AI 주간 특집 #473: AI의 아버지가 대규모 언어 모델에 베팅하지 않음

얀 르쿤(Yann LeCun)은 메타의 수석 AI 과학자였으며 튜링상 수상자로서 오랫동안 LLM의 한계를 공개적으로 비판해 왔다. 그가 새로 세운 AMI Labs(Advanced Machine Intelligence)는 자기회귀(autoregressive) 토큰 예측 방식의 LLM 대신 JEPA(Joint Embedding Predictive Architecture) 계열의 '월드 모델(World Model)' 아키텍처에 베팅한다. JEPA는 픽셀이나 토큰 단위로 다음 값을 생성하는 대신, 추상적인 잠재 공간(latent space)에서 미래 상태의 표현(representation)을 예측하도록 학습한다. 즉 "다음 단어를 맞히기"가 아니라 "세상이 어떻게 변할지 추상적으로 이해하기"를 목표로 하며, 이는 계획(planning), 추론, 물리적 상호작용이 필요한 에이전트형 AI의 근본 한계를 해결하기 위한 접근이다. 시드 단계에서 $1.03B, 밸류에이션 $3.5B이라는 규모는 GPT 계열 스케일링 전략에 대한 회의론에도 투자 시장이 '포스트-LLM 아키텍처'에 상당한 자금을 베팅하고 있음을 보여준다.

엔지니어 관점에서 이 소식은 AI 개발 패러다임이 단일 경로가 아니라는 신호다. 최근 몇 년간 "모델을 더 키우고, 컨텍스트를 더 늘리고, RAG/Agent 레이어를 쌓는" 방식이 사실상 표준이 되었지만, LeCun의 진영은 현재 LLM이 장기 계획·인과 추론·물리 세계 이해에서 구조적 한계를 가진다고 본다. 당장은 GPT/Claude/Gemini 같은 모델을 써서 코파일럿, 챗봇, 코드 에이전트를 구축하는 작업이 주류이지만, 로보틱스·자율주행·산업 자동화·시뮬레이션처럼 '행동과 결과'를 다루는 도메인에서는 월드 모델 기반 접근이 향후 2~3년 내 실제 제품화될 가능성이 높다. 특히 파리에 본사를 둔 AMI Labs는 EU AI Act 환경에서 운영되므로, 유럽 규제를 준수하는 모델·데이터 파이프라인 레퍼런스가 나올 것이라는 점도 국내 엔지니어에게 참고할 만한 요소다.

개발자가 지금 당장 취해야 할 행동은 "LLM을 버려라"가 아니라 "LLM 외의 선택지를 학습해 두라"에 가깝다. 단기적으로는 여전히 LLM 기반 에이전트, RAG, 함수 호출(function calling) 아키텍처가 실무 주력이므로 현재 스택을 흔들 필요는 없다. 다만 JEPA, V-JEPA, 세계 모델 관련 논문(메타 FAIR 공개 자료)과 오픈소스 구현체를 한 번씩 훑어 두고, 자신이 풀려는 문제가 "언어/지식 검색" 문제인지 "행동/계획/시뮬레이션" 문제인지 구분하는 감각을 기르는 것이 중요하다. 또한 채용·기술 전략 관점에서도 "LLM 파인튜닝 엔지니어"라는 정체성보다는 표현 학습(representation learning), 강화학습, 시뮬레이션 기반 평가 등 기초 역량을 유지하는 편이 향후 아키텍처 전환기에도 경쟁력을 지킬 수 있다. 한 거물의 창업 뉴스지만, 실질적으로는 "다음 세대 AI의 기반 기술이 무엇이 될지"를 시장이 재평가하기 시작했다는 지표로 읽는 것이 정확하다.