정의
세계 모델(World Model)은 단순히 텍스트의 통계적 구조를 학습하는 언어 모델과 달리, 시공간의 통계적 구조(빛의 반사, 3D 기하학, 물리 법칙 등)를 학습하여 현실 또는 가상 세계의 작동 원리를 모사하는 시스템을 의미한다. 페이페이 리(Fei-Fei Li)는 이를 기능에 따라 렌더러, 시뮬레이터, 플래너의 세 가지로 분류한다.
핵심 속성
세계 모델의 작동 기제는 POMDP(Partially Observable Markov Decision Process) 루프를 기반으로 하며, 다음과 같은 세 가지 투영(Projections)으로 나뉜다.
- 렌더러 (Renderer):
- 출력: 관측값(Observations, 주로 픽셀).
- 목표: 시각적 충실도(Visual Fidelity).
- 특징: 인간의 눈에 그럴듯하게 보이는 영상을 생성하지만, 명시적인 3D 구조나 물리 법칙에 대한 이해는 결여될 수 있음.
- 시뮬레이터 (Simulator):
- 출력: 상태(State).
- 목표: 구조적/물리적 정밀도(Structural/Physical Accuracy).
- 특징: 기하학적 일관성, 뉴턴 역학, 동역학을 준수하며 에이전트가 상호작용할 수 있는 ‘바탕’을 제공함.
- 플래너 (Planner):
- 출력: 행동(Actions).
- 목표: 목표 달성을 위한 최적의 의사결정.
- 특징: 관측값을 입력받아 에이전트가 무엇을 해야 할지 결정하며, 인지-행동 루프를 닫는 역할을 함.
관계
- 20260605-simulation-as-structural-backbone-bridge — 연장: 시뮬레이션이 다른 두 기능을 연결하는 중추임을 설명.
- 20260605-visual-plausibility-vs-physical-accuracy — 대조: 렌더링의 한계와 시뮬레이션의 필요성을 대조.
- 20260605-unified-world-model-spatial-intelligence — 하위개념: 세 기능이 통합된 최종적인 인공지능의 형태.
인용
“언어 모델이 기계에게 개념, 어휘, 추론에 대한 놀라운 통제력을 주었다면, 물리적 세계는 다른 기저(substrate) 위에서 돌아간다. 언어 모델이 텍스트의 통계적 구조를 학습하는 곳에서, 세계 모델은 공간과 시간의 통계적 구조를 학습한다.”