LWM(Large World Model)

개요

텍스트 기반 LLM(Large Language Model)을 통한 에이전트 AI, 피지컬 AI를 구현하는데 한계 봉착

1. 개념

AI에게 공간과 물리를 이해시켜 인간의 학습 능력을 부여 하기 위해 하기 위한 모델.

2. 주요기술

LWM: 물리 세계와 공간 학습 모델

JEPA: (Joint Embedding Predictive Architecture) 복잡하고 다양한 가능성 예측 구조

Ring Attention: 대규모 데이터 세트 처리

3. 특징

AGI: 인간의 학습 능력 모방

공간지능: Text를 넘어 3D 물리세계 이해

멀티모달: 카메라 및 각종 센서를 통해 주변 상황 이해

4. LLM과 LWM비교

구분	LLM(Large Language Model)	LWM(Large World Model)
개념	언어 이해 및 생성 특화 모델	다중 모델 데이터 처리 모델
적용범위	언어관련 작업 초점	현실세계 이해 초점
데이터 규모	데이터 종류/범위 제한적	다양한 도메인 데이터
모델 복잡성	상대적으로 적음	상대적으로 복잡
데이터	Text 한정	센서/카메라 등 다양

5. 주요 활용 분야

로봇공학: 실제 환경 학습, 최적화 (자율 주행차, 물류 로봇, 스마트 공장 자동화 등)

의료/헬스케이: 질병 발생 패턴 분석, (신약 개발 등)

기후/환경: 기후변화 패턴 분석 (온난화, 자연 재해 가능성 예측 등)

도시계획/정책: 교통 흐름 분석, 시뮬레이션 (최적 도로 설계, 사회 영향 예측 등)

6. 동향

대형 세계 모델 연구를 위해 월드 랩스(World Labs) 구축. 

LWM생성 콘텐츠에 대해 저작권 산업에서 공정 이용 재정립 기준 마련 필요. 

LWM 구현을 위한 막대한 연산, 다양한 데이터, 지속가능성에 대한 고려 필요. 

 

*참고

VLM(Vision Language Model): 시각(이미지, 비디오 등) 정보와 텍스트/언어 정보 연결

LWM(Large World Model): 현실 세계의 물리적 법칙과 시공간적 인과 관계 이해

LAM(Large Action Model): 복잡한 행동 계획과 실행을 자율적으로 수행하는 AI. 

위 세가지가 피지털 AI의 성패를 가르는 파운데이션 모델이 됨.