AI의 '세계 모델' 부활: 진정한 인공지능을 위한 핵심 비밀은 무엇인가?

인공지능 연구계에서 오랜 개념이 부활하고 있다. 바로 '월드 모델' — AI가 내부에 구축한 환경의 단순화된 모델로, 실제 세계에 적용하기 전에 예측과 결정을 시뮬레이션할 수 있게 해주는 개념이다. 메타의 얀 레쿤, 구글 딥마인드의 데미스 하사비스, 몬트리올 AI 연구소의 요슈아 벤지오 등 주요 AI 거장들은 이 모델이 진정한 지능, 과학성, 안전성을 갖춘 인공 일반지능(AGI)을 만드는 핵심이라고 보고 있다. 이 아이디어는 1943년 싱글랜드 심리학자 케네스 크레이크가 제안한 '정신 내의 외부 현실의 소규모 모델'에서 비롯됐다. 이후 심리학, 로봇공학, 머신러닝 분야에서 다양한 형태로 활용됐지만, 1980년대에는 로봇공학자 로드니 브룩스가 '세계는 자신이 가장 좋은 모델이다'라며 이 개념을 부정하기도 했다. 딥러닝의 등장이 다시 이 개념을 부활시켰다. 대규모 언어모델(LLM)이 예상치 못한 능력을 보일 때마다 연구자들은 이들이 내부에 '현실의 소규모 모델'을 가지고 있다고 추측했다. 그러나 실제로는 단순한 '경험칙의 집합' — 즉, 서로 모순될 수 있는 수천 개의 규칙 — 에 불과하다는 것이 드러났다. 마치 맹인들이 낙타를 각각 다른 부분만 만져서 각각 뱀, 나무, 줄기라고 착각하는 것과 같다. 이러한 모델은 일시적인 과제에는 효과적이나, 예기치 않은 상황(예: 도로 일부 차단)에 취약하다. 반면, 일관된 세계 모델이 있다면 유연한 재경로 계획이 가능하다. 이 때문에 모든 주요 AI 연구소는 세계 모델 개발에 집중하고 있으며, 구글 딥마인드와 오픈AI는 다중모달 데이터(영상, 3D 시뮬레이션 등)를 통해 자연스럽게 모델이 형성되기를 기대하고, 메타는 새로운 아키텍처 개발을 추진 중이다. 현실은 여전히 불확실하지만, 세계 모델은 AI의 오류를 줄이고 해석 가능성을 높일 수 있는 실질적인 길로 여겨지고 있다. AGI의 꿈을 향한 여정에서, 이 '계산적 눈알'은 여전히 중요한 열쇠가 될 수 있다.