[칼럼] LLM은 정말 막다른 길인가
Yann LeCun은 LLM이 사실상 막다른 길이라 주장합니다. 10억 달러를 받은 그의 베팅은 옳을까요.
10억 달러짜리 반론
이번 주 가장 흥미로운 뉴스는 Yann LeCun의 AMI Labs가 10.3억 달러 시드 라운드를 유치한 것입니다. 유럽 역대 최대 시드 라운드이자, "LLM은 막다른 길"이라는 주장에 10억 달러가 베팅된 사건입니다.
LeCun의 핵심 논거는 명확합니다. LLM은 인간이 무엇을 말할지 예측하는 것이지, 세상에서 무엇이 일어나는지 이해하는 것이 아니라는 것입니다. "LLM은 유리잔을 테이블에서 밀면 깨진다는 것을 이해하지 못한다"는 그의 비유는 이 한계를 잘 보여줍니다.
반면 OpenAI, Anthropic, Google은 LLM에 수천억 달러를 투입하고 있습니다. 이 양쪽의 베팅 중 어느 쪽이 맞을까요.
LLM 회의론의 근거
LeCun만 LLM의 한계를 지적하는 것이 아닙니다. 강화학습의 아버지라 불리는 Richard Sutton도 "이 접근법 전체가 막다른 길"이라고 말했습니다. 두 튜링상 수상자가 같은 결론에 도달한 것입니다.
그들의 논거를 정리하면 세 가지입니다.
첫째, 모방은 이해가 아닙니다. LLM은 인간의 텍스트 패턴을 학습합니다. 이것은 정교한 모방이지, 세계에 대한 인과적 이해가 아닙니다. 아무리 많은 텍스트를 학습해도 물리 법칙을 "체험"할 수는 없습니다.
둘째, 스케일링에 한계가 있습니다. 더 큰 모델, 더 많은 데이터가 항상 더 나은 결과를 만든다는 가정은 영원히 유지되기 어렵습니다. 이미 고품질 학습 데이터의 고갈 문제가 제기되고 있습니다.
셋째, 할루시네이션은 구조적 문제입니다. LLM의 환각은 버그가 아니라 아키텍처의 본질적 특성입니다. 확률적 토큰 생성 방식은 항상 사실이 아닌 출력을 만들 가능성을 내포합니다.
그럼에도 LLM이 작동하는 이유
여기서 한 발 물러나 현실을 봐야 합니다. LLM은 "이론적으로 한계가 있는" 기술이지만, "실제로 작동하는" 기술이기도 합니다.
ChatGPT의 주간 활성 사용자는 9억 명입니다. Claude Opus 4.6은 SWE-bench에서 75%를 넘기며 실제 소프트웨어 엔지니어링 문제를 풀고 있습니다. 기업의 80%가 18개월 내 AI 에이전트를 전략에 통합할 계획이라고 답했습니다(Microsoft Work Trend Index).
"유리잔이 깨지는 이유를 이해하지 못한다"는 비판은 정확하지만, 대부분의 실무에서 유리잔 물리학을 이해할 필요는 없습니다. 코드를 작성하고, 문서를 요약하고, 데이터를 분석하는 데에는 언어 패턴의 학습만으로 충분합니다.
즉, LLM의 한계는 학문적으로 정당하지만, 그 한계가 드러나는 영역과 현재 AI가 가치를 창출하는 영역이 일치하지 않습니다.
"둘 다" 가 답일 수 있다
가장 현실적인 전망은 양자택일이 아닌 공존입니다.
일부 연구자들은 대형 멀티모달 LLM을 중심에 두고, 정밀한 물리적 시뮬레이션이 필요할 때 월드 모델 모듈을 호출하는 하이브리드 아키텍처를 제안하고 있습니다. "LLM plus 월드 모델"이지, "LLM versus 월드 모델"이 아니라는 것입니다.
이 관점에서 보면 AMI Labs의 10억 달러는 LLM에 대한 부정이 아니라, AI의 다음 계층을 만드는 투자입니다. LLM이 언어를 처리하는 층이라면, 월드 모델은 물리적 현실을 처리하는 층입니다. 자율주행, 로보틱스, 과학 연구 등 물리적 세계와 상호작용하는 AI에서는 월드 모델이 필수적입니다.
결국 "LLM이 막다른 길인가"라는 질문 자체가 잘못되었을 수 있습니다. 더 정확한 질문은 "LLM만으로 충분한가"이며, 이에 대한 답은 명확히 "아니오"입니다. 하지만 그것이 LLM을 버려야 한다는 뜻은 아닙니다.
실무자에게 의미하는 것
이 논쟁이 당장의 실무에 영향을 주지는 않습니다. LLM 기반 도구는 앞으로도 수년간 AI 활용의 주류일 것입니다. 하지만 두 가지는 기억할 만합니다.
하나, AI 산업은 하나의 기술에 올인하지 않고 있습니다. 690조 원이 LLM 인프라에 투입되는 동시에, 10억 달러가 LLM을 부정하는 연구에 투입됩니다. 이 다양성이 산업의 건강함을 보여줍니다.
둘, 월드 모델이 성숙하면 물리적 세계를 다루는 AI의 새로운 시장이 열립니다. 로보틱스, 시뮬레이션, 과학 연구. 지금은 LLM을 활용하되, 다음 물결도 주시해야 합니다.
핵심 요약
- Yann LeCun과 Richard Sutton 등 튜링상 수상자들이 LLM의 구조적 한계를 지적하지만, LLM은 현실에서 막대한 가치를 이미 창출하고 있습니다
- 가장 현실적인 전망은 LLM과 월드 모델의 공존이며, 각각이 다른 계층의 문제를 담당하는 하이브리드 아키텍처입니다
- AMI Labs의 10억 달러 투자는 AI가 단일 기술에 의존하지 않는 방향으로 진화하고 있음을 보여줍니다