월드 모델

월드 모델이란?

월드 모델이 들어오면 시스템의 일 처리 순서 자체가 바뀝니다. 지금의 AI는 입력을 받으면 곧바로 다음 단어나 다음 동작을 내놓지만, 월드 모델을 가진 쪽은 '이 동작을 하면 1초 뒤 장면이 어떻게 될까'를 먼저 만들어 보고 그 가상 장면을 채점한 다음에야 실제 명령을 내보냅니다. 행동과 결과 사이에 가상의 시간이 한 겹 끼어드는 구조여서, 같은 로봇 팔과 같은 카메라로도 실패 횟수가 줄어듭니다. 대신 학습 데이터의 성격이 달라집니다. 정답 라벨이 붙은 문장이나 이미지가 아니라 '상태 → 행동 → 다음 상태'로 이어진 기록이 있어야 합니다.

안에서도 갈래가 나뉩니다. 하나는 장면을 압축한 숫자 벡터(잠재 공간)만 예측하는 방식으로, 화면을 그리지 않으니 가볍고 로봇 제어처럼 수십 밀리초 안에 답해야 하는 곳에 씁니다. 다른 하나는 픽셀 단위 영상을 직접 만들어 보는 방식이라 사람이 눈으로 검증하기 좋지만 연산이 무겁습니다. 공통 한계는 예측 지평입니다. 대개 1~3초 앞까지가 쓸 만하고 그 뒤로는 오차가 눈덩이처럼 불어납니다. 물리 엔진이나 디지털 트윈과 헷갈리기 쉬운데, 이쪽은 사람이 중력과 마찰 계수를 수식으로 넣어 준 것이고 월드 모델은 그 규칙을 데이터에서 스스로 뽑아낸다는 점이 다릅니다.

현장에서 가장 자주 어긋나는 지점은 '영상이 그럴듯하면 세상을 이해한 것'이라는 오해입니다. 물이 쏟아지는 장면을 매끄럽게 만들어도 컵 무게가 바뀌면 예측이 통째로 틀어지는 모델이 흔합니다. 시뮬레이션 성공률 95%만 보고 도입했다가 바닥 재질과 조명이 다른 실제 창고에서 성공률이 60%대로 주저앉는 사례가 그래서 나옵니다. 예측이 틀린 순간을 로그로 남겨 되먹이는 장치 없이 도입하면 오차가 쌓인 채로 기계가 계속 자신 있게 움직여, 사람이 개입할 타이밍마저 놓치게 됩니다. 검토 단계에서 '몇 초 앞까지 맞히는가', '틀렸을 때 무엇을 멈추는가' 두 가지는 반드시 물어야 합니다.