ChatGPT 다음에 올 AI를 향한 AI 대모의 계획

URL: https://www.youtube.com/watch?v=-GjUe3zyY0g
날짜: 2026-08-25
채널: Tech Bridge
원문 제목: [한영자막] ChatGPT 다음에는 무엇이 있을까요? AI의 대모에게는 계획이 있습니다 | The Circuit

---

번역·작성 메타데이터

• 원문 언어: 영어 자동 생성 자막(한국어 자동 자막은 YouTube HTTP 429로 접근할 수 없어 영어 자막을 사용함)
• 작업 유형: YouTube 자막 기반 한국어 심층 번역·다이제스트
• 번역·작성 기준: 해라체, 기술 용어 영문 병기, 타임스탬프·반복 자막 정리, 4계층 구조화
• 주요 인물: 페이페이 리(Fei-Fei Li), 에밀리 창(Emily Chang), 월드 랩스(World Labs)
• 관련 기술: 컴퓨터 비전(Computer Vision), 공간 지능(Spatial Intelligence), 물리 지능(Physical Intelligence), 대규모 언어 모델(LLM), 월드 모델(World Model), 로보틱스(Robotics)

📌 핵심 질문 / 핵심 논점

==ChatGPT가 다음 단어를 예측하는 데서 멈춘다면, 다음 AI의 도약은 현실 세계의 구조를 이해하고 예측하며 행동을 계획하는 월드 모델(World Model)이 될 수 있는가?==

• 페이페이 리는 ImageNet으로 AI가 세상을 ‘보는’ 기반을 만들었고, World Labs에서는 AI가 3D·4D 세계를 생성·시뮬레이션·계획하도록 만들려 한다.
• 대규모 언어 모델(LLM)은 언어만으로 과학적 발견, 로봇 협력, 물리 세계의 행동을 완성할 수 없으며 공간 지능(Spatial Intelligence)이 다음 장을 연다.
• 월드 모델은 아직 2019년의 챗봇처럼 개념과 구현 방식이 정착되지 않았고, 막대한 데이터·연산·자본이 필요하지만 로봇·게임·영화·자율주행의 현실화를 앞당길 가능성이 있다.
• AI의 방향은 기업가나 소수의 지도자가 독점해서는 안 되며, 과학적 사실·공공 부문·STEM 교육·민주적 공동 거버넌스가 인간의 존엄성과 행위 능력을 지켜야 한다.

페이페이 리는 AI를 인간을 대체하는 기술로만 말하지 않고 인간을 강화하는 기술로 다룬다. ImageNet의 대규모 시각 데이터가 현대 AI의 전환점을 만들었듯이, 월드 모델은 픽셀·기하·물리·행동 계획을 연결해 기계가 실제 세계에서 움직일 수 있는 기반을 만들려 한다. 그녀는 위험을 부정하지 않으면서도 인류가 AI를 건강하게 통치하고 질병 치료·교육·돌봄에 활용할 수 있다는 낙관을 유지한다.

1. 산책하며 AI를 이야기하는 AI의 대모

페이페이 리는 앉아 있는 시간이 너무 많기 때문에 산책하며 대화하는 방식을 좋아한다. World Labs 사무실은 공원 바로 옆에 있어 걷고 이야기하기에 적합하다. 그녀는 다른 사람들의 대화는 모르지만 자신은 AI를 항상 이야기하며, AI가 자신이 아는 유일한 분야라고 농담한다.

1.1. 컴퓨터 비전의 개척자

1. AI가 세상을 보게 만든 과학자

   1. 페이페이 리는 기계가 보는 법을 가르치는 AI의 한 분야인 컴퓨터 비전(Computer Vision)의 거물로 소개된다.
   2. 그녀가 만든 ImageNet은 현대 AI 혁명을 촉발한 시각 데이터 라이브러리였고, 그 공로로 ‘AI의 대모(Godmother of AI)’라는 이름을 얻었다.
   3. 그녀는 스탠퍼드 교수, Google 임원, 미국 대통령들의 자문역, AI가 사람을 위해 쓰여야 한다고 주장하는 연구자·교육자·정책 조언자로 활동해 왔다.

2. 인간을 대체하는 담론에 대한 문제 제기

   1. AI 지도자들이 인류를 강화하는 이야기보다 인류와 일자리를 대체하는 이야기를 지나치게 많이 한다고 지적한다.
   2. 그녀는 AI의 리더십이 인간의 권한과 가능성을 넓히는 방향으로 말해야 한다고 본다.

1.2. ‘대모’라는 호칭을 받아들이는 방식

1. 처음에는 자신을 설명하지 못한 이름

   1. 페이페이 리는 스스로 무엇인가의 대모라고 부르는 사람이 아니며, 처음 그 호칭을 들었을 때 당황했다고 말한다.
   2. 그녀의 성격은 호칭보다 일에 집중하는 쪽에 가깝다.

2. 여성의 공로를 보이지 않게 만들지 않기 위한 수용

   1. 그 자리에서 호칭을 거부하면 여성이 남성과 같은 방식으로 인정받지 못하는 상황을 반복할 수 있다고 판단했다.
   2. 그녀는 여성이 자신이 만든 창조·혁신·발견의 ‘대모’로 더 많이 불리기를 원한다.
   3. 다만 자신이 “안녕하세요, AI의 대모 페이페이입니다”라고 소개하며 돌아다니지는 않는다. 그 이름은 사람들이 채택한 표현이고, 인터뷰어 에밀리 창이 그 표현을 널리 알리는 데 기여했다.

2. 청두의 호기심 많은 아이에서 AI 연구자로

페이페이 리의 AI 연구는 1980~1990년대 중국 청두에서 자연과 과학을 관찰하던 어린 시절의 호기심에서 출발한다.

2.1. 자연·과학·우주를 좋아한 어린 시절

1. 아버지와 함께한 관찰과 그림

   1. 아버지는 자연에 대한 호기심이 많은 사람이었고, 페이페이 리는 아버지를 따라 벌레를 쫓고 강아지를 따라 뛰어다녔다.
   2. 산에 올라 아버지와 자연을 그렸고, 책을 읽으며 세상이 어떻게 작동하는지 탐색했다.
   3. 자연을 사랑하는 마음과 과학·물리학·항공우주·우주에 대한 관심은 이후에도 정체성의 일부로 남았다.

2. 반항과 자기표현

   1. 짧게 자른 머리와 항공우주·물리학에 대한 관심 때문에 스스로를 반항아로 보았는지 묻자, 십 대 초반에는 누구나 자기 존재를 드러내려 하므로 어느 정도 반항적일 수 있다고 답한다.
   2. 그녀의 반항은 단순한 외형적 태도보다 자연과 과학을 향한 독립적인 호기심으로 나타났다.

2.2. 십 대 이민자의 적응과 교육

1. 중국에서 미국으로의 이동

   1. 1990년대 십 대에 중국에서 미국으로 이주한 일은 힘들었다.
   2. 문화·언어·생활의 무대가 한꺼번에 바뀌었고, 정체성을 찾아가는 십 대 시기는 원래도 어려운데 세상 자체를 이해하지 못하는 상태가 겹쳤다.

2. 가족 생계와 학업의 병행

   1. 페이페이 리는 영어를 배우고 고등학교를 마쳤다.
   2. 프린스턴대학교에서 물리학을 공부하면서 주말에는 가족의 세탁소(Dry Cleaning) 사업을 도왔다.
   3. 이후 칼텍(Caltech)에서 박사학위를 취득하고 컴퓨터 과학자가 되었다.

2.3. 돈과 유행이 없던 AI 연구의 매력

1. 순수한 호기심의 시기
   1. 페이페이 리가 AI를 연구하기 시작했을 때 AI는 매우 틈새적인 분야였다.
   2. 돈도, 권력도, 화려한 주목도, 유행도 없었기 때문에 연구자들은 하늘을 바라보거나 바다 깊이 내려가는 과학자처럼 순수한 호기심으로 연구했다.
   3. 그녀는 그 시기를 아름다운 시절로 기억한다.

3. 인간의 시각과 기계의 시각

인간의 시각은 단순히 이미지를 인식하는 기능이 아니라 공간을 파악해 다음 행동을 준비하는 지능이다.

3.1. 눈·뇌·행동으로 이어지는 공간 지능

1. 인간의 시각 처리

   1. 눈은 감각 시스템을 움직여 외부 세계를 신호로 바꾼다.
   2. 뇌는 그 신호를 계산하고 세계의 패턴을 학습한다.
   3. 인간은 사물·색·환경을 이해하며, 보는 행위의 상당 부분은 행동을 준비하는 과정이다.

2. 아침 일상의 공간적 추론

   1. 아침에 일어나 아이를 안고, 아래층으로 내려가 아침을 준비하고, 열쇠를 챙기고, 차를 몰고 출근하는 과정은 모두 공간 지능(Spatial Intelligence)을 사용한다.
   2. 공을 잡는 방법을 말로 설명하는 것과 실제로 공을 잡는 것은 전혀 다른 문제이며, 물리 세계를 이해하는 기계에는 언어 이상의 능력이 필요하다.

3.2. ImageNet이 만든 데이터 전환

1. 2006년의 문제 인식

   1. 당시 많은 연구자는 알고리즘에 집중했지만 데이터의 중요성에는 충분히 주목하지 않았다.
   2. 페이페이 리와 학생들은 학습이 데이터에 의해 구동되어야 한다는 통찰을 얻었다.
   3. 그녀는 2006년 ImageNet을 구축하기 시작했다.

2. ImageNet의 규모

   1. ImageNet은 약 1,400만 장(14 million)의 사진을 모았다.
   2. 2만 1,000개가 넘는 범주(21,000+ categories)로 이미지를 분류했다.
   3. 당시 만들어진 시각 데이터 카탈로그 중 가장 큰 규모였다.

3. 대회에서 연구 인프라로

   1. 페이페이 리는 2010년 ImageNet을 대회로 전환해 알고리즘이 사진을 얼마나 정확히 식별하는지 겨루게 했다.
   2. 2012년 제프리 힌턴(Geoffrey Hinton)의 토론토대학교 팀이 Nvidia 그래픽 카드로 구동되는 AlexNet을 제출했다.
   3. AlexNet의 성과는 대규모 데이터, 신경망(Neural Network), GPU 컴퓨팅 파워가 현대 AI의 황금 공식(Golden Recipe)이 되는 전환점이었다.

4. 문명적 순간으로서의 ImageNet

   1. ImageNet의 성취는 특정 연구자 8명의 이야기라기보다 인류 전체의 이야기다.
   2. 관련 기념 사진은 약 100년 전 산업화가 급격히 진행되고 거대한 도시 스카이라인이 세워지던 시기의 사진에서 출발한다.
   3. 산업화가 문명의 방향을 바꾼 순간이었듯, 데이터·신경망·GPU의 결합도 문명적 전환점이 되었다.

4. ChatGPT 다음의 경쟁: 월드 모델

대규모 언어 모델(LLM)이 문장의 다음 단어를 예측한다면, 월드 모델(World Model)은 현실에서 다음에 일어날 일을 예측하고 행동 가능한 구조를 제공하려 한다.

4.1. World Labs와 창업가로서의 페이페이 리

1. 2024년 창업

   1. ChatGPT를 계기로 AI가 틈새 연구 분야에서 지구상에서 가장 많이 이야기되는 기술로 바뀌자 페이페이 리는 기회를 포착했다.
   2. 그녀는 2024년 월드 랩스(World Labs)를 공동 창업했다.
   3. 회사의 공동 창업자·엔지니어·연구자·과학자는 대부분 젊고, 페이페이 리가 회사에서 가장 연장자다.

2. ‘호랑이 엄마’식 운영

   1. 페이페이 리는 자신이 회사에서 엄마처럼 느껴진다고 말한다.
   2. 높은 기준을 적용해 회사를 운영하기 때문에 때로는 ‘호랑이 엄마(Tiger Mom)’처럼 느껴진다고 표현한다.
   3. 젊고 뛰어난 팀을 이끄는 일에는 돌봄과 엄격한 기대가 동시에 필요하다.

4.2. LLM만으로는 부족한 이유

1. 언어의 한계

   1. 언어 모델은 문장과 지식을 생성할 수 있지만, 언어만으로는 과학적 발견을 계속 밀어붙이거나 로봇과 인간의 파트너가 되는 데 충분하지 않다.
   2. 말로 불을 끄거나 말로 오믈렛을 요리할 수는 없다.
   3. 공간 지능과 물리 지능은 LLM에 반대하는 선택이 아니라 AI의 다음 프런티어이자 다음 장이다.

2. 현실 세계의 다음 상태 예측

   1. 월드 모델은 단순히 문장 다음 단어를 고르는 것이 아니라 세계의 상태가 어떻게 변하는지 파악한다.
   2. 공을 잡는 방법을 설명하는 언어와 공을 실제로 잡는 물리적 실행 사이의 간극을 메우려 한다.
   3. 로봇이 사람과 협력하고 공장·도로·가정처럼 예측하기 어려운 환경을 다루려면 현실의 구조와 행동 결과를 이해해야 한다.

4.3. 월드 모델의 세 기능

월드 모델이라는 말은 아직 너무 많은 의미를 담은 과부하된 용어(Overloaded Term)이며, 페이페이 리는 공간 지능을 세 기능으로 구분한다.

1. 렌더링(Rendering)

   1. 월드 모델이 사람이 소비할 수 있는 아름다운 픽셀을 출력한다.
   2. OpenAI의 Sora 같은 생성형 비디오 시스템이 대표적으로 떠올릴 수 있는 유형이다.
   3. 핵심 산출물은 사람이 보고 경험하는 시각적 장면이다.

2. 시뮬레이션(Simulation)

   1. 시뮬레이션형 월드 모델은 사람만을 위한 장면이 아니라 기계를 위한 세계를 만든다.
   2. 실제 세계의 구조, 기하(Geometry), 물리(Physics)를 포착하는 데 집중한다.
   3. 로봇이나 자율주행 시스템은 이런 구조화된 세계에서 다양한 행동 결과를 학습할 수 있다.

3. 계획(Planning)

   1. 계획형 월드 모델은 다음에 무엇을 해야 하는지 알려 준다.
   2. 컵이 놓여 있을 때 로봇에게 컵을 집어 다른 곳에 놓으라고 지시하는 행동 계획을 생성한다.
   3. 계획 기능은 로봇공학(Robotics)과 매우 밀접하게 결합된다.

5. Marble: 한 장의 입력에서 탐색 가능한 3D 세계로

Marble은 World Labs가 월드 모델을 만들기 위해 내놓은 첫 단계로, 하나의 이미지 또는 텍스트 프롬프트에서 탐색·편집 가능한 3D 세계를 생성한다.

5.1. 사진과 세계의 차이

1. 정적인 이미지의 한계

   1. 아름다운 방을 생성한 결과만 보면 단순한 사진과 다르지 않아 보인다.
   2. 사진은 한 시점의 픽셀을 보여 주지만, 일관된 3D 세계는 시점을 바꾸어도 구조가 유지되어야 한다.

2. 탐색 가능한 일관된 공간

   1. Marble로 만든 방에서는 게임처럼 앞으로 이동하고, 뒤를 돌아보고, 원하는 방향으로 갈 수 있다.
   2. 사용자가 공간을 탐색할 때 장면의 기하와 관계가 일관되게 유지되므로 단순 이미지가 아닌 ‘세계’가 된다.
   3. 편집 가능한 3D 세계는 이후 시간축까지 확장되는 4D 세계의 기반이 된다.

5.2. Marble의 사용처

1. 영화와 가상 제작(Virtual Production)

   1. 영화 제작자는 배우를 어떤 환경에서든 촬영할 수 있다.
   2. 물리적 세트를 만들거나 현장에 이동하는 비용과 제약을 줄이면서 장면의 배경을 바꿀 수 있다.

2. 게임 개발

   1. 게임 개발자는 세계를 만드는 데 필요한 시간과 자원을 크게 줄일 수 있다.
   2. 생성된 환경은 단순 배경 이미지가 아니라 플레이어가 이동할 수 있는 공간으로 활용된다.

3. 로보틱스 훈련

   1. World Labs는 Nvidia와 협력해 Marble 환경으로 로봇 훈련 데이터를 보강하고 있다.
   2. 실제 환경에서 모든 상황을 수집하기 어렵기 때문에 생성된 3D 세계에서 로봇의 인식·이동·행동을 반복 훈련할 수 있다.

5.3. 데이터와 알고리즘의 차별화

1. 특별히 준비된 데이터

   1. World Labs는 일반 데이터가 아니라 목적에 맞게 특별히 준비된 데이터를 사용한다.
   2. 픽셀 데이터는 언어 데이터보다 더 많은 정보를 담는다.
   3. 이미지에는 언어의 표면적 의미 외에도 카메라 정보와 시점 정보가 들어 있다.

2. 알고리즘·아키텍처·시스템 혁신

   1. World Labs는 3D, 궁극적으로 4D 세계를 생성하는 생성형 월드 모델(Generative World Model)을 만들고 있다.
   2. 이런 형태의 세계 모델을 처음으로 구축한다는 점에서 알고리즘과 아키텍처가 핵심 경쟁력이다.
   3. 페이페이 리는 진짜 비밀은 언제나 사람이라고 강조하지만, 데이터·알고리즘·시스템이 함께 만든 기술 기반도 비밀에 해당한다고 답한다.

5.4. 사업 단계와 팀 규모

1. 대규모 투자와 초기 단계

   1. World Labs는 약 10억 달러($1 billion)를 조달했다.
   2. 그러나 사업은 아직 초기이며, 현재 단계의 우선순위는 수익 극대화보다 기술을 만드는 일이다.

2. 작은 팀의 영향력

   1. 월드 모델 분야에 대한 전체 투자액은 약 30억 달러($3 billion)로 커지고 있다.
   2. World Labs의 팀은 약 50명이다.
   3. 대형 기술 기업에서는 개인의 손이 회사의 궤도를 바꾸기 어렵지만, 50명 규모의 회사에서는 자신의 손이 회사의 방향을 실제로 바꿀 수 있다.

6. 로봇 혁명과 월드 모델 경쟁

월드 모델은 영화·게임뿐 아니라 자율주행차, 공장 로봇, 인간의 집처럼 예측 불가능한 환경까지 확장될 기술로 여겨진다.

6.1. 휴머노이드 로봇의 과대 기대와 현실

1. 현재의 불편한 현실

   1. 휴머노이드 로봇에 대한 투자액은 60억 달러($6 billion)에 이르렀다.
   2. 하지만 로봇은 아직 사람이 하는 속도로 식기세척기를 채우지 못하고, Amazon 택배를 대신 가지러 가지도 못한다.

2. 6억 달러가 아니라 60억 달러도 작다는 주장

   1. 페이페이 리는 로봇공학이 인류 산업화에서 가장 중요한 혁명 중 하나가 될 것이므로 60억 달러는 너무 작은 금액이라고 본다.
   2. 자율주행차와 언어 모델에 투입된 자본을 보면 모두 60억 달러보다 훨씬 많은 투자가 필요했다.
   3. World Labs가 공간·물리 지능의 핵심 기술을 만든다는 믿음이 로봇의 과대 기대와 현실 사이를 좁힐 수 있다는 희망의 근거다.

6.2. 대기업과의 경쟁

1. 매일 느끼는 불안

   1. 페이페이 리는 창업자이자 공동 창업자·CEO로서 매일 편집증적일 정도로 경쟁을 의식한다.
   2. 경쟁자들이 강력한 자본을 가진 대기업이므로 언제 완전히 안심할 수 있겠느냐는 질문에, 그런 순간은 오지 않을 것이라고 말한다.

2. 집중력으로 대응하기

   1. 불안하다고 해서 마비되지는 않는다.
   2. World Labs에는 뛰어난 팀과 명확한 집중력이 있다.
   3. 대기업은 많은 사업을 동시에 테이블 위에 올려놓지만, World Labs는 하나의 문제만 테이블 위에 두고 그 문제에 집중한다.

3. 인재가 작은 팀을 선택하는 이유

   1. 페이페이 리의 스탠퍼드 박사과정 제자였던 인재는 대형 AI 기업이 아니라 World Labs에서 일하는 이유로 직접 궤도를 바꿀 수 있다는 점을 든다.
   2. 페이페이 리와 함께 일하기 시작한 시점이 AI가 유행하기 훨씬 전이었다는 농담은 스승과 제자의 오래된 신뢰를 보여 준다.

6.3. 아직 합의되지 않은 분야

1. LLM의 2019년과 비슷한 초기성

   1. 월드 모델은 챗봇 분야가 2019년에 LLM을 쫓아가며 가능성을 탐색하던 시기와 비슷하다.
   2. 당시에는 아직 핵심 난제를 해결하지 못했지만, 여러 팀이 코드를 깨뜨릴 돌파구를 찾고 있었다.
   3. 월드 모델은 LLM보다도 더 초기 단계에 있다.

2. 돌파구와 과대 유행의 긴장

   1. 모두가 어느 순간 “이제 이해했다”라고 느끼는 폭발적 아하 모멘트가 올 수 있다.
   2. 기술과 과학이 중요한 이정표에 도달할 때 마법처럼 보이는 순간이 생긴다.
   3. 동시에 좋은 과학도 과대 포장될 수 있으므로, 월드 모델이 단순한 유행 주기인지 다음 돌파구인지 아직 단정할 수 없다.

3. 자원 요구량의 불확실성

   1. 월드 모델 구축은 매우 많은 자원을 요구한다.
   2. World Labs가 더 많은 연산 능력과 자본을 필요로 할지는 아직 너무 이른 단계라 확실히 알 수 없다.
   3. 더 많은 전력·컴퓨팅·자원을 필요로 할 가능성이 높지만, 그것을 확보하려면 먼저 좋은 기술과 사업 성과를 만들어 자원을 얻어야 한다.

7. 학생들의 불안과 미국의 AI 신뢰

생성형 AI 투자가 급증하는 가운데 미국 사회는 AI에 강한 기대와 거부감을 동시에 보인다.

7.1. 학생들의 양가감정

1. 환호와 야유가 공존하는 사회

   1. 전 Google CEO 에릭 슈밋(Eric Schmidt)이 대학 졸업식에서 기술 변혁을 말하다가 야유를 받은 장면은 AI에 대한 불신을 상징한다.
   2. 학생들은 “AI는 사라져야 한다(AI has got to go)”라고 구호를 외치기도 한다.

2. 스탠퍼드 학생들이 느끼는 감정

   1. 학생들은 불안과 희망을 동시에 느낀다.
   2. 기대와 흥분, 혼란도 함께 존재한다.
   3. AI가 자신이 전에는 할 수 없었던 일을 할 수 있게 해 주면 존엄성과 행위 능력이 커졌다고 느낀다.
   4. AI가 자신의 일자리를 빼앗을 것 같으면 존엄성과 행위 능력을 잃는다고 느낀다.

7.2. 미국이 AI에 대한 신뢰를 잃을 경우

1. 세계적 파급효과

   1. 미국은 기술·과학·경제 분야에서 세계에 미치는 영향이 큰 국가다.
   2. 미국이 AI에 대해 긍정적인 태도와 경로를 보여 주지 못하면 전 세계가 손해를 본다.

2. 모범 국가가 될 가능성

   1. 미국이 AI로 놀라운 기술과 경제적 가치를 만들면서 긍정적인 문화적 영향까지 보여 주면 세계가 이를 역할 모델로 볼 수 있다.
   2. AI의 성공 여부는 기술의 성능뿐 아니라 사회가 기술을 어떤 문화와 제도로 연결하는지에 달려 있다.

8. 과학에 뿌리내린 AI 정책과 민주적 거버넌스

페이페이 리는 대기업·벤처캐피털·스탠퍼드 AI 연구소·미국 대통령·유엔에서 AI 정책을 다뤄 온 경험을 바탕으로, 과장과 종말론을 모두 경계한다.

8.1. 세계 지도자와 대화하는 방식

1. 과장하지 않는 과학자

   1. 조 바이든 대통령과 도널드 트럼프 대통령, 유엔에서 AI·기술 정책을 자문할 때 AI를 과장하지 않는다.
   2. AI가 완전한 유토피아를 만들거나 인류를 완전히 파멸시킨다는 극단적 수사를 사용하지 않는다.
   3. 지도자에게 필요한 것은 과학적 사실이므로, 자신이 과학자라는 점을 분명히 한다.

2. 틀린 주장에 반박할 책임

   1. 그녀는 지도자에게 봉사하되 자신의 생각을 말하고, 지도자가 틀렸다면 반박하는 것이 과학자로서의 책임이라고 본다.
   2. 정책 담당자가 틀릴 수 있는 이유는 AI가 너무 빠르게 변하고, 많은 정책 결정자가 컴퓨터 과학 배경을 갖고 있지 않기 때문이다.
   3. 누구나 틀릴 수 있으므로 특정 지도자의 오류를 비난하기보다 과학적 사실을 제공해야 한다.

8.2. 규제의 두 가지 원칙

1. 과학에서 출발하기

   1. AI 규제는 공상과학(Science Fiction)이 아니라 과학(Science)에 뿌리를 내려야 한다.
   2. 실리콘밸리 인사들이 말하는 인류 멸종, AGI 기계 군주 같은 시나리오는 실제 정책 과제를 가릴 수 있다.
   3. 극단적인 미래 상상에 몰입하기보다 이미 관찰할 수 있는 피해·기회·책임 구조를 다뤄야 한다.

2. 건강한 생태계와 인간 자본

   1. 공공 부문에 자원을 투입하고, 초등학교부터 대학 초반까지(K–12 또는 K–16) STEM 교육에 투자해야 한다.
   2. 세계에서 가장 중요한 자원은 결국 인간 자본(Human Capital)이다.
   3. 목표는 기계만 번성하는 사회가 아니라 사람이 번성하는 사회다.

8.3. 소수의 ‘신 콤플렉스’에 대한 경계

1. 누구도 인류를 대신해 결정할 수 없다

   1. AI CEO들이 자신이 인류에 무엇이 최선인지 안다고 생각한다는 비판은 위험한 신 콤플렉스(God Complex)를 지적한다.
   2. 어떤 개인도 모든 사람보다 자신이 더 잘 안다고 생각해서는 안 된다.
   3. 기업가와 CEO의 존재 이유는 사회에 기여하고 사람에게 권한을 주는 것이지, 사람들의 모든 결정을 대신하는 것이 아니다.

2. 집단 거버넌스의 필요성

   1. 현재 상황이 정말 소수의 강력한 인물이 모든 것을 결정하는 방향으로 가는지는 아직 판단하기 이르다.
   2. 민주 사회의 시민사회가 AI를 포기하면 안 되는 이유는 집단적 목소리와 공동 거버넌스가 필요하기 때문이다.
   3. AI를 멈추자는 식의 거버넌스는 해법이 아니다.

3. 아기를 목욕물과 함께 버리지 않기

   1. AI는 질병 치료법을 발견하고, 학생과 교사를 돕고, 노인을 지원할 수 있다.
   2. 이런 가능성이 ‘아기’라면 위험한 권력 집중과 피해는 버려야 할 ‘목욕물’에 해당한다.
   3. 해로운 측면을 통제한다고 해서 유익한 기술 전체를 버려서는 안 된다.

9. 월드 모델의 위험과 인간 중심의 사용

더 현실적이고 강력한 AI가 만들어질수록 잘못된 정보와 물리적 피해가 커질 수 있다.

9.1. 세 가지 주요 위험

1. 허위·오정보(Mis- and Disinformation)

   1. 월드 모델과 언어 모델은 모두 매우 강력한 모델이다.
   2. 이 모델들은 현실감 높은 허위 정보와 오정보를 만들어 사람들의 인식과 사회적 의사결정을 흔들 수 있다.

2. 무기화된 로봇

   1. 로봇에 물리적 지능과 자율성이 더해지면 악의적인 행위자가 이를 무기화할 수 있다.
   2. 물리 세계에서 움직이는 시스템은 텍스트 생성기보다 직접적인 피해를 일으킬 가능성이 크다.

3. 학습의 게으른 지름길

   1. 적절한 동기가 없는 학생은 AI를 자신의 능력을 키우는 학습 도구가 아니라 게으름을 돕는 목발로 사용할 수 있다.
   2. 교육 현장은 AI가 행위 능력을 강화하는지, 아니면 사고와 학습을 외주화하는지 구분해야 한다.

9.2. 기술 일반의 위험에서 배우기

1. 기술의 위험은 AI만의 특수한 현상이 아니다.

   1. 전기, 자동차, 개인용 컴퓨터, 인터넷도 모두 잘못 사용될 수 있었다.
   2. 위험의 존재는 기술을 포기해야 한다는 결론이 아니라 안전 장치·규칙·책임을 설계해야 한다는 이유가 된다.

2. 개인적 책임

   1. 페이페이 리는 과학자·교육자로서 자신이 믿는 진실을 말할 개인적 책임을 느낀다.
   2. 기술 낙관론과 기술 비관론 어느 한쪽의 구호에 숨지 않고, 인간에게 도움이 되는 가능성과 실제 위험을 동시에 말해야 한다.

10. 인류를 향한 낙관과 우주적 호기심

페이페이 리는 5년 뒤 AI의 방향을 묻는 질문에 자신이 낙관론자라고 밝히며, 역사의 긴 흐름이 자비와 선의로 휘어진다고 믿는다고 말한다.

10.1. 5년 뒤를 보는 낙관론

1. 역사의 호(Arc of History)

   1. 그녀는 마틴 루서 킹 주니어(Dr. King)의 표현을 빌려 역사의 호가 자비(Benevolence)를 향해 휜다고 말한다.
   2. 인간과 공동체가 완벽한 세상에 사는 것은 아니지만, 오늘날 2026년의 대다수 사람의 삶은 기원전 2026년보다 낫다.

2. 인류의 도덕적 나침반

   1. 인간에게는 어두운 이면이 있지만, 자녀와 후손이 더 나은 삶을 살기를 바라는 본능이 있다.
   2. 인류는 집단적으로 사회를 자비로운 방향으로 움직일 도덕적 나침반을 갖고 있다.
   3. 페이페이 리의 희망은 기술 기업이나 특정 지도자가 아니라 인류 자체에 있다.

10.2. UFO와 외계 지능에 대한 호기심

1. 어린 시절의 꿈같은 궁금증

   1. 페이페이 리는 어릴 때 UFO에 매료되었지만, 최근 비밀 해제된 문서를 읽지는 않았다.
   2. 우주에 무엇이 있는지 궁금해하는 태도는 자연·과학·항공우주를 좋아했던 어린 시절의 꿈같은 호기심과 이어진다.

2. 드레이크 방정식과 외계 생명

   1. 물리학을 공부하면 외계 생명체가 존재할 가능성을 계산하는 드레이크 방정식(Drake’s Equation)을 배운다.
   2. 그녀는 우주 어딘가에 지능이 있을 가능성은 있다고 보지만, 단정적인 답보다 가능성 자체를 흥미롭게 여긴다.
   3. 가장 좋아하는 SF 영화는 지적 생명체와의 접촉을 다룬 《콘택트(Contact)》다.

주요 발언 모음

“AI의 리더들은 인류에게 권한을 주는 이야기를 충분히 하지 않는다. 인류와 일자리를 대체하는 이야기를 너무 많이 한다.”

“언어만으로는 충분하지 않다. 우리가 과학적 발견을 계속 밀어붙이고, 로봇이 우리의 파트너가 되기를 원한다면 공간 지능이 필요하다.”

“월드 모델은 LLM에 반대하는 것이 아니다. 다음 프런티어이자 다음 장이다.”

“진짜 비밀은 언제나 사람이다. 물론 데이터와 알고리즘, 우리가 만든 시스템도 중요하다.”

“좋은 과학도 과대 포장될 수 있다.”

“규제는 공상과학이 아니라 과학에 뿌리내려야 한다.”

“세계에서 가장 중요한 자원은 결국 인간 자본이다. 우리는 기계만 번성하는 사회가 아니라 사람이 번성하는 사회를 원한다.”

“어떤 개인도 자신이 다른 모든 사람보다 무엇이 더 좋은지 안다고 생각해서는 안 된다.”

“내 희망은 인류에 있다.”

핵심 데이터 & 수치

• ImageNet 구축 시점: 2006년, AI 학습에서 데이터가 핵심이라는 통찰을 바탕으로 시작했다.
• ImageNet 규모: 약 1,400만 장의 이미지와 2만 1,000개 이상의 범주를 포함한 당시 최대 규모의 시각 카탈로그였다.
• ImageNet 대회: 2010년 대회로 전환되었고, 2012년 제프리 힌턴 팀의 AlexNet이 Nvidia GPU를 사용해 전환점을 만들었다.
• World Labs 창업: 2024년 페이페이 리가 공동 창업했다.
• World Labs 조달액: 약 10억 달러로, 현재는 수익 확대보다 기술 구축에 집중하는 초기 단계다.
• 월드 모델 분야 투자: 약 30억 달러로 성장 중이며, 구현 방식에 대한 업계 합의는 아직 없다.
• 휴머노이드 로봇 투자: 약 60억 달러까지 늘었지만, 페이페이 리는 자율주행차·LLM보다 작은 금액이라고 평가한다.
• World Labs 팀 규모: 약 50명으로, 개인이 회사의 궤도에 직접 영향을 줄 수 있는 규모다.
• 월드 모델의 세 기능: 사람이 소비하는 픽셀을 만드는 렌더링, 기계를 위한 물리 구조를 포착하는 시뮬레이션, 다음 행동을 정하는 계획이다.
• Marble 입력과 출력: 하나의 이미지 또는 텍스트 프롬프트에서 탐색·편집 가능한 일관된 3D 세계를 생성하고, 장기적으로 4D 세계를 지향한다.
• 미래 비교: 월드 모델은 LLM이 아직 돌파구를 찾지 못했던 2019년 챗봇 단계보다도 더 이른 시기로 비유된다.

결론 및 시사점

1. AI의 다음 인터페이스는 세계다: 텍스트와 이미지 생성이 AI의 지식 표현을 확장했다면, 월드 모델은 기하·물리·시간·행동을 연결해 기계가 세계에서 움직이게 한다.
2. 데이터의 종류가 경쟁력을 결정한다: ImageNet이 대규모 레이블 이미지로 현대 AI를 촉발했듯이, 월드 모델은 픽셀·카메라 정보·3D 구조·물리적 결과를 포함한 데이터가 필요하다.
3. 로봇의 현실화에는 시뮬레이션이 필수다: Marble처럼 일관된 가상 환경을 만들면 실제 세계에서 수집하기 어려운 로봇 훈련 사례를 확장할 수 있다.
4. 초기 시장에서는 집중력이 대기업의 규모를 상쇄할 수 있다: World Labs는 50명 규모로 하나의 기술에 집중하며 많은 사업을 동시에 다루는 대기업과 경쟁한다.
5. 월드 모델은 가능성과 과대 유행을 함께 품는다: 기술적 돌파구가 될 수 있지만, 아직 정의·구축 방법·필요 자원에 대한 합의가 없으므로 과학적 검증이 필요하다.
6. 인간 중심의 정책이 기술의 방향을 정한다: 규제는 종말론이나 유토피아가 아니라 과학적 사실, 공공 부문 역량, K–12/K–16 STEM 교육에 기반해야 한다.
7. AI 거버넌스는 민주적이어야 한다: 소수의 CEO가 인류 전체의 결정을 대신하지 않도록 시민사회·공공기관·교육계가 집단적으로 참여해야 한다.
8. 위험을 관리하면서 유익을 보존해야 한다: 오정보·로봇 무기화·학습의 외주화는 통제해야 하지만 질병 치료·교육·노인 지원이라는 이익까지 버려서는 안 된다.
9. AI의 성패는 인간의 행위 능력으로 평가해야 한다: AI가 사람이 더 잘 배우고 만들고 돌보게 하면 존엄성을 강화하지만, 일자리와 판단을 빼앗고 게으름을 키우면 존엄성을 약화한다.
10. 최종 낙관의 근거는 인간의 도덕적 선택이다: 페이페이 리의 낙관론은 AI가 자동으로 선해진다는 믿음이 아니라, 후손을 더 나은 삶으로 이끌려는 인류의 집단적 의지에 대한 신뢰다.

핵심 요약 (20줄)

페이페이 리는 ImageNet으로 기계가 세상을 보게 하는 컴퓨터 비전의 기반을 만들었다.

ImageNet은 1,400만 장의 이미지와 2만 1,000개 이상의 범주로 현대 AI 혁명을 촉발했다.

2012년 AlexNet은 대규모 데이터·신경망·Nvidia GPU의 결합이 AI의 황금 공식임을 입증했다.

페이페이 리는 자신을 AI의 대모라고 부르지 않지만 여성 과학자의 공로가 인정되기를 바란다.

청두에서 자연·물리학·항공우주를 좋아한 어린 시절의 호기심이 연구자의 정체성을 만들었다.

미국 이민 뒤 영어 학습과 가족 세탁소 일을 병행하며 프린스턴과 칼텍에서 과학자의 길을 닦았다.

대규모 언어 모델은 언어를 생성하지만 물리 세계를 이해하고 행동하는 능력은 별도로 필요하다.

월드 모델은 현실의 구조를 예측하고 기계가 다음 행동을 계획하도록 만드는 AI의 다음 프런티어다.

공간 지능은 렌더링·시뮬레이션·계획이라는 세 기능으로 나뉜다.

렌더링은 사람이 소비할 픽셀을 만들고 시뮬레이션은 기계가 사용할 물리적 세계를 만든다.

계획 기능은 로봇이 컵을 집어 다른 곳에 놓는 것처럼 다음 행동을 결정한다.

World Labs의 Marble은 이미지나 텍스트 하나에서 이동하고 편집할 수 있는 일관된 3D 세계를 생성한다.

Marble은 영화의 가상 제작·게임 개발·Nvidia와의 로봇 훈련에 활용될 수 있다.

World Labs는 카메라 정보가 포함된 픽셀 데이터와 3D·4D 생성 알고리즘을 경쟁력으로 삼는다.

약 10억 달러를 조달한 World Labs는 아직 사업 확장보다 월드 모델 기술 구축에 집중한다.

월드 모델 분야의 약 30억 달러 투자와 휴머노이드 분야의 60억 달러 투자는 초기 경쟁의 규모를 보여 준다.

페이페이 리는 월드 모델이 LLM보다도 이른 2019년 챗봇 단계에 있으며 과학도 과대 포장될 수 있다고 말한다.

AI 정책은 인류 멸종 같은 공상과학보다 과학적 사실·공공 부문·STEM 교육에 뿌리내려야 한다.

오정보·무기화된 로봇·학습의 게으른 지름길은 월드 모델과 AI가 낳을 수 있는 핵심 위험이다.

페이페이 리는 민주적 공동 거버넌스로 위험을 통제하면서 질병 치료·교육·돌봄의 가능성을 보존해야 한다고 본다.

그녀의 낙관론은 기술 자체가 아니라 후손의 삶을 개선하려는 인류의 도덕적 나침반과 집단적 의지에 근거한다.