세계 모델
한 줄 정의
세계 모델(World Model)은 물리적 환경과 개념적 관계가 어떻게 작동하는지 상상하고 시뮬레이션하여 다음 상태를 예측하는 인공지능 시스템의 내부 지도이자 작동 모델이다.
핵심 요지
- 현 LLM의 한계: 얀 르쿤(Yann LeCun) 교수에 따르면 현재의 거대 언어 모델(LLM)은 텍스트의 다음 단어를 예측할 뿐, 실제 물리 세계에서 다음에 일어날 일을 예측하는 ‘세계 모델’이 결여되어 지능의 착시를 일으킨다.
- 자가 지도 학습 (Self-Supervised Learning): 지능의 본체는 사람이 일일이 라벨을 붙이는 지도 학습(아이싱)이나 피드백 보상에 의존하는 강화 학습(체리)이 아니라, 날것의 세상을 관찰하며 물리 법칙을 스스로 체득하는 자가 지도 학습(스펀지 빵 시트)에 기반해야 한다.
- 개념 단위의 예측 (Joint Embedding): 유용한 세계 모델을 구축하려면 픽셀 단위의 모든 세부 사항을 예측하는 방식(유령 현상 및 노이즈 자원 낭비 유발)을 지양하고, 무작위 노이즈를 걷어낸 ‘개념(의미 공간)’ 단위로 미래 상태를 예측해야 한다.
- 체험과 직접 접촉의 필요성: 리처드 서튼(Richard Sutton)은 LLM이 인간의 과거 데이터를 모방하기만 하고 세상과 직접 상호작용하며 피드백 루프로 스스로를 보정하지 못한다는 점에서 “막다른 골목”에 처해 있다고 주장한다.
상세
세계 모델은 인간이나 동물이 태어나서 세상을 직접 관찰하고 물리적인 충돌을 겪으며 다지는 상식(예: 펜을 놓으면 아래로 떨어진다, 컵을 기울이면 물이 쏟아진다 등)의 추상화된 시뮬레이터 역할을 한다.
얀 르쿤 교수는 2026년 1월 ‘MIT 테크놀로지 리뷰(MIT Technology Review)’ 인터뷰에서 현재 AI 시스템이 세계 모델이 없어 고양이조차 하는 물리적 시공간 탐색(예: 좁은 틈 가늠, 뛸 높이 계산 등)을 하지 못함을 지적했다. 르쿤은 4세 아이가 세상을 관찰하며 받아들이는 시각 정보량이 인터넷 상의 모든 디지털 텍스트 정보량보다 압도적으로 큼을 지표로 제시하며, 글자만 읽어서 완벽한 지능에 도달하는 것은 무모한 설계라고 평가한다.
스케일링 스쿨(Scaling School)에서는 “계산 자원을 쏟아붓는 단순 모델이 결국 이긴다”는 쓰라린 교훈을 근거로 LLM을 더욱 스케일업하고 있으나, 얀 르쿤과 리처드 서튼 등은 세상과 직접 맞닿아 피드백을 통해 동적으로 학습하지 못하는 박제된 모방 엔진의 한계를 명백히 서술하고 있다.
예시
- 아기의 중력 학습: 돌이 지나 말을 하지 못하는 아기라도 탁자 가장자리의 물컵이 떨어질 것을 직감하고 웃는 행위는, 천만 개의 물리 데이터 라벨링 없이도 1년 동안 세상을 응시하며 구축한 세계 모델의 시뮬레이션 결과다.
- V-JEPA 2: 메타(Meta)가 구현한 세계 모델로, 사람 개입 없이 100만 시간 이상의 영상 데이터로 물리 세상을 학습한 뒤, 단 62시간 미만의 실제 로봇 작동 데이터를 접목하여 처음 가보는 환경에서도 로봇 팔로 물체를 집어 올리는 데 성공했다.