 짜서 돌리는 ‘자율 연구 조교’의 모습을 보여줬습니다.

50문제 중 49개, 전문가의 정답도 고쳤습니다

성적표는 그야말로 압도적이었습니다. 인터넷과 도구를 사용할 수 있는 조건에서 OpenAI의 GPT-6-Astra는 50문제 중 49문제, 98%를 맞혔습니다. Claude Opus 5.5는 46문제, 92%를 맞혔습니다.

심지어 채점하다가 전문가가 적어둔 정답과 AI의 답이 달랐던 경우도 있었습니다. 다시 검산해 보니 기존 풀이에 오류가 있었고, 전문가가 이를 고치자 AI의 답이 맞았던 것으로 확인됐습니다.

인터넷을 끊어도 92%

더 소름 돋는 건 인터넷 검색을 막고 시험을 치르게 했을 때입니다. 구글 검색도, 새로운 논문 검색도 할 수 없는 조건에서 GPT-6-Astra와 Claude Opus 5.5 모두 92%를 맞혔습니다.

이게 무슨 뜻일까요? 사람이 평생 공부해도 다 알기 힘든 방대한 물리 문헌 속 공식과 법칙을 AI가 이미 폭넓게 익혀두었다는 뜻으로 볼 수 있습니다.

그럼 물리학자는 필요 없어질까요

그럼 이제 물리학자들은 다 백수가 되는 걸까요? 연구진은 여전히 인간 전문가가 연구 방향을 잡아야 한다고 말합니다.

이번 시험에서 모든 AI가 풀지 못한 딱 하나의 문제가 있었습니다. 바로 결과 그래프를 보여주고, 그 곡선을 만들어낼 수 있는 방정식을 찾아내라는 문제였습니다.

정해진 복잡한 계산을 해내는 능력이 뛰어나져도, 새로운 가설을 세우고 탐구의 방향을 정하는 인간의 역할은 여전히 중요하기 때문입니다.

‘계산이나 해라’에서 ‘무엇을 탐구할까’로

물리학계에는 “닥치고 계산이나 해라(Shut up and calculate)”라는 유명한 격언이 있습니다. 하지만 이제 복잡한 계산을 문제당 평균 3달러도 들지 않는 AI가 대신해 주는 시대가 되었습니다.

사람에게 진짜 필요한 능력은 수식을 기계처럼 푸는 게 아니라, “지금 무엇을 탐구해야 하는가?”, “어떤 질문이 진짜 가치 있는가?”를 던지는 힘입니다.

좋은 질문을 던지는 힘을 어떻게 기를까

수학 난제를 풀고, 물리학 계산에서도 인간을 앞서기 시작한 인공지능.

단순 테크닉을 외우는 공부 대신, ‘좋은 질문을 던지는 힘’을 어떻게 길러야 할지 고민이 깊어지는 시점입니다.

이 글에서 소개한 원문

TheoPhysEval: Assessing AI agents at autonomous theoretical physics problem solving

A. Ramesh Chandra, Aaghaz Mahajan, Ainesh Sanyal, Mianqi Wang, Shubhadeep Chakraborty, Sudip Chakraborty, Shailesh Chandrasekharan, Rama Govindarajan, Akshit Goyal, Jonathan J. Heckman, Yasir Iqbal, Divya Jaganathan, Saumav Kapoor, Andreas Karch, Pushkar Khandare, Sandeep Krishna, Anupam Kundu, Alok Laddha, Tongyan Lin, Swarnendu Maity, Nilmani Mathur, Shani Nadir Meynet, Alessandro Mininno, Abhijeet Mishra, Vidur Niranjan, Abhishodh Prakash, Pratik Rath, Durbar Roy, Debargha Sarkar, Srikanth Sastry, Gary Shiu, Aninda Sinha, Thomas Van Riet, Praneeth Netrapalli, Suvrat Raju (2026)

프리프린트 · arXiv v1 · arXiv:2610.16733v1

연구 원문 보기 ↗
원문 타래 이어 읽기Edutrend의 Threads에서

이 글 공유하기