월드 모델(World model)
월드 모델(world model)은 환경이 작동하는 방식을 다음에 일어날 일을 예측할 수 있을 만큼 배운 AI 모델로, 흔히 동영상이나 센서 데이터로 학습하며, 에이전트가 그 시뮬레이션 안에서 계획하거나 학습할 수 있게 합니다.
작성 Divya Sharma · 2026년 11월 15일 확인 · 리뷰 방식
이 용어에는 정확한 기원과 더 느슨한 현대적 용법이 있으므로, 말하는 사람이 어느 쪽을 뜻하는지 아는 것이 도움이 됩니다.
연구에서의 의미
강화 학습에서 월드 모델은 학습된 시뮬레이터입니다. Ha와 Schmidhuber의 2018년 논문은 게임 환경과 그 환경이 시간에 따라 어떻게 바뀌는지를 압축된 그림으로 만드는 네트워크를 학습시켰습니다. 그다음 작은 컨트롤러가 그 압축된 시야로 행동하는 법을 배웠으며, 실제 게임으로 다시 옮기기 전에 모델이 상상한 게임 버전 안에서 학습할 수도 있었습니다. 요점은 에이전트가 비싼 실제 시도 대신 예측으로부터 배운다는 것입니다.
현재 제품에서의 의미
연구소들은 이제 탐험할 수 있는 동영상이나 3D 장면을 만들고 행동에 반응하는 대형 생성 모델을 "월드 모델"이라고 부르며, 로보틱스, 자율 주행, 게임을 겨냥합니다. 이 사이트에서 리뷰한 예로는 NVIDIA Cosmos 3와 DeepMind의 Genie 4가 있습니다. 이들은 보통 대량의 동영상으로 학습하며 파운데이션 모델의 한 종류입니다.
논쟁이 있는 용법
사람들은 대규모 언어 모델이 자신이 설명하는 사실들에 대한 내부 "월드 모델"을 갖고 있는지를 두고도 논쟁합니다. 이는 모델이 내부에서 무엇을 배웠느냐에 관한 주장이지 제품 유형이 아니며, 이를 판별할 합의된 시험은 없습니다.
차이점
텍스트 투 비디오 모델은 프롬프트로 클립을 만들고 멈춥니다. 월드 모델은 한 단계씩 앞으로 진행하도록 만들어집니다. 현재 상태와 행동이 주어지면 다음 상태를 예측하므로, 무언가가 그 안에서 행동할 수 있습니다. 한계는 다른 시뮬레이터와 같습니다. 긴 롤아웃에서는 오류가 쌓이고, 모델 안에서 통하는 정책이 실제 세계에서는 통하지 않을 수 있습니다.
관련 용어
- 멀티모달 모델(Multimodal model)
- 멀티모달 모델(multimodal model)은 텍스트, 이미지, 오디오, 동영상 같은 여러 종류의 데이터를 별도 시스템이 아니라 하나의 모델 안에서 받아들이고, 경우에 따라 생성하기도 하는 AI 모델입니다.
- 파운데이션 모델
- 파운데이션 모델(foundation model)은 폭넓은 데이터로 대규모 학습한 큰 모델로, 한 가지 작업을 위해 만들어지는 대신 프롬프팅이나 미세 조정을 통해 여러 하위 작업에 맞춰 조정할 수 있습니다.
- 텍스트 투 비디오(Text-to-video)
- 텍스트 투 비디오(text-to-video)는 글로 쓴 프롬프트로부터 짧은 동영상 클립을 생성하는 작업입니다. 모델은 프레임 하나하나가 그럴듯하면서도 프레임 사이의 움직임이 일관된 결과를 만들어야 합니다.
- 대규모 언어 모델
- 대규모 언어 모델(LLM, large language model)은 수십억 개의 매개변수를 가진 신경망으로, 대량의 텍스트로 다음 토큰을 예측하도록 학습되어 글쓰기, 질문 답변, 요약, 지시 따르기를 할 수 있습니다.
- AI 에이전트
- AI 에이전트(AI agent)는 언어 모델이 다음 단계를 스스로 정하는 시스템입니다. 고정된 스크립트를 따르는 대신 도구를 호출하고, 결과를 읽고, 작업이 끝날 때까지 이를 반복합니다.