로봇이 머릿속으로 그려 본 미래, 그 상상이 틀리는 정도에도 법칙이 있다면요? 이번엔 영상이 아니라 코드가 같이 왔습니다. AI 데일리 브리핑입니다. 토큰 하나 안 뽑고 답하는 모델, 엔비디아·삼성이 돈 댄 에이전트 회사, 캘리포니아 의료 AI 법까지. 오늘은 제가 좀 덜 투덜댈지도요. 두고 보죠. 메타 논문부터, 그 법칙이 로봇을 실제로 더 잘 움직이게 하는지.
아르템 졸루스가 arXiv에 쓴 내용입니다:
이번 연구에서는 공동 임베딩 예측 아키텍처, 즉 JEPA를 기반으로 하며 12개 로봇 형태에 걸친 대규모 데이터세트로 학습한 세계 모델 RoboJEPA를 제시합니다. RoboJEPA의 상상 오차, 즉 잠재 롤아웃의 오차가 연산량에 대해 2차 멱법칙을 따른다는 점을 보였습니다. 이를 통해 이 법칙을 적용해 맞춘 규모를 훨씬 넘어선 영역에서도 모델의 품질을 예측할 수 있습니다.
이건 오늘 밤에 바로 받아서 돌려 볼 수 있는 논문이에요. 메타 FAIR가 체크포인트에 학습 코드, 실제 로봇 배포 코드까지 전부 풀었거든요. 로봇 형태 열두 종에 걸친 대규모 데이터로 학습한 JEPA 기반 세계 모델입니다. 핵심 주장은 잠재 공간에서 미래를 굴려 봤을 때 생기는 '상상 오차'가 연산량에 대해 2차 멱법칙을 따른다는 거고요. 그래서 법칙을 맞춘 규모보다 훨씬 큰 모델의 품질까지 미리 내다볼 수 있다고 합니다. 제가 걸리는 건 롤아웃 길이예요. 한 스텝 오차가 작아도 스무 스텝 굴리면 쌓이거든요, 물리 세계에선 특히. 근데 이 상상 오차가 실제 계획 성능이랑 강하게 상관된다고 하니까, 그게 버텨 주면 실로봇 테스트 비용이 확 줄어드는 거죠. 그 '버텨 주면'까지가 논문이 보여 준 범위입니다. 목표 이미지 한 장만 주고 실제 하드웨어에서 장기 계획 과제를 제로샷으로 풀었다는 데까지요. 그래도 매끈한 영상 한 편 대신 누구나 다시 돌려 볼 가중치를 내놨으니, 법칙이 어디서 꺾이는지는 이제 다른 연구실들이 직접 확인하면 됩니다.
실리콘앵글의 마리아 도이처가 전한 내용입니다:
인기 인공지능 에이전트 Hermes를 개발한 Nous Research가 오늘 9천만 달러의 자금을 조달했다고 발표했습니다. 초기 단계 스타트업 펀드인 Robot Ventures가 시리즈 B 라운드를 주도했습니다. 엔비디아, 삼성전자, 와이 콤비네이터 등이 투자에 참여했습니다. 현재 Nous의 기업가치는 15억 달러로 평가됩니다.
Nous Research가 시리즈 B로 9천만 달러를 받았습니다. 기업가치는 15억 달러, 로봇 벤처스가 주도했고 엔비디아, 삼성전자, 와이 콤비네이터가 들어왔어요. 이번 주 들어 처음으로 눈썹이 안 올라가는 라운드 크기네요. 마누스의 5억 달러랑 나란히 놓으면 체급이 아예 다릅니다. 숫자는 조심해서 들으셔야 합니다. 다운로드 2,400만 건, 전 세계 토큰 소비의 약 2.5%는 모두 Nous가 밝힌 수치예요. 2.5%는 한번 찍히면 기사마다 따라다닐 숫자고요. 그래도 구조는 마음에 들어요. 프롬프트마다 라우터가 추론 비용, 속도, 품질을 따져서 클로드로 보낼지 자체 Hermes 4로 보낼지 고릅니다. 실제 서비스 굴려 보신 분들은 아실 거예요. 그 판단이 매달 청구서를 결정합니다. 제가 보기엔 방어선도 거기 있어요. 에이전트 코드는 오픈소스라 누구나 복제할 수 있지만, 어떤 요청을 어느 모델로 보낼지 정하는 라우터는 Nous가 쥐고 있죠. 엔비디아가 이 회사에 돈을 넣은 이유도 그쪽에서 찾게 됩니다. 음, 저는 반만 동의합니다. 라우터는 몇 주면 따라 만들어요. 따라 하기 어려운 건 수천 명 기여자하고, 데이터포지로 만든 합성 데이터 500만 건 쪽이죠. 그중 3분의 2가 추론 능력 강화용이라니까, 그건 직접 받아서 돌려 보고 점수 드리겠습니다.
아시프 라자크가 마크테크포스트에서 전합니다:
Liquid AI가 d1 의사결정 모델 제품군에 속하는 오픈 웨이트 멀티모달 모델 2종, Open d1을 출시했습니다. d1-3B는 텍스트와 이미지를 읽습니다. d1-omni-600M은 이미지와 함께 입력된 텍스트 또는 오디오와 함께 입력된 텍스트를 읽습니다. 두 모델 모두 텍스트를 작성하지 않습니다. 각각은 한 번의 순전파 과정에서 출력 토큰을 전혀 사용하지 않고 보정된 형식 지정 답변을 반환합니다. 목표는 엔비디아 스택, 즉 DGX 서버와 RTX 워크스테이션, Jetson 엣지 보드에서 실시간 의사결정을 구현하는 것입니다.
이건 솔직히 오늘 밤에 바로 돌려 볼 수 있겠어요. 허깅페이스에 체크포인트 올라와 있고, 트랜스포머스로 로드되고, 라마.cpp도 첫날부터 지원합니다. 답을 토큰으로 쓰는 게 아니라 한 번의 순전파로 확률을 돌려주니까, 출력 파싱하다 깨지는 일 자체가 없어요. 예, 네 아니오는 P(yes) 하나, 선택형은 전체 분포, 점수형은 2단계에서 10단계 척도로 나옵니다. 그런데 겨냥하는 게 DGX, RTX, 젯슨이에요. 가중치는 열어 놓고, 돌아가는 자리는 엔비디아 스택으로 정해 둔 셈이죠. 그게 저한텐 오히려 실용적이에요. 라우팅, 가드레일, 판정용 모델 같은 건 메인 모델 앞뒤에 붙는 작은 관문인데, 거기서 토큰 생성을 빼면 지연과 비용이 그냥 빠지거든요. 아까 Nous 에이전트 얘기 했죠, 그런 에이전트 단계마다 끼워 넣을 검문소로 딱이에요. 다만 계약서는 읽고 끼우셔야 합니다. LFM 오픈 라이선스 1.0은 연 매출 1천만 달러 미만일 때만 상업 이용이 무료고요, d1-옴니-600M은 초기 연구 공개라 지연 시간 수치 자체가 공개된 게 없습니다. 그러니까 3B는 오늘 붙여 보고, 600M은 제 손으로 지연 시간부터 재 봐야겠네요.
리드 스미스의 폴 W. 피츠가 전한 내용입니다:
지난주 캘리포니아에서 제정된 20건이 넘는 AI 관련 새 법률 가운데 3건은 캘리포니아 주민과 관련된 의료 분야의 AI 사용에 중대한 영향을 미칠 전망입니다. 이 법률들은 AI 기반 임상 의사결정 지원 시스템의 개발과 배포, 의료 챗봇에 공유되는 의료 정보의 비밀 유지, 그리고 대기업이 인간 고객 서비스 상담원에 대한 접근을 제공해야 할 의무를 규정합니다. 다만 특정 병원 관련 커뮤니케이션에는 예외가 적용됩니다.
이번 주 초에 캘리포니아의 AI·개인정보 법 20여 건을 훑었는데요, 리드 스미스가 그중 의료에 걸리는 3건만 따로 뽑아 정리했습니다. 저는 정의 조항부터 봤어요. 진료 시점, 진단, 치료에 관해 예측이든 분류든 추천이든 내놓으면, 전부 임상 의사결정 지원 시스템입니다. 넓죠. 예약 관리와 결제 처리는 빠지는데, 그것도 전문 면허가 필요 없는 범위까지만입니다. 앞서 다룬 Liquid AI의 d1처럼 보정된 답을 한 번에 내놓는 모델을 병원 시스템에 붙인다면, 이 정의를 비켜 가기는 어려워 보입니다. 시행일이 2027년 1월 1일이니까 석 달도 안 남았어요. 상원 법안 503이 '편향된 영향'을 없애라는 건데, 실무로 내려오면 학습 데이터 출처, 환자 집단별 성능, 배포 후 모니터링까지 문서로 남기게 될 겁니다. 솔직히 이건 반대 안 해요. 제대로 하는 팀이라면 원래 했어야 할 일이라서. 저는 쪼갠 방식이 마음에 듭니다. 임상 판단 지원, 챗봇에 털어놓은 의료 정보의 비밀 유지, 그리고 대기업의 인간 상담원 연결 의무까지, 문제 하나에 법 하나씩이에요. 일부 병원 연락은 예외로 빠지고요. 덕분에 개발자는 적어도 자기 제품이 어느 칸에 들어가는지, 어떤 서류를 준비해야 하는지는 알 수 있습니다.
오늘 브리핑이 유익하셨다면, 듣고 계신 곳에서 구독하시고 리뷰도 남겨 주세요. 여러분의 리뷰가 더 많은 분들이 이 프로그램을 발견하는 데 큰 도움이 됩니다.
앞으로 지켜볼 사안은 임상 의사결정 지원, 챗봇의 의료 정보 비밀 유지, 인간 상담원 이용 보장을 다루는 캘리포니아 의료 분야 인공지능 관련 법률 세 건입니다. 이 법률들은 2027년 1월 1일부터 시행됩니다.
오늘 다룬 모든 이야기의 링크는 쇼 노트에서 확인하실 수 있습니다. 관심이 갔던 주제는 원문으로도 살펴보세요.
이상 AI 데일리 브리핑이었습니다. 랜턴 팟캐스트입니다.