AI研究は現在、言語や画像の生成モデルからワールドモデル（世界モデル）への重点が移りつつある。
현재의 AI 연구는 언어 및 이미지 생성 모델에서 세계 모델로 초점을 옮기고 있습니다.
。
이것은 로봇이나 자율주행차 등과 같은 애플리케이션에 필수적인, 현실의 물리 세계를 시뮬레이션하고 환경을 추론하는 기술입니다.
。
이 변화는 Meta와 Google과 같은 대형 테크 기업들이 이 분야의 개발에 주력하고 있다는 점에서도 명확하게 드러나고 있습니다.
。
메타의 AI 수석 과학자인 얀 르쿤은 세계 모델 연구에 집중할 의향을 강조했습니다.
。
페이페이 리가 이끄는 World Labs는 Marble 모델을 널리 공개했습니다.
。
구글은 지니Genie 모델을 시험 중이며, 엔비디아는 물리적 공간에서 작동하는 AI를 위한 옴니버스Omniverse 및 코스모스Cosmos 플랫폼을 개발하고 있습니다.
。
이러한 노력들은 AI 연구가 텍스트나 2차원 이미지의 이해를 넘어서, 3차원 공간에서의 물리 시뮬레이션에 도전하고 있음을 보여줍니다.
。
페이페이 리는 인간 인지의 핵심이 공간적 지능에 있으며, 이것이야말로 현대 AI에 가장 부족한 능력이라고 지적하고 있다.
。
인간은 물리 법칙과 공간적 관계에 기반하여 존재하며, 현실 세계에서 살아가고 행동하고 있습니다.
。
하지만 현재의 AI는 기호적인 심볼에 근거해서 세상을 해석하고 있을 뿐입니다.
。
자율주행차는 이 기술의 실제적인 응용 사례이지만, 그 운용 범위는 여전히 매우 엄격하게 구조화되어 있습니다.
。
더 복잡한 환경에서 활동하기 위해서는 AI가 공간적 상호작용을 더 광범위하게 이해하고 시뮬레이션할 필요가 있습니다.
。
현재의 세계 모델 응용을 위한 노력은 미래의 가능성과 앞으로 극복해야 할 기술적 과제 모두를 드러내고 있습니다.
。
예를 들어, 저자가 마블 모델을 사용하여 고흐의 아를의 침실을 3차원으로 재현했을 때, 결과적으로 불완전한 묘사가 나타났습니다.
。
벽이나 가구가 흐릿하게 보이고, 물체의 디테일이 사라졌습니다.
。
이는 세계 모델이 제한된 데이터로부터 일관된 공간 구조를 구축할 수 있다 하더라도, 더 복잡한 상황에서는 세부 사항의 보존이나 정확한 추론에 여전히 한계가 있음을 나타냅니다.
。
효과적인 세계 모델을 만들기 위해서는 지금까지의 AI 분야를 훨씬 뛰어넘는 기술적 과제를 극복해야 합니다.
。
물리적 공간을 충실하게 재현하기 위해서는 AI가 새로운 상태를 예측하고, 방대한 데이터 양과 맥락 및 인과관계를 이해해야 합니다.
。
또한, AI는 시간을 들여 정보를 기억하고, 일관된 행동을 유지하는 능력이 필요합니다.
。
이러한 복잡한 기술적 과제를 해결할 뿐만 아니라, 새로운 위험도 나타나고 있습니다.
。
AI 시스템이 인간의 지시 없이 물리적 세계에서 행동할 경우, 이해나 시뮬레이션의 한계로 인해 현실 세계에 해로운 변화를 초래할 수 있습니다.
。
따라서, 세계 모델의 개발에는 기술적인 과제를 극복하는 것뿐만 아니라, 이 기술이 사회에 안전하고 신뢰할 수 있는 형태로 받아들여질 수 있도록 하는 체계를 구축할 필요가 있습니다.
집
동영상
JLPT 테스트
사전
수업
주제
