AI 에이전트 훈련, 비디오 게임으로 23억 달러 베팅한 General Intuition 심층분석
AI의 학습 방식에 패러다임 전환이 필요하다는 주장이 23억 달러(약 3조 1,000억 원)의 기업가치로 검증받았다. 뉴욕에 본사를 둔 스타트업 **제너럴 인튜이션(General Intuition)**은 일반 직관이라는 이름처럼, 게임이라는 가상 세계가 현실 문제를 해결할 AI를 만드는 데 핵심적인 열쇠가 될 수 있다고 확신한다. 이들의 근거는 단순하면서도 강력하다: 수백만 게이머들이 직접 버튼을 눌러 기록한 ‘행동 데이터’는 기존의 비디오만으로 학습하는 AI보다 훨씬 정교한 판단력과 행동력을 AI에게 부여할 수 있다는 것이다. 이번 심층분석에서는 제너럴 인튜이션이 제시한 새로운 AI 훈련 패러다임의 이면과, 이것이 우리 일상과 산업에 어떤 파장을 몰고올지 살펴본다.
제너럴 인튜이션의 핵심 제안은 간결하다. 포트나이트 같은 1인칭 슈팅 게임을 수백 시간 플레이한 AI 에이전트의 ‘뇌’를, 그대로 사무실을 돌아다니는 사족보행 로봇에게 이식할 수 있다는 것이다. 뉴스에서 묘사된 장면은 이를 청각적으로 보여준다. 게임 화면을 조작하는 AI의 전자음과, 실제 로봇의 거대한 관절이 구동되는 전자음이 같은 공간에서 공존한다.
게임에서 시작해 로봇으로 뻗어나가는 AI의 ‘뇌’
이것은 단순한 기술 시연이 아니다. 공간-시간적 추론(Spatial-temporal Reasoning) 능력의 실증이다. 다시 말해, “지금 이 순간 어떤 공간에 어떤 물체가 있고, 그것을 어떻게 움직여야 다음 단계로 나아갈 수 있는가”를 이해하는 능력이 게임 플레이 데이터에서 학습되어, 전혀 다른 물리적 현실로 전이(Transfer)될 수 있다는 강력한 증거를 보여준다. 뉴스에서 묘사된 로봇이 의자 다리를 부딪히고 쓰레기통과 충돌하는 모습은, 아직 세계와의 관계를 완벽히 이해하지 못한 ‘영유아’의 학습 과정과 유사하다. 하지만 핵심은, 그 ‘배움의 속도’에 있다. 바깥 거리에서 수집한 단 8분치의 로봇 주행 데이터로 모델을 미세 조정(Fine-tuning)해, 완전히 다른 실내 환경에서 스스로 탐색하게 만들었다는 점은 놀라운 효율성을 시사한다.
경쟁사 대비 ‘행동 레이블’이라는 차별화된 무기
일반적인 월드 모델(World Model) 또는 게임 기반 AI 학습 연구에서, 많은 팀들은 비디오 프레임 자체에서 행동을 추론(Infer)하는 데 집중한다. “이 장면에서 다음에 어떤 행동이 일어날 것인가?”를 예측하는 방식이다. 제너럴 인튜이션의 CEO인 핌 드윗(Pim de Witte)은 이를 “불충분한” 접근이라고 일축한다.
그들의 차별화 포인트는 액션 레이블(Action Label) 이다. 자회사 메달(Medal) 을 통해 축적된 수억 시간 분량의 게임 클립에는, 단순한 영상이 아니라 플레이어가 언제 어떤 버튼을 누르는지에 대한 정확한 기록이 타임스탬프와 함께 데이터로 존재한다. 비유하자면, 다른 연구자들은 소리만 듣고 음악을 배우려는 반면, 제너럴 인튜이션은 악보(악보 = 버튼 입력 기록)를 동시에 보고 배우는 셈이다. 이 ‘정답이 포함된 데이터셋’은 학습의 정확도와 속도를 비약적으로 높여, 단일 모델이 가상의 게임 정보와 현실의 역동성을 모두 처리하게 만든다. CEO의 표현처럼, 대규모 언어 모델(LLM) 이 텍스트에서 지식을 추출하는 것과는 근본적으로 다른 영역의 지능을 구축하는 것이다.
한국 AI 산업에 던지는 시사점: 데이터의 재발견과 융합의 힘
한국은 세계적인 반도체 및 가전 하드웨어 강국이자, 높은 스마트폰 보급율과 인터넷 인프라를 기반으로 한 데이터 강국이다. 제너럴 인튜이션의 사례는 한국 AI 산업에 두 가지 중요한 시사점을 제공한다.
첫째는, “비구조화된 행동 데이터”의 가치 재인식이다. 한국은 e스포츠와 PC방 문화로 인해 방대한 게임 플레이 데이터를 보유하고 있다. 그러나 단순한 플레이 영상이 아니라, 키보드/마우스 입력 패턴과 같은 타임스탬프 기반 행동 레이블을 체계적으로 수집·활용하는 생태계가 갖춰져 있는지 돌아볼 필요가 있다. 이는 자율주행, 로보틱스, 메타버스 등 미래 산업의 핵심 학습 데이터가 될 수 있다.
둘째는, 소프트웨어(게임)와 하드웨어(로봇)의 융합으로 가는 명확한 경로 제시다. 한국의 현대차그룹(보스턴 다이내믹스), 삼성전자(삼성 리서치 로봇), LG전자 등은 로보틱스 분야에 꾸준히 투자해왔다. 만약 자사의 로봇이나 자율주행 시스템 학습에, 이미 확보한 게임이나 시뮬레이터 데이터를 효과적으로 활용할 수 있는 기술을 확보한다면, 막대한 실물 테스트 비용과 시간을 절감하며 경쟁 우위를 점할 수 있다. 제너럴 인튜이션이 보여준 ‘8분의 미세 조정’은 이러한 가능성을 강하게 뒷받침한다.
도전과 전망: 23억 달러의 베팅이 현실이 되려면
물론, 제너럴 인튜이션의 접근 방식은 아직 초기 단계이며, 극복해야 할 과제가 분명하다. 가상 세계에서 학습된 ‘직관’이, 복잡하고 불확실한 현실 세계에서 발생하는 모든 돌발 상황(Edge Case) 에까지 일반화(Generalize)될 수 있는지는 미지수다. 뉴스 말미에 언급된, 기자가 벽에 부딪히는 월드 모델 시연은 아직 완벽하지 않은 단계를 상징적으로 보여준다.
하지만, 오픈AI나 구글 딥마인드가 월드 모델과 시뮬레이션 기반 학습에 대규모 리소스를 투입하고 있는 현 상황에서, 제너럴 인튜이션은 ‘행동 레이블’이라는 독자적인 데이터 자산과 이를 기반으로 한 실증된 전이 학습(Transfer Learning) 능력으로 차별화에 성공했다. 이번 펀딩 라운드는 향후 몇 년간의 R&D와 상용화를 위한 강력한 연료가 될 것이다.
결론적으로, 비디오 게임은 더 이상 단순한 오락이 아니다. 그것은 현실 세계의 복잡한 역학 관계를 학습하기 위한 가장 저렴하고 풍부한 시뮬레이터가 될 잠재력을 지니고 있다. 제너럴 인튜이션이 옳다면, 우리는 곧 게임 실력이 뛰어난 AI가 공장 라인을 최적화하고, 재난 현장에서 사람을 대신해 위험 지역을 탐색하는 시대를 맞이할 수 있다. 한국이 이 새로운 AI 패러다임의 관찰자가 아니라, 적극적인 참여자와 선도자가 되기 위해 지금부터 어떤 준비를 해야 할지 진지한 고민이 필요한 시점이다.
#AI에이전트 #비디오게임 #자율주행로봇 #월드모델 #스타트업투자 #미래기술 #한국AI전략