월드 모델

중급

월드 모델는 AI 문맥에서 자주 등장하는 개념입니다. 이 페이지는 중급 난이도로 월드 모델의 뜻과 쓰임을 빠르게 이해할 수 있도록 정리한 AI 용어사전 항목입니다.

월드 모델를 처음 보는 독자도 헷갈리지 않도록 정의와 맥락를 한 페이지에 묶었습니다. 아래 설명을 먼저 읽고, 이어서 연결된 개념과 글까지 보면 이해가 훨씬 빨라집니다.

월드 모델(World Model)은 물리 세계가 어떻게 움직이는지, 공간과 시간과 인과관계가 어떻게 맞물리는지를 내부에 담아 시뮬레이션하는 AI 모델입니다. 글이나 그림 하나를 만들어 내는 데서 그치지 않고, "이 물체를 밀면 어디로 굴러갈까", "여기서 왼쪽으로 돌면 무엇이 보일까" 같은 다음 상태를 스스로 예측합니다. 사람이 머릿속으로 상황을 그려 보고 결과를 짐작하는 능력을, 기계에 옮겨 놓으려는 시도입니다.

월드 모델이 중요한 이유는 지금의 거대 언어 모델(LLM)이 잘 못하는 부분을 채우기 때문입니다. 언어 모델은 글로 적힌 지식에는 강하지만, 컵을 들어 올리거나 좁은 복도를 빠져나오는 물리 감각은 약합니다. 예를 들어 식탁 위 유리컵을 5cm만 더 밀면 떨어진다는 사실은 어린아이도 직관으로 알지만, 글만 학습한 모델에는 그런 몸의 감각이 들어 있지 않습니다. 로봇이 실제 부엌에서 일하고, 자율주행차가 갑자기 튀어나온 사람을 피하려면 세상의 작동 방식을 미리 이해해야 합니다. 그래서 여러 연구진이 LLM 다음 흐름으로 월드 모델을 지목합니다.

쉽게 비유하면 월드 모델은 머릿속 비행 시뮬레이터입니다. 조종사는 진짜 비행기를 띄우기 전에 시뮬레이터 안에서 수백 번 이착륙을 연습하고, 엔진 고장이나 폭풍 같은 위험한 상황도 안전하게 겪어 봅니다. 단 한 대의 비행기도 부수지 않고 수천 시간의 경험을 쌓는 셈입니다. AI도 월드 모델이라는 가상 세계 안에서 수없이 행동을 시험한 뒤, 그 경험을 현실로 가져옵니다. 비싸고 위험한 실패를 화면 안에서 미리 끝내는 덕분에, 진짜 로봇 한 대를 망가뜨리지 않고도 수만 번을 연습시킬 수 있습니다.

여기서 영상 생성 AI와의 차이를 짚으면 개념이 또렷해집니다. 디퓨전 모델(diffusion model) 기반 영상 생성은 보기에 그럴듯한 장면을 만드는 데 집중합니다. 결과물은 정해진 영상 한 편이라, 한 번 만들어지면 그 안으로 들어가 방향을 틀 수 없습니다. 반면 월드 모델은 사용자가 직접 들어가 움직이고 상호작용할 수 있는 환경을 만듭니다. 내가 왼쪽으로 가면 왼쪽 풍경이, 문을 열면 그 너머가 새로 펼쳐집니다. 보는 것과 노는 것의 차이입니다. 구글 딥마인드는 2025년 8월 5일 공개한 Genie 3로 텍스트 한 줄에서 720p, 초당 24프레임으로 돌아다닐 수 있는 가상 공간을 실시간 생성했습니다. 이전 버전 Genie 2가 10~20초를 버텼던 것과 달리, Genie 3는 몇 분간 장면의 일관성을 유지합니다. 페이페이 리가 이끄는 World Labs는 상업용 월드 모델 Marble을 내놓으며, 월드 모델을 픽셀을 그리는 렌더러, 물리적으로 정확한 3D 상태를 다루는 시뮬레이터, 다음 행동을 정하는 플래너 셋으로 나눠 설명합니다.

쓰임새는 빠르게 넓어지고 있습니다. 게임은 사람이 일일이 만들지 않은 무한한 맵을 자동으로 펼치고, 로봇은 GR00T 같은 로봇 파운데이션 모델과 묶여 가상에서 동작을 익힌 뒤 현실로 넘어옵니다. 자율주행차도 흔치 않은 위험 상황, 예컨대 한밤중에 갑자기 도로로 뛰어든 사슴 같은 장면을 가상에서 무한히 만들어 학습합니다. 현실에서 모으기 어려운 데이터를 시뮬레이션이 대신 공급하는 셈입니다. NVIDIA의 Cosmos는 2천만 시간 분량의 실제 데이터를 학습해 자율주행과 로봇 훈련용 세계를 시뮬레이션하며, 다운로드 200만 건을 넘겼습니다. 메타를 떠난 얀 르쿤(Yann LeCun)이 월드 모델을 앞세운 AMI Labs를 차린 것도 이 흐름이 일시적 유행이 아님을 보여 줍니다. 그는 오래전부터 언어만으로는 진짜 지능에 닿을 수 없다며 세계를 이해하는 모델을 강조해 왔습니다.

💡영상 생성과 헷갈릴 때

예쁜 결과물을 보는 게 목적이면 영상 생성, 그 안에 들어가 움직이고 결과를 예측하는 게 목적이면 월드 모델입니다. 전자는 관객, 후자는 플레이어를 위한 기술이라고 생각하면 구분하기 쉽습니다.

물론 한계도 분명합니다. 길게 돌아다니면 앞서 본 장면을 잊고 같은 방으로 돌아왔는데 가구 배치가 바뀌어 있거나, 물체가 공중에 떠 있는 식으로 물리 법칙이 어긋나기도 합니다. 학습에는 막대한 데이터와 연산이 들고, 아직은 짧은 시간만 일관성을 지킵니다. 그래도 피지컬 AI와 자율주행, 로봇이 한 덩어리로 발전하는 지금, 월드 모델은 기계가 진짜 세상을 이해하는 첫 관문으로 주목받고 있습니다. 결국 AI가 글을 읽는 단계를 넘어 세상을 겪는 단계로 넘어가는 변화의 한가운데에 이 기술이 있습니다.