최근 체화된 인공지능(Embodied AI)의 '월드 모델(World Model)' 개발에 무려 60억 달러(약 8조 원)에 달하는 막대한 투자가 유치되었습니다. 월드 모델은 AI가 물리적 세계를 이해하고 시뮬레이션하며 예측하는 능력을 의미하며, 로봇 공학 등 다양한 분야에서 혁신을 이끌 잠재력으로 주목받고 있습니다.
하지만 일각에서는 이러한 대규모 투자에도 불구하고, 체화된 AI 월드 모델이 대규모 언어 모델(LLM)이 보여준 것과 같은 급진적인 성공을 재현하기는 어려울 수 있다는 신중론을 제기합니다. LLM은 방대한 텍스트 데이터를 활용해 빠르게 발전했지만, 체화된 AI는 현실 세계와의 물리적 상호작용을 통해 데이터를 얻고 학습해야 합니다. 이는 데이터 수집의 난이도와 비용을 크게 높이며, 현실 세계의 복잡성과 예측 불가능성 때문에 학습 과정에서 예상치 못한 문제에 직면할 가능성이 큽니다. 예를 들어, 로봇이 새로운 환경에 적응하고 다양한 변수를 처리하는 것은 단순히 텍스트를 처리하는 것보다 훨씬 복잡한 문제입니다.
이러한 분석은 AI 기술 발전의 다음 단계를 모색하는 데 중요한 시사점을 제공합니다. 체화된 AI가 진정한 잠재력을 발휘하기 위해서는 단순히 투자 규모를 늘리는 것을 넘어, 물리적 세계의 복잡성을 효과적으로 모델링하고 학습할 수 있는 새로운 접근 방식과 기술 혁신이 필요합니다. 이는 데이터 효율성, 시뮬레이션 기술, 그리고 현실 세계와의 안전하고 효과적인 상호작용 방법론 등 다양한 측면에서 연구와 개발이 집중되어야 함을 의미합니다. 체화된 AI의 성공은 LLM과는 다른 차원의 도전 과제를 해결하는 데 달려 있습니다.