로봇 개발의 오래된 병목은 데이터다. 실제 로봇을 움직여 학습 데이터를 모으려면 비용이 크고 속도도 느리다. 환경이 바뀌면 다시 적응해야 하는 문제도 남는다.
General Intuition은 이 병목을 다른 방향에서 풀어보려 한다. 핵심 주장은 로봇도 언어 AI처럼, 특정 작업 전용 모델이 아니라 범용 기본 모델에서 출발할 수 있다는 것이다. 다만 이 회사가 주목하는 학습 재료는 텍스트가 아니라 게임 플레이 데이터다.
General Intuition이 보려는 것은 ‘영상’이 아니라 ‘행동’이다
General Intuition은 게임 소셜미디어 기업 Medal과 같은 모회사 아래에서 운영된다.1 Medal은 게이머가 비디오게임 클립을 업로드하고 공유하는 플랫폼이며, General Intuition은 이곳에 올라온 게임 클립 데이터를 학습에 활용한다.2
여기서 중요한 점은 게임 화면 자체보다, 화면 속 상황에 사람이 어떻게 반응했는지다. 회사는 픽셀을 예측하는 모델보다 사람이 게임 안에서 취한 행동을 예측하는 모델에 초점을 둔다.1 예를 들어 어떤 장면에서 사람이 왜 점프했는지, 왜 피했는지, 왜 방향을 틀었는지를 배우려는 접근이다.
이 때문에 게임 데이터는 단순한 영상 모음이 아니다. General Intuition이 학습에 활용하는 데이터에는 사람이 컨트롤러 버튼을 누른 시점과 버튼 정보가 포함된다.2 즉 관찰, 판단, 행동, 결과가 연결된 대규모 행동 데이터로 볼 수 있다.
왜 게임 데이터가 로봇으로 이어질 수 있다고 보는가
General Intuition의 목표는 가상 환경과 물리 세계에서 모두 작동하는 에이전트 모델을 만드는 것이다.2 회사가 스스로를 “공간과 시간 속에서 행동하는 프런티어 랩”이라고 설명하는 것도 이 맥락이다.1
이 구상은 언어 AI의 발전 방식과 닮아 있다. 많은 기업이 이제 언어 모델을 처음부터 만들기보다, 이미 학습된 범용 모델을 가져와 자기 업무에 맞게 조정한다. General Intuition이 로봇과 에이전트 영역에서 기대하는 것도 비슷하다. 여러 환경에서 쓸 수 있는 기본 모델을 만들고, 필요한 경우 적은 데이터로 특정 로봇이나 작업에 맞게 미세조정하는 방식이다.
이 접근이 의미 있는 이유는 명확하다. 로봇마다, 작업마다, 환경마다 데이터를 처음부터 다시 모아야 한다면 확장성이 떨어진다. 반대로 게임처럼 대규모로 축적된 인간 행동 데이터를 통해 기본적인 공간 인식과 행동 패턴을 학습할 수 있다면, 로봇 개발의 시작점이 달라질 수 있다.
기대와 검증은 구분해야 한다
General Intuition은 이미 모델이 비디오게임을 몇 시간 동안 플레이할 수 있다고 시연했다.2 또한 실제 로봇 데이터 8분으로 미세조정한 뒤 사족보행 로봇을 구동하는 시연도 보였다.2 여기에 더해 회사는 최근 기업가치 23억 달러로 3억2천만 달러를 조달했다.2
다만 이런 지표는 가능성을 보여줄 뿐, 결론은 아니다. 실제로 중요한 검증 질문은 따로 있다.
첫째, 게임에서 배운 공간 감각이 현실의 마찰, 조명, 장애물, 센서 노이즈 같은 변수에도 버틸 수 있는가.
둘째, 한 종류의 로봇이나 제한된 환경을 넘어 다양한 로봇 형태와 작업으로 확장될 수 있는가.
셋째, 시연 수준을 넘어 고객이 제품 개발에 활용할 만큼 안정적이고 반복 가능한 성능을 내는가.
이 질문에 답하지 못하면 “게임으로 로봇을 훈련한다”는 아이디어는 흥미로운 데모에 머물 수 있다. 반대로 답을 만들어낸다면, 로봇 학습의 비용 구조는 크게 달라질 수 있다.
우리가 주목해야 할 변화
General Intuition의 의미는 단순히 게임 데이터를 로봇에 쓴다는 데 있지 않다. 더 큰 변화는 인간의 상호작용 기록이 AI 학습의 중요한 자산이 될 수 있다는 점이다.
텍스트 데이터가 언어 모델의 기반이 됐다면, 앞으로 에이전트와 로봇 모델에서는 행동 데이터가 더 중요해질 수 있다. 어떤 상황에서 사람이 무엇을 보고, 어떤 입력을 하고, 그 결과가 어떻게 달라졌는지를 담은 데이터가 경쟁력이 되는 것이다.
따라서 General Intuition을 볼 때 핵심 질문은 “게임이 현실을 완벽히 대체할 수 있는가”가 아니다. 더 실용적인 질문은 “대규모 인간 행동 데이터가 로봇과 에이전트의 기본 모델을 만드는 데 얼마나 도움이 되는가”다. 이 답에 따라 AI 경쟁의 중심은 더 많은 텍스트에서 더 좋은 행동 데이터로 이동할 수 있다.
2General Intuition's $2.3B bet that video games can train AI agents for the real world
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.