구글 딥마인드의 연구원 톰 자하비(Tom Zahavy)가 최근 발표한 논문 ‘LLMs can’t jump’는 AI 업계에 작지 않은 파장을 던졌습니다. 제목부터 도발적이지만, 더 흥미로운 것은 그 근거입니다. 자하비는 언어모델이 과학 혁명의 핵심 메커니즘인 ‘창조적 도약(creative leap)’을 할 수 없다고 주장합니다. 그리고 그 대안으로 ‘세계 모델(World Model)’을 제시합니다. 이 주장은 단순한 학술 논쟁을 넘어 AI 기술의 방향성과 투자 지형에 깊은 함의를 지닙니다.
무슨 일이 있었나: 아인슈타인의 인지 프레임워크에서 찾은 AI의 한계
자하비는 아인슈타인이 친구 솔로빈에게 보낸 편지에서 스케치한 발견의 순환 구조를 분석합니다. 감각 경험에서 시작해 직관적인 ‘도약’으로 공리에 도달하고, 그 공리로부터 논리적 연역을 통해 검증 가능한 결론을 도출한다는 프레임입니다. 여기서 핵심은 ‘도약’입니다. 자하비는 철학자 찰스 샌더스 퍼스의 삼분법(연역, 귀납, 가추)을 빌려 이 도약의 본질을 파고듭니다. 언어모델은 연역과 귀납에 탁월합니다. 알파프루프(AlphaProof), 제미니(Gemini), GPT-5는 국제수학올림피아드에서 금메달 수준의 성적을 냅니다. 자하비는 언어모델이 아인슈타인의 가정을 출발점으로 준다면 일반상대성이론을 유도할 수도 있다고 인정합니다. 하지만 문제는 그 가정 자체를 ‘발명’하는 능력, 즉 ‘조작적 가추(manipulative abduction)’에 있습니다.
조작적 가추는 기존 언어 템플릿이 존재하지 않는 원인을 새로 창안하는 것입니다. 자하비는 아인슈타인의 ‘행복한 생각(happiest thought)’을 예로 듭니다. 자유낙하하는 관찰자가 중력을 느끼지 못한다는 통찰은 방정식이 아닌, 신체적 상상(embodied simulation)에서 나왔습니다. 엘리베이터 안의 물리학자가 가속도와 중력을 구분할 수 없다는 깨달음은 언어가 아닌 감각에 기반합니다. 마찬가지로 아르키메데스의 부력 원리도 계산이 아니라 욕조에 들어갈 때 물이 차오르는 신체적 감각에서 나왔습니다. 언어모델은 이런 감각 기반(sensory grounding)이 결여되어 있습니다. 자하비는 이를 철학자 존 설의 ‘중국어 방’ 사고실험에 비유합니다. 규칙에 따라 중국어 문자를 조작하지만 단어 하나도 이해하지 못하는 방 안의 사람처럼, 언어모델도 상징을 통계적으로 처리할 뿐입니다.
왜 중요한가: AI 투자 패러다임의 분기점
이 논문이 중요한 이유는 AI 기술의 현재 궤적에 대한 근본적인 질문을 던지기 때문입니다. 지금까지 AI 산업은 ‘더 큰 언어모델, 더 많은 데이터, 더 많은 컴퓨팅’이 결국 인류 수준의 지능에 도달할 것이라는 가정 아래 움직여 왔습니다. 하지만 자하비는 규모의 확장(scaling)만으로는 과학 혁명의 엔진인 조작적 가추를 구현할 수 없다고 주장합니다. 만약 이 주장이 옳다면, 현재의 AI 투자 전략 중 상당 부분이 재검토되어야 합니다. 엔비디아(NVDA)의 GPU 수요를 견인하는 대규모 언어모델 훈련보다, 세계 모델이나 감각 피드백을 학습하는 새로운 아키텍처에 투자하는 방향으로 자금이 이동할 가능성이 있습니다.
또한 자하비는 ‘오류 신호의 부재’ 문제를 지적합니다. 아인슈타인이 활동하던 당시, 뉴턴 물리학은 매우 정밀하게 확인된 상태였습니다. 유일한 이상 현상은 수성 궤도의 미세한 이탈뿐이었고, 이는 가상의 행성 ‘불칸’으로 설명되고 있었습니다. 최적화 기반 AI는 기존 체계를 뒤엎을 이유가 전혀 없었다는 것입니다. 데이터가 충분하지 않으면 혁명적 이론이 나오기 어렵다는 이 관찰은, 데이터 중심 AI가 정말로 ‘과학적 발견’에 적합한지 의문을 제기합니다. 이는 AI가 신약 개발이나 신소재 발견 같은 과학 분야에 적용될 때 중요한 고려사항입니다.
XPLAIN AI의 해석·분석: 세계 모델로의 전환 필요성
XPLAIN AI는 이 논문이 AI 발전의 다음 단계를 암시한다고 해석합니다. 언어모델의 한계를 극복하기 위해서는 ‘세계 모델’이 필요하다는 자하비의 주장은, AI가 단순한 패턴 인식기를 넘어 인과 추론과 물리적 직관을 갖춘 시스템으로 진화해야 함을 시사합니다. 세계 모델은 에이전트가 환경과 상호작용하며 내부 시뮬레이션을 통해 예측하고 추론하는 방식입니다. 이는 강화학습(RL) 및 로봇공학과 밀접한 관련이 있습니다. 만약 이 방향으로 AI 연구가 전환된다면, 시뮬레이션 환경(예: NVIDIA Omniverse)과 로봇 하드웨어에 대한 수요가 증가할 수 있습니다. 반면, 순수 언어모델에 특화된 스타트업이나 추론 비용 최적화에 집중하는 기업들은 기술적 한계에 직면할 수 있습니다.
다만 이 논문은 하나의 이론적 주장일 뿐, 아직 실험적 검증이 이루어진 것은 아닙니다. 자하비가 제안하는 세계 모델이 실제로 조작적 가추를 구현할 수 있을지, 아니면 또 다른 한계에 부딪힐지는 지켜봐야 합니다. 또한 언어모델이 감각 데이터와 결합될 때 새로운 능력이 발현될 가능성도 배제할 수 없습니다. 예를 들어, 구글의 제미니(Gemini)는 멀티모달 능력을 갖추고 있어 텍스트와 이미지, 비디오를 동시에 처리합니다. 이런 방향이 자하비가 말한 ‘감각 기반’에 부분적으로 접근할 수 있는지도 중요한 관전 포인트입니다.
수혜와 리스크: 투자자 관점에서 본 시나리오
이 논문의 함의를 투자 관점에서 분석하면, 다음과 같은 수혜와 리스크 구도가 추론됩니다.
- 수혜 가능성(🟢): 세계 모델 및 강화학습 관련 기업. 예를 들어, 시뮬레이션 소프트웨어(블리자드? 앤시스?), 로봇공학(테슬라 TSLA, 보스턴 다이내믹스), 그리고 감각 피드백을 활용하는 AI 연구에 특화된 기업. 또한 AI의 과학적 발견 능력을 키우려는 빅테크(구글 GOOGL, 마이크로소프트 MSFT)의 R&D 투자가 늘어날 수 있습니다.
- 리스크 가능성(🔴): 순수 언어모델 기반 서비스에 과도하게 의존하는 기업. 특히 ‘더 큰 모델’에 막대한 자본을 투입하는 스타트업이나, 언어모델 추론 비용 최적화에만 집중하는 하드웨어 스타트업은 기술적 전환기에 취약할 수 있습니다. 또한 데이터 라벨링 및 수집에 특화된 기업도, 만약 세계 모델이 시뮬레이션 기반으로 전환된다면 수요가 감소할 수 있습니다.
다만 이는 어디까지나 기술적 함의에 기반한 추론이며, 실제 시장 영향은 이 논문이 학계와 업계에서 얼마나 받아들여지고, 후속 연구가 어떻게 진행되는지에 따라 달라집니다. 단기적으로는 빅테크의 AI 전략에 큰 변화를 주기는 어려울 것입니다. 그러나 중장기적으로 AI의 패러다임이 언어모델에서 세계 모델로 이동한다면, 지금의 AI 밸류체인은 재편될 가능성이 있습니다.
반대 시나리오와 불확실성: 언어모델의 진화 가능성
자하비의 주장에 반대하는 시각도 존재합니다. 첫째, 언어모델이 이미 ‘감각 데이터’를 간접적으로 학습하고 있을 수 있습니다. 예를 들어, 인터넷 텍스트에는 물리적 세계에 대한 풍부한 설명이 포함되어 있어, 모델이 이를 통해 암묵적인 세계 모델을 형성할 수 있다는 주장입니다. 둘째, 멀티모달 모델의 발전으로 언어모델이 이미지나 비디오를 통해 감각적 추론을 할 수 있는 능력이 점차 생겨나고 있습니다. 셋째, 자하비가 제시한 ‘조작적 가추’의 정의가 너무 좁을 수 있습니다. 과학 혁명이 항상 개인의 직관적 도약에서만 비롯되는 것은 아니며, 많은 발견은 기존 지식의 점진적 확장과 우연한 실험 결과에서 비롯되기도 합니다. 따라서 언어모델이 특정 조건에서 과학적 발견에 기여할 가능성을 완전히 배제하기는 어렵습니다.
또한 자하비의 논문은 이론적 프레임워크에 가깝고, 구체적인 실험 결과를 제시하지는 않았습니다. 세계 모델이 실제로 조작적 가추를 수행할 수 있다는 증거는 아직 부족합니다. 따라서 투자자들은 이 논문을 하나의 신호로 받아들이되, 과도한 해석은 경계해야 합니다.
다음에 확인할 지표: AI 연구의 방향성
앞으로 주목해야 할 지표는 다음과 같습니다. 첫째, 구글 딥마인드와 다른 연구소에서 세계 모델 기반의 과학 발견 시스템을 실제로 출시하는지 여부. 둘째, 언어모델의 ‘추론 능력’을 측정하는 새로운 벤치마크에서 조작적 가추를 평가하는 항목이 등장하는지. 셋째, 빅테크의 AI 연구 발표에서 ‘세계 모델’이나 ‘감각 기반 학습’이라는 키워드의 빈도가 증가하는지. 넷째, AI 하드웨어 투자에서 시뮬레이션 및 강화학습에 최적화된 칩(예: 엔비디아의 Grace Hopper나 AMD의 Instinct)의 비중이 늘어나는지. 이러한 지표들을 모니터링하면 AI 기술의 패러다임 전환을 조기에 감지할 수 있을 것입니다.
결론적으로, 자하비의 논문은 현재 AI의 한계를 직시하고 미래 방향을 제시했다는 점에서 의미가 큽니다. 하지만 이론과 실제 사이에는 간격이 있으며, 기술 발전의 속도와 방향은 여전히 불확실합니다. 투자자들은 이 논문을 통해 AI 산업의 장기적 흐름을 이해하되, 단기적인 과대 해석은 피하는 것이 현명해 보입니다. 혁명은 예고 없이 찾아오지만, 그 신호를 읽는 사람이 먼저 준비할 수 있습니다.
#AI #딥마인드 #언어모델 #세계모델 #과학혁명 #투자인사이트 #기술분석 #LLM #AI한계
출처
- Language models can't spark scientific revolutions, but world models might — The Decoder · 언론 보도 · Thu, 30 Jul 2026 14:01:33 +0000
작성: XPLAIN AI 편집팀 · 검수: XPLAIN AI Editorial Desk
이 콘텐츠는 공개된 출처를 기반으로 AI의 도움을 받아 작성되었으며, XPLAIN AI의 편집·검수 기준을 적용했습니다. 사실과 분석 의견을 구분하며, 오류가 확인되면 수정합니다.