구글 딥마인드 CEO "제미나이와 비디오 AI '베오' 통합할 것"

AI에게 물리 법칙을 가르치려면 책을 수만 권 읽히는 것보다 실제 세상이 어떻게 움직이는지 영상으로 보여주는 편이 훨씬 빠릅니다.

구글이 바로 이 방식을 택했습니다. 구글 딥마인드의 데미스 허사비스 CEO는 링크드인 공동 창업자 리드 호프먼이 진행하는 팟캐스트 'Possible'에 출연해, 향후 제미나이(Gemini)와 동영상 생성 AI인 베오(Veo)를 하나로 결합할 계획이라고 밝혔습니다. 현실 세계의 물리 법칙을 더 깊이 이해시키기 위한 조치입니다.

유튜브 영상을 보며 물리 법칙을 깨우치다

허사비스는 제미나이가 초기 설계부터 멀티모달을 염두에 두고 만들어졌다고 강조했습니다. 궁극적인 목표는 화면 속 대화 상자에 머무는 것이 아니라, 현실 세계에서 사용자를 실제로 돕는 '범용 디지털 비서'를 구현하는 데 있다는 설명입니다.

물리 세계를 이해하려면 방대한 시각 정보가 필요합니다. 허사비스는 베오의 학습 데이터가 대부분 구글 산하 유튜브에서 나온다는 점을 시사했습니다. 엄청난 양의 유튜브 영상을 보면서 베오 2가 세상의 물리 법칙을 스스로 파악해 냈다는 것입니다.

물론 데이터 출처를 둘러싼 논란도 뒤따릅니다. 구글은 이전 테크크런치에 크리에이터와의 계약에 따라 일부 유튜브 콘텐츠를 학습에 사용할 수 있다고 밝힌 바 있으며, 지난해에는 AI 학습 데이터 확보를 위해 서비스 약관을 개정했다는 보도도 나왔습니다.

옴니 모델로 향하는 AI 업계의 질주

현재 생성형 AI 업계는 텍스트와 이미지, 오디오, 비디오를 모두 이해하고 생성하는 '옴니(Omni)' 모델로 빠르게 진화하고 있습니다.

구글의 최신 제미나이는 이미 오디오와 이미지, 텍스트 생성을 지원하고 있으며, 오픈AI의 챗GPT 기본 모델 역시 이미지 생성을 처리합니다. 아마존 또한 올해 말 어떤 형태든 입력받아 출력하는 'any-to-any' 모델을 내놓겠다고 예고한 상태입니다.

동영상 생성 기술을 주력 언어 모델과 통합한다는 것은, AI가 텍스트 확률을 계산하는 데 그치지 않고 물리적 환경이 시간에 따라 어떻게 변하는지 내부적으로 시뮬레이션할 수 있게 됨을 의미합니다.

왜 중요한가

우리는 제미나이와 베오의 결합이 AI 경쟁에서 구글이 쥘 수 있는 가장 강력한 무기인 유튜브를 제대로 활용하는 전략이라고 봅니다.

사용자와 개발자 입장에서 물리적 상식을 갖춘 제미나이는 단순한 챗봇과 완전히 다릅니다. 기계를 고칠 때 영상을 보여주면 부품이 어떻게 맞물려 돌아갈지 예측해 조언해 줄 수 있고, 장기적으로는 로봇 공학과 결합해 실제 환경을 조작하는 피지컬 AI의 두뇌 역할을 해낼 수 있습니다.

경쟁 측면에서도 오픈AI와 아마존을 압박하는 카드입니다. 웹상의 텍스트 데이터가 고갈되어 가는 상황에서, 실제 세계의 인과관계와 움직임을 담은 영상 데이터는 대체 불가능한 자원입니다. 전 세계에서 가장 거대한 영상 저장소인 유튜브를 쥐고 있는 구글을 다른 빅테크가 데이터 규모 면에서 따라잡기는 쉽지 않습니다.

다만 두 거대 모델을 통합하는 과정에서 막대한 연산 비용이 발생할 수밖에 없고, 유튜브 크리에이터들의 저작권 반발과 규제 리스크도 여전히 해결해야 할 과제입니다. 그럼에도 동영상을 통해 현실 물리를 학습시키는 구글의 이번 행보는 차세대 지능으로 가는 가장 직접적인 지름길처럼 보입니다.