'비디오 게임으로 현실 세계 AI 훈련한다'… 23억 달러 몸값 스타트업
AI 스타트업 General Intuition은 비디오 게임 플레이 데이터를 활용해 현실 세계에서 작동하는 로봇 에이전트를 훈련시키는 기술로 2.3억 달러(약 3천억 원)의 기업 가치를 인정받았습니다. 이 회사는 게임 속 사용자의 행동 데이터를 학습해 '공간적·시간적 추론' 능력을 갖춘 세계 모델(World Model)을 구축하며, 이를 현실 로봇에 단 8분 분량의 데이터만으로 미세 조정(Fine-tuning)하는 방식을 통해 차원 높은 확장성을 확보하고 있습니다.
뉴욕 사무소에 위치한 General Intuition의 R&D 연구 층에 들어서자마자, 이 회사의 31세 공동 창립자이자 CEO인 핌 더 위트(Pim de Witte)는 스탠딩 데스크 위에 놓인 모니터로 시선을 돌려달라고 안내했다. 화면 속 누군가가 포트나이트(Fortnite) 같은 게임을 하는 듯했다. 하지만 그것은 사람이 아니었다. "저 AI 에이전트가 100시간 동안 쉬지 않고 게임을 하고 있습니다." 켄트 롤린스(Kent Rollins) 최고 제품 책임자(CPO)가 활짝 웃으며 말했다.
게임 속 가상 환경을 탐색하는 AI의 모습에 정신을 쏟기도 전에, 큰 사족보행 로봇이 다가오는 전자 발소리가 들렸다. 더 위트는 "게임을 하고 있는 에이전트를 구동하는 것과 동일한 두뇌가 저 로봇을 작동시키고 있다"고 말했다. 로봇의 단일 카메라에서 실시간 영상을 노트북으로 스트리밍하고 있던 데이터 분석가 조시 듀플란티스(Josh Duplantis)가 끼어들어 로봇의 기본 모드가 '탐색(Exploration)'이라고 설명했다. 그 거대한 벌레 모양의 로봇은 유일한 눈인 카메라에 의존하여 내게 다가와 한 바퀴 돌더니 사무실 안으로 계속 걸어 들어갔다. 마치 자신의 몸이 주변 세계와 어떤 관계가 있는지 아직 배우지 못한 유아처럼, 로봇은 가끔 의자 다리에 걸리거나 길을 벗어난 쓰레기통에 부딪히기도 했다.
듀플란티스에 따르면, 이 사족보행 로봇을 위한 AI 모델을 미세 조정(Fine-tuning)하는 데는 단 8분 분량의 실제 로봇 데이터면 충분했다. 게다가 그 데이터는 로봇이 현재 탐색하고 있는 사무실 내부가 아닌, 바깥 거리에서 수집된 것이었다. 게임 플레이부터 시뮬레이션, 그리고 물리적 구현(Embodiment)에 이르기까지 일반화할 수 있는 에이전트 모델을 만드는 것, 이것이 바로 General Intuition의 존재 이유(Raison d'être)다. 그리고 스스로 세상에서의 자신의 위치를 파악하는 이 모델의 능력 덕분에 이들은 업계의 거물 투자자들로부터 지원을 확보할 수 있었다.
General Intuition은 목요일에 기업 가치 23억 달러(약 3,100억 원) 조건으로 3억 2천만 달러(약 4,300억 원)의 자금을 조달했다고 밝혔다. 이는 테크크런치(TechCrunch)의 이전 보도를 확인해 주는 결과다. 이번 투자 라운드를 통해 지난해 10월 런칭 시점에서 조달한 1억 3,400만 달러 펀딩에 이어, 회사의 공개된 총 투자 유치액은 4억 5,400만 달러에 달하게 되었다. 이 스타트업은 더 위트의 다른 회사이자 게이머들이 비디오 게임 클립을 업로드하고 공유할 수 있게 해주는 Medal에서 분사(Spin-off)하여 설립되었다.
업로드된 수억 시간 분량의 게임 플레이 데이터는 공간-시간적 추론(시공간을 어떻게 이동하고 통과하는지 이해하는 능력)을 통해 General Intuition의 모델을 훈련시키기 위한 초기 데이터셋을 제공했다. 하지만 핵심 요소는 게임 플레이 영상 자체가 아니라, 그 영상 클립에 내장된 '행동 레이블(Action labels)', 즉 플레이어가 정확히 언제 어떤 버튼을 눌렀는지에 대한 기록이었다. 더 위트는 대부분의 경쟁사들이 영상만으로 행동을 추론(역산)하려고 시도하지만, 그것으로는 부족하다고 주장한다.
"우리는 이를 향후 사전 훈련(Pre-training)의 다음 단계로 봅니다." 더 위트는 말했다. "우리는 화면 속 포트나이트 정보에 반응하고 행동을 취할 수 있을 뿐만 아니라, 기존의 대형 언어 모델(LLM)은 결코 할 수 없었던 방식으로 현실 세계의 역학에도 대응할 수 있는 단일 모델을 보유하고 있습니다."
어느 시점에서 더 위트는 내게 General Intuition의 세계 모델(World Model)이 구동되는 노트북을 쥐여주었다. 이는 전통적인 게임 엔진으로 렌더링된 것이 아니라, 프레임별로 생성된 시뮬레이션 환경이었다. 세계 모델을 테스트할 때마다 내가 늘 하듯, 나는 일렬로 늘어선 벽을 향해 곧장 걸어 들어갔다. 내가 이전에 시도해 본 다른 데모에서는 내가 조종하는 에이전트가 그냥 벽을 통과해 버리기도 했지만, 이 모델은 그러지 않았다. 이 모델은 수백만 시간의 게임 플레이 데이터를 통해 벽은 벽이라는 것, 사다리는 오르기 위한 것이라는 점, 그리고 해가 움직임에 따라 그림자가 길어진다는 사실을 어떻게든 학습한 것이다.
General Intuition에게 이 세계 모델은 최종 제품이 아니다. 이것은 훈련 환경(내부적으로는 '체육관'이라고 부름)이다. 회사는 궁극적으로 에이전트 모델 자체를 판매하기를 원하며, 더 위트는 게임 플레이에 내장된 행동 데이터가 모델이 '환경'으로부터 '자아(Self)'를 분간하도록 도와주어 더 깊이 있는 인과관계 이해를 제공한다고 주장한다.
General Intuition의 기술이 데모에서는 인상적으로 보이지만, 이 문제를 해결하려 시도하는 회사가 이들만은 아니다. 게다가 이러한 모델을 대규모로 물리적 현실 세계에서 견고하게 작동하게 하는 것은 아직 아무도 해내지 못한 일이다. 이런 종류의 대부분의 접근 방식은 느리고 비용이 많이 드는 방식으로 수집된 엄청난 양의 실제 세계 데이터를 필요로 한다. General Intuition의 승부수는 게임 플레이야말로 확장 가능한 지름길이라는 점이다. 이 회사의 투자자들 역시 이 믿음에 동의하고 있다.