Turing Award 수상자 Yann LeCun은 오늘날 가장 유명한 AI 시스템은 진정한 지능형 기계로 가는 길이 아니라고 말합니다. 파리에 본사를 둔 스타트업인 Advanced Machine Intelligence Labs(AMI Labs)에서 전 Meta 수석 AI 과학자는 쥐나 유아가 할 수 있는 방식으로 물리적 세계를 이해하도록 설계된 근본적으로 다른 종류의 모델을 구축하고 있습니다.
파리에서 열린 VivaTech 컨퍼런스와 별도로 BBC와의 인터뷰에서 LeCun은 ChatGPT, Claude 및 Gemini와 같은 대규모 언어 모델이 실제 용도가 있지만 한계가 있다고 주장했습니다. 연구원과 투자자가 이러한 한계에 대해 생각하는 방식을 형성하는 AI 산업 보도에 대한 자세한 내용을 보려면 LLM 시대 이후에 무엇이 올 것인지에 대한 광범위한 논쟁이 해당 분야에서 가장 중요한 질문 중 하나가 되었습니다.
르쿤은 "우리는 쥐만큼 물리적 세계를 잘 이해하는 로봇을 갖고 있지 않다"고 말했다. 그는 수석 AI 과학자로 10년을 보낸 후 2025년 Facebook 소유주인 Meta를 떠나 대안 아키텍처를 추구하기 위해 AMI Labs를 설립했습니다.
LeCun이 LLM만으로는 충분하지 않다고 말하는 이유
LeCun은 LLM이 코딩, 수학 문제 해결, 텍스트 생성과 같이 잘 정의되고 예측 가능한 작업에 탁월하다고 주장합니다. 그러나 그는 이러한 강점이 더 깊은 한계를 모호하게 만든다고 주장합니다. 시스템은 현실에 대한 이성보다는 통계적 패턴을 조작합니다.
그는 LLM에 대해 "그들은 기본적으로 지식을 축적할 뿐입니다"라고 말했습니다. "그들은 무언가를 역류시킬 수 있습니다. 역류하도록 훈련시키지만 특별히 똑똑하지는 않습니다. 근본적인 이해가 없습니다."
간격을 설명하기 위해 LeCun은 펜 끝을 수직으로 세워 균형을 맞춘 다음 놓아줍니다. 심지어 어린아이들도 펜이 쓰러질 것이라는 것을 알고 있지만 펜이 떨어지는 정확한 방향을 예측하려고 하는 사람은 아무도 없다고 지적합니다. 왜냐하면 그 결과는 정말로 불확실하기 때문입니다. 이와 대조적으로 LLM은 훈련 데이터의 패턴을 기반으로 단일 예측을 생성하려고 시도합니다. 모델이 물리적 상황을 추론하지 않기 때문에 그 예측은 거의 확실히 틀렸을 것입니다. 그것은 통계적으로 그럴듯해 보이는 것을 생산하고 있습니다.
LeCun은 "LLM은 로봇 공학에 거의 희망이 없습니다"라고 퉁명스럽게 말했습니다. "어떻게든 LLM을 확장하면 초인적인 지능에 도달할 수 있다는 주장은 실제로 일어나지 않을 것입니다."
JEPA 작동 방식
AMI Labs가 개발 중인 아키텍처는 JEPA(Joint Embedding Predictive Architecture)라고 합니다. JEPA는 다음 단어나 픽셀을 예측하는 대신 실제 세계의 추상화를 만들어 행동의 가능한 결과를 평가합니다.
이러한 추상화를 구축하려면 복잡한 수학이 필요하지만 원리는 간단합니다. 모델은 쓸모 없는 세부 정보를 필터링하고 세상에 대한 유용한 표현만 남깁니다. 펜 예에서 JEPA 기반 시스템은 추락의 정확한 방향을 예측하는 것이 무의미하다는 것을 이해하고 대신 의사 결정에 실제로 중요한 추상화 수준에서 상황을 나타냅니다.
이 접근 방식은 AI 시스템에 환경이 어떻게 행동하는지에 대한 내부 시뮬레이션을 제공하여 단순히 텍스트를 생성하는 것이 아니라 계획하고 행동할 수 있도록 하는 것을 목표로 하는 소위 세계 모델을 중심으로 성장하는 움직임에 AMI Labs를 배치합니다.
경쟁이 치열한 분야
투자자들은 LeCun이 뭔가에 투자하고 있다고 확신하고 있습니다. 2026년 초 AMI Labs는 미국 칩 대기업 Nvidia와 Amazon 창립자 Jeff Bezos의 개인 자산을 관리하는 펀드를 포함한 후원자들과 함께 시드 자금 조달 라운드에서 10억 달러(7억 6천만 파운드) 이상을 모금했다고 발표했습니다. 이는 유럽 스타트업 역사상 가장 큰 시드 라운드 중 하나였습니다.
AMI Labs는 이 경쟁에서 결코 혼자가 아닙니다. 옥스퍼드 대학의 Ingmar Posner 교수는 Applied AI Lab을 이끌고 약 10명으로 구성된 팀을 이끌고 있습니다. 이 팀은 AI가 효율적으로 기억하고, 결합하고, 수정할 수 있도록 지식을 구조화하는 "기계적 세계 모델"이라는 대체 접근 방식에 4년을 투자했습니다.
Posner는 BBC와의 인터뷰에서 "내 견해로는 다음 10년은 실제로 설명할 수 있는 시스템이 될 것"이라고 말했습니다. "다음과 같은 질문에 답할 수 있는 모델이 필요합니다. 무엇이 중요합니까? 무엇이 원인입니까? 내가 다른 일을 하면 어떻게 될까요?"
이 계보는 David Ha와 Jurgen Schmidhuber의 영향력 있는 2018년 논문으로 거슬러 올라갑니다. 이 논문에서는 컴퓨팅과 기계 학습의 발전으로 AI가 순전히 학습된 정신 시뮬레이션을 통해 작업을 학습할 수 있다고 주장했습니다. 이 아이디어는 이후 미래 시나리오를 상상하여 Minecraft에서 다이아몬드를 수집하는 방법을 스스로 학습하는 Google의 Dreamer 세계 모델을 포함한 중요한 연구를 촉진했습니다. Alphabet의 DeepMind는 Genie 모델 작업을 계속하고, 런던에 본사를 둔 Wayve는 Gaia라는 시스템을 보유하고 있으며, AI 선구자인 Fei-Fei Li는 유사한 목표를 추구하기 위해 2023년 샌프란시스코에 World Labs를 설립했습니다.
로봇 공학의 필수 요소
세계 모델을 향한 추진은 매년 더욱 인상적인 물리적 성과를 거두는 휴머노이드 로봇에 수십억 달러를 쏟아 부은 로봇 산업에 의해 주도되고 있습니다. 그러나 다림질이나 식기 세척기와 같은 가사 작업을 안전하게 수행하도록 기계를 훈련시키는 것은 여전히 어렵고 비용이 많이 들며, LeCun은 현재의 AI 모델이 결코 해당 환경에 충분하지 않을 것이라고 주장합니다.
LeCun은 AMI Labs가 2026년 남은 기간 동안 모델을 개선하고 2027년에 이를 산업 환경에 배포하기 시작할 것이라고 말했습니다. 이것이 성공한다면 야망은 상당히 확대될 것입니다.
"결국 우리는 최소한의 훈련이나 미세 조정을 통해 전 세계 거의 모든 것에 적용할 수 있는 일종의 일반적인 일반 지능 시스템을 갖게 될 것입니다."라고 그는 말했습니다.
그 미래에 인간이 어떻게 될지에 대해 르쿤은 낙관적입니다. 그는 AI가 유능한 대리인으로 일하는 동안 사람들은 여전히 무엇을 구축할지, 어떤 질문을 할지 결정할 것이라고 말했습니다.
"미래 AI 시스템이 우리보다 똑똑하더라도 우리와 우리의 상호 작용은 산업계의 수장이나 정치 지도자가 자신보다 똑똑한 보조 직원과 상호 작용하는 것과 같을 것입니다."
AI보다 앞서 나가세요
언어 모델에서 세계 모델로의 전환은 인공 지능의 경쟁 지도를 다시 그릴 수 있습니다. 최신 AI 개발의 진행 과정을 팔로우하세요.
AI 뉴스 자세히 보기 →
