인터랙티브 현실의 창세기: 구글 딥마인드 제니 3 월드 모델에 대한 전략적 분석

 

인터랙티브 현실의 창세기: 구글 딥마인드 제니 3 월드 모델에 대한 전략적 분석

 

섹션 1: 생성형 월드의 아키텍처 청사진

 

생성형 인공지능(AI)의 발전은 텍스트와 이미지를 넘어 이제 동영상, 나아가 사용자가 직접 상호작용할 수 있는 가상 세계의 영역으로 확장되고 있다. 이러한 변화의 최전선에 구글 딥마인드의 '제니(Genie)' 프로젝트가 있으며, 그 최신작인 제니 3는 단순한 기술적 진보를 넘어 새로운 창작 패러다임의 등장을 예고한다. 제니 3의 혁신을 온전히 이해하기 위해서는 그 기술적 뿌리가 되는 선행 모델의 아키텍처를 심도 있게 분석하는 것이 필수적이다. 이 아키텍처는 제니 3가 이룩한 비약적인 발전의 토대일 뿐만 아니라, 미래 기술의 잠재력을 가늠하는 핵심적인 단서를 제공하기 때문이다. 본 섹션에서는 제니 모델의 근간을 이루는 핵심 기술, 즉 레이블 없는 데이터로부터 제어 능력을 학습하는 독창적인 방법론과 이를 구현하는 세 가지 핵심 구성 요소를 면밀히 분석하여 생성형 월드의 기술적 청사진을 제시하고자 한다.

 

1.1 비지도 학습 패러다임: 레이블 없이 제어 능력을 배우다

 

제니 모델의 가장 혁명적인 측면은 방대한 양의 레이블 없는 인터넷 비디오 데이터로부터 정교한 프레임 단위 제어 능력을 학습한다는 점에 있다.1 이는 명시적인 행동 레이블(예: '점프', '이동')이 부착된 비디오 데이터를 필요로 하는 기존 월드 모델의 접근 방식과는 근본적으로 다르다.2 초기 제니 모델은 2D 플랫포머 게임 플레이 영상과 로봇 공학 영상 등 약 20만 시간 이상의 공개 인터넷 비디오를 학습 데이터로 활용했다.1

이러한 비지도 학습(unsupervised learning) 방식의 중요성은 확장성에 있다. 행동 레이블을 수동으로 부착하는 작업은 막대한 비용과 시간이 소요되며, 데이터의 양과 다양성을 제한하는 주된 병목 현상으로 작용한다. 제니는 이 과정을 생략함으로써 인터넷에 존재하는 거의 무한에 가까운 비디오 데이터를 잠재적인 학습 자원으로 활용할 수 있게 되었다. 이는 강력한 파운데이션 모델을 구축하는 데 있어 결정적인 이점이다.1 모델은 레이블 없이도 비디오 프레임 간의 변화를 분석하여 어떤 행동이 어떤 결과를 낳는지를 스스로 추론한다. 이 과정을 통해 모델은 '잠재적 행동 공간(latent action space)'이라는 개념을 내부적으로 형성하게 되는데, 이는 특정 행동에 대한 명시적 지시 없이도 일관된 제어를 가능하게 하는 핵심적인 메커니즘이다. 사용자는 이 잠재적 행동 공간에 해당하는 간단한 입력(예: 키보드 키)만으로 생성된 세계와 상호작용할 수 있다.

 

1.2 제니 아키텍처의 세 가지 기둥

 

제니의 선행 모델(110억 개의 파라미터를 가진 모델)은 상호작용 가능한 환경을 생성하기 위해 유기적으로 작동하는 세 가지 핵심 구성 요소로 이루어져 있다. 이 아키텍처는 제니 3 시스템의 직접적인 조상이며, 각 구성 요소의 기능과 상호작용을 이해하는 것은 제니 3의 작동 원리를 파악하는 데 필수적이다.

 

1.2.1 기둥 1: 시공간 비디오 토크나이저 (ST-ViViT)

 

첫 번째 구성 요소는 시공간 비디오 토크나이저(Spatiotemporal Video Tokenizer)이다. 이 모듈의 핵심 기능은 비디오의 원본 프레임, 즉 고차원의 픽셀 데이터를 압축하여 작고 이산적인 토큰(token)의 집합으로 변환하는 것이다.2 이는 거대한 텍스트 데이터를 처리하기 전에 단어나 하위 단어 단위의 토큰으로 분해하는 대규모 언어 모델(LLM)의 토큰화 과정과 유사하다. ST-ViViT는 시공간 트랜스포머 아키텍처를 사용하여 공간적 정보(프레임 내의 픽셀 관계)와 시간적 정보(프레임 간의 변화)를 동시에 효율적으로 처리한다.2

이 토큰화 과정은 매우 중요한 전처리 단계이다. 비정형적인 픽셀 데이터를 후속 모델이 효율적으로 처리할 수 있는 정형화된 형식으로 변환함으로써, 계산 복잡성을 크게 줄이고 모델이 비디오의 핵심적인 동적 특징에 집중할 수 있도록 돕는다. 즉, '무엇이 보이는가'와 '어떻게 변하는가'를 간결한 디지털 언어로 번역하는 역할을 수행한다.

 

1.2.2 기둥 2: 잠재적 행동 모델 (LAM)

 

두 번째 구성 요소인 잠재적 행동 모델(Latent Action Model, LAM)은 제니가 제어 능력을 학습하는 비결이 담긴 '비밀 소스'라 할 수 있다. LAM은 연속된 두 비디오 프레임 사이에서 어떤 행동이 일어났는지를 추론하도록 훈련된다.2 흥미로운 점은 학습 방식이다. 모델은 과거 프레임들과 '다음' 프레임을 동시에 입력받아 그 사이의 변화를 가장 잘 설명하는 잠재적 행동을 예측한다. 이렇게 학습된 잠재적 행동은 이산적인 집합(예: 0부터 7까지의 정수)으로 양자화된다.2

실제 사용 시(추론 단계)에는 이 LAM의 인코더 부분이 제거되고, 사용자가 학습된 이산적 행동 집합 중 하나를 직접 입력한다 (예: 키보드의 특정 키를 누르면 숫자 '3'에 해당하는 행동이 입력됨).2 LAM은 사실상 생성된 모든 세계에 적용할 수 있는 '만능 리모컨'을 만들어내는 셈이다. 이 리모컨의 버튼(잠재적 행동)은 몇 개 되지 않지만(초기 모델은 8개), 서로 다른 환경에서도 유사한 행동(예: '오른쪽으로 이동', '점프')을 일관되게 유발한다.1 이는 제니가 특정 게임의 규칙을 외우는 것이 아니라, 행동의 보편적인 원리를 학습했음을 시사한다.

 

1.2.3 기둥 3: 자기회귀 동역학 모델

 

세 번째 기둥은 자기회귀 동역학 모델(Autoregressive Dynamics Model)이다. 이 모델은 제니의 생성 엔진 역할을 한다. 이 모델은 토큰화된 과거 프레임들과 사용자가 입력한 잠재적 행동을 입력받아 '다음' 프레임에 해당하는 토큰들을 예측한다.2 '자기회귀(autoregressive)'라는 용어는 각 새로운 프레임이 그 이전에 생성된 모든 프레임들의 순서에 기반하여 생성됨을 의미한다.

이러한 순차적 생성 과정은 사용자의 입력에 실시간으로 반응하는 연속적이고 상호작용적인 경험을 만들어낸다. 사용자가 특정 행동을 입력하면, 동역학 모델은 그 행동이 세상에 미칠 결과를 예측하여 다음 장면을 그려낸다. 이 과정이 빠르게 반복되면서 사용자는 마치 실제 게임을 플레이하는 듯한 착각에 빠지게 된다. 즉, 동역학 모델의 예측 정확도가 곧 생성된 세계의 현실감과 상호작용성을 결정하는 핵심 요소가 된다.

이 세 가지 기둥의 조합은 단순히 기술적 성취를 넘어, 상호작용형 AI의 미래에 대한 중요한 통찰을 제공한다. 제니의 아키텍처는 2D 플랫포머 게임을 생성하는 데 국한된 해결책이 아니다. 이는 충분히 크고 일관된 비디오 데이터셋만 있다면 어떤 도메인이든 상호작용 가능한 경험으로 변환할 수 있는, 일반화되고 확장 가능한 '레시피'이다. 제니 초기 모델이 2D 게임 영상으로 훈련되어 이미지나 스케치로 프롬프트되었던 것에서 1, 제니 3가 3D 세계를 텍스트 프롬프트로부터 생성하고 직관적인 물리 법칙에 대한 깊은 이해를 보여주는 것으로 발전한 과정은 9 이러한 레시피의 진화를 명확히 보여준다. 이 비약적인 발전은 기존 아키텍처를 폐기하고 새로 만든 것이 아니라, 학습 데이터를 3D 비디오(게임, 실제 영상 등)로 대폭 확장하고, 초기 텍스트 프롬프트를 해석하여 동역학 모델을 안내하는 언어 모델 구성 요소를 통합하는 방식으로 기존 레시피를 확장하고 조정한 결과일 가능성이 높다. 이는 제니의 핵심 방법론, 즉 비디오로부터 잠재적 행동 공간을 비지도 방식으로 학습하는 것이 매우 견고하며 다양한 도메인에 적용될 수 있음을 시사한다. 장기적으로 이는 제니 아키텍처를 하나의 '플랫폼 기술'로 만든다. 외과 수술, 비행 시뮬레이션, 건축 시뮬레이션 등 충분한 비디오 데이터가 존재하는 모든 분야가 이 모델의 특화된 버전을 통해 상호작용 가능한 훈련 환경으로 탈바꿈할 수 있는 잠재력을 지니고 있다. 이는 단순히 게임 산업을 넘어선 훨씬 더 중요하고 광범위한 전략적 함의를 내포한다.

 

섹션 2: 제니 3: 실시간 인터랙티브 시뮬레이션의 양자 도약

 

구글 딥마인드가 공개한 제니 3는 월드 모델의 역사에서 하나의 분기점으로 기록될 만한 중대한 진전을 이루었다. 이는 단순히 이전 모델의 성능을 개선한 것을 넘어, 여러 핵심 지표들이 동시에 임계점을 돌파하며 질적으로 완전히 다른 차원의 경험을 제공하기 시작했음을 의미한다. 본 섹션에서는 제니 3가 이룩한 기술적 성취들을 심층적으로 분석하고, 이러한 발전이 실용적인 관점에서 어떤 의미를 가지는지, 그리고 왜 이 기술이 새로운 창작 매체의 탄생을 예고하는지를 탐구한다.

 

2.1 핵심 지표의 융합: 실시간, 고화질, 그리고 지속성

 

제니 3는 이전의 생성 모델에서는 단일 시스템으로 구현하기 어려웠던 세 가지 핵심 성능 지표의 삼중주를 성공적으로 달성했다.

• 실시간 프레임률: 제니 3는 초당 20-24 프레임(FPS)의 속도로 세계를 생성한다.9 이는 초기 제니 모델이 약 1 FPS로 작동했던 것과 비교하면 4 경이적인 발전이며, 사용자가 비디오 게임처럼 부드럽고 끊김 없는 실시간 상호작용을 경험할 수 있게 해주는 결정적인 요소다.
• 고해상도 출력: 제니 2의 360p 해상도에서 720p로 두 배 향상된 해상도를 제공한다.12 이로 인해 생성된 세계는 훨씬 더 선명하고 세밀한 시각적 디테일을 갖게 되어 몰입감을 크게 높인다.
• 확장된 시간적 일관성 및 메모리: 시뮬레이션은 '몇 분' 동안 일관성을 유지하며, 이는 이전 버전의 10-20초 제한을 극적으로 뛰어넘는 것이다.12 더 나아가, 사용자가 다른 곳을 보다가 돌아와도 벽에 칠한 페인트 자국 등이 그대로 남아있는 '창발적 시각 메모리(emergent visual memory)' 기능을 갖추고 있다. 이 메모리는 최대 1분 전의 상태까지 보존한다.11

이 세 가지 지표의 융합은 제니 3를 '경이롭다(mind-melting)'고 표현하게 만드는 이유다.10 개별적인 성능 향상도 인상적이지만, 이들이 함께 결합될 때 기술은 심리적, 실용적 임계점을 넘어선다. 느리고 흐릿한 기술 데모에서 벗어나, 초기 형태의 살아있는 인터랙티브 현실처럼 느껴지기 시작하는 것이다.

---

표 1: 제니 2 대 제니 3 - 비교 기술 분석

메트릭	제니 2	제니 3	개선 정도
해상도	360p 13	720p 12	2배 향상
프레임률	약 1 FPS (추정) 4	24 FPS 9	>20배 향상
상호작용 지속 시간	10–20초 (이론상 최대 60초) 12	"몇 분" 12	>10배 향상
메모리/일관성	낮음/불안정 (일관성 유지에 어려움) 13	높음 (약 1분간의 시각적 메모리) 11	질적 향상
입력 방식	이미지/스케치 프롬프트 1	텍스트 프롬프트 9	유연성 및 접근성 증대
핵심 기능	생성형 인터랙티브 환경	프롬프트 가능한 월드 이벤트 13	동적 제어 능력 추가

---

2.2 프롬프트 가능한 월드 이벤트: 동적 서사 제어의 서막

 

딥마인드 연구진들은 '프롬프트 가능한 월드 이벤트(promptable world events)'를 제니 3의 '킬러 기능(killer feature)'으로 꼽는다.13 이는 사용자가 새로운 텍스트 프롬프트를 입력하여 진행 중인 시뮬레이션의 상태를 실시간으로 변경할 수 있는 능력이다. 예를 들어, 스키를 타는 장면에 사슴 떼를 추가하거나, 날씨를 바꾸거나, 갑자기 제트스키를 소환하는 것이 가능하다.11

이 기능의 작동 방식은 언어 모델과 동역학 모델의 정교한 통합을 시사한다. 시스템은 단순히 초기 프롬프트로부터 세계를 한 번 생성하고 끝나는 것이 아니라, 지속적으로 새로운 언어적 지시를 수신하고 해석하여 전체 시뮬레이션을 재로딩 없이 동적으로 수정한다.12

이러한 능력은 사용자의 역할을 단순한 '탐색자'에서 경험의 '공동 창작자' 또는 '감독'으로 격상시킨다. 이는 실시간으로 적응하고 변화하는 AI 주도적 스토리텔링과 게임플레이의 문을 여는 것으로, 전통적인 절차적 콘텐츠 생성(procedural content generation)의 개념을 훨씬 뛰어넘는 것이다.

 

2.3 창발적 물리 및 상호작용

 

제니 3의 가장 매혹적인 측면 중 하나는 물리 법칙과 객체 상호작용에 대한 이해가 명시적으로 프로그래밍된 것이 아니라, 훈련 과정에서 '창발적(emergent)'으로 나타난 속성이라는 점이다.17 모델은 수많은 비디오를 관찰함으로써 물이 어떻게 튀는지, 빛이 어떻게 반사되는지, 타이어가 바위 위에서 어떤 소리를 내며 굴러가는지와 같은 직관적인 물리 현상을 학습한다.9

예를 들어, 캐릭터의 부츠가 땅의 물웅덩이를 밟고 지나갈 때 물이 튀는 모습을 보여주는 데모는 이러한 창발적 능력의 대표적인 사례다.17 이 복잡한 물리적 상호작용은 개발자가 수작업으로 코딩한 것이 아니라, 모델이 데이터를 통해 스스로 터득한 것이다. 이는 제니 3가 단순한 이미지 생성기를 넘어, 세계의 작동 방식에 대한 내재적인 모델을 구축하고 있음을 보여준다.

이러한 기술적 진보들을 종합해 볼 때, 제니 3는 단순히 더 나은 비디오 생성기(소라 등)나 더 나은 게임 엔진(언리얼 등)이 아님을 알 수 있다. 실시간 생성, 지속성, 그리고 동적 프롬프트 가능성을 결합함으로써, 제니 3는 완전히 새로운 창작 매체, 즉 **'생성형 인터랙티브 현실(Generative Interactive Reality, GIR)'**의 원형을 제시한다. 이 새로운 매체의 등장은 다음과 같은 논리적 흐름을 통해 이해할 수 있다. 첫째, 소라(Sora)나 비오(Veo)와 같은 비디오 생성 모델은 상호작용이 불가능한 선형적인 결과물을 생산한다. 반면, 언리얼(Unreal)이나 유니티(Unity) 같은 게임 엔진은 사전에 제작된 에셋과 코딩된 로직을 사용하여 상호작용 가능한 경험을 만든다. 둘째, 제니 3는 비디오 모델의 생성 능력과 게임 엔진의 상호작용성을 융합한다. 그러나 결정적인 차이점은 제니 3의 에셋, 물리 법칙, 로직이 사전에 정의된 것이 아니라, 학습된 세계 모델로부터 실시간으로 생성되고 시뮬레이션된다는 점이다. 셋째, 이 새로운 GIR 매체는 다음과 같은 특징을 가진다. (1) 무한한 가변성: 언어만으로 세계를 즉시 창조하고 변경할 수 있다.11 (2)

창발적 복잡성: 세계의 규칙과 행동이 명시적으로 코딩되지 않고 모델의 이해로부터 창발적으로 나타난다.17 (3)

감독으로서의 사용자: 사용자의 역할이 플레이어에서 플레이어, 창작자, 감독의 하이브리드 형태로 변화한다.16 이러한 분석이 시사하는 전략적 함의는 매우 크다. 이 새로운 매체는 완전히 새로운 디자인 철학과 비즈니스 모델을 요구할 것이다. 이는 게임 개발자를 대체하는 문제가 아니라, '월드스미스(worldsmiths)'나 '경험 감독(experience directors)'이라는 새로운 직업군을 창출하는 문제에 가깝다. 미래의 경제적 가치는 에셋 제작에서 동적인 AI 주도 경험의 큐레이션과 연출로 이동할 것이다. 단순히 'AI로 게임을 만드는' 수준으로 생각하는 기업은, 근본적으로 새로운 매체에서 작업하고 있음을 이해하는 기업에게 전략적으로 뒤처질 수밖에 없다.

 

섹션 3: 환상의 해부: 제니 3의 현재 한계에 대한 평가

 

신뢰할 수 있는 전략적 분석은 기술의 강점뿐만 아니라 약점 또한 냉정하게 평가해야 한다. 제니 3가 제시하는 미래는 경이롭지만, 현재 기술은 실용적인 애플리케이션으로 널리 사용되기까지 해결해야 할 명백하고 중대한 한계들을 안고 있다. 본 섹션에서는 제니 3의 현재 기술적 제약들을 체계적으로 분석하여, 과도한 기대를 경계하고, 핵심 연구 과제를 식별하며, 실용화까지의 현실적인 로드맵을 제시하고자 한다.

 

3.1 필연적인 붕괴: 유한한 세션 안정성

 

제니 3의 가장 근본적인 한계 중 하나는 시뮬레이션의 지속성 문제다. '몇 분' 동안 일관성을 유지할 수 있다는 것은 이전 모델에 비해 괄목할 만한 발전이지만, 장시간의 상호작용에서는 시뮬레이션의 품질이 필연적으로 저하된다.11 시간이 지남에 따라 모델은 이전 모델처럼 '환각(hallucination)'을 일으키거나 비정상적인 결과물(artifact)을 생성하기 시작한다.13 게임이나 장시간의 훈련 시나리오와 같은 분야에서 진정한 유용성을 갖추기 위해서는 시뮬레이션이 몇 분이 아닌 몇 시간 동안 안정적으로 유지될 필요가 있다.13

이 문제의 기술적 근원은 자기회귀 모델의 본질적인 특성에 있을 가능성이 높다. 각 프레임은 이전 프레임들을 기반으로 예측되는데, 이 과정에서 발생하는 아주 작은 예측 오류들이 시간이 지남에 따라 눈덩이처럼 불어나 결국 전체적인 일관성의 붕괴로 이어진다. 제니 2의 16프레임 메모리 제한보다 4 확장되었을지라도, 모델이 한 번에 고려할 수 있는 메모리 컨텍스트의 유한성은 이 문제를 해결하는 데 있어 근본적인 병목으로 작용한다.

 

3.2 에이전트의 고독: 다중 에이전트 동역학의 난제

 

제니 3는 독립적이고 자율적인 여러 캐릭터나 에이전트 간의 복잡한 상호작용을 처리하는 데 어려움을 겪는다.11 공개된 데모들은 주로 사용자가 제어하는 단일 에이전트가 환경이나, 프롬프트로 주입된 비자율적 요소(사슴 떼 등)와 상호작용하는 모습을 보여준다.

이는 수많은 잠재적 응용 분야에 있어 중대한 걸림돌이다. 대부분의 비디오 게임, 현실적인 시뮬레이션, 그리고 훈련 시나리오(예: 분주한 물류창고)는 다수의 독립적인 에이전트들이 상호작용하는 환경을 전제로 한다. 현재 제니 3는 복잡한 사회적 역학이나 조직적인 그룹 행동을 시뮬레이션할 능력이 부족하다.20 예를 들어, 두 명의 AI 캐릭터가 서로 대화를 나누거나, 여러 유닛이 협력하여 전투를 벌이는 등의 시나리오는 아직 구현 불가능한 영역이다.

 

3.3 특수성의 언캐니 밸리: 부정확성과 제어의 부재

 

제니 3는 정확성과 제어 측면에서 몇 가지 뚜렷한 약점을 보인다.

• 지리적 부정확성: 실제 장소를 완벽한 정확도로 복제할 수 없다.11 제니 3는 특정 장소의 '그럴듯한 아이디어'를 생성할 뿐, 디지털 트윈(digital twin) 수준의 정밀함을 제공하지는 못한다.
• 미흡한 텍스트 렌더링: 다른 많은 이미지/비디오 생성 모델과 마찬가지로, 프롬프트에 명시적으로 포함되지 않는 한 명확하고 읽기 쉬운 텍스트를 렌더링하는 데 어려움을 겪는다.11 이는 사용자 인터페이스(UI)나 정보가 풍부한 환경을 만드는 데 있어 상당한 제약이다.
• 제한된 행동 공간: 모델이 지원하는 상호작용의 범위는 여전히 좁다.17 여러 단계로 구성된 복잡한 퀘스트를 수행하거나, 정교한 객체 조작을 하는 등의 행동은 아직 지원하지 않는다. 예를 들어, 문을 여는 것과 같은 단순한 상호작용은 가능하지만, 열쇠를 찾아 자물쇠를 푸는 것과 같은 다단계 논리적 작업은 현재 능력 밖의 일이다.

이러한 한계들을 종합해 볼 때, 제니 3의 핵심 강점인 '생성적' 특성이 동시에 주요 약점의 원천이 되고 있음을 알 수 있다. 이는 생성 모델의 무한한 창의성과 전통적인 게임 엔진의 정밀하고 결정론적인 제어 사이의 근본적인 트레이드오프(trade-off) 관계를 드러낸다. 이 딜레마를 극복하는 것이 이 기술의 미래를 결정할 핵심 과제이다. 이 관계를 좀 더 깊이 살펴보면, 첫째, 제니 3는 간단한 프롬프트만으로 거의 무한한 종류의 세계를 창조할 수 있으며, 그 물리 법칙과 행동은 수작업 코딩 없이 창발적으로 나타난다.17 이것이 바로 제니의 '생성적' 힘이다. 둘째, 그러나 제니 3는 정밀성이 부족하다. 특정 실제 장소의 배치를 보장할 수 없으며, 텍스트와 같은 결정론적 요소를 다루는 데 어려움을 겪고, 다중 에이전트 AI나 퀘스트 라인과 같은 사전 정의된 복잡한 로직을 처리할 수 없다.13 이것이 '엔진과 같은' 제어 능력의 부재다. 셋째, 언리얼 엔진과 같은 전통적인 게임 엔진은 정반대의 특성을 가진다. 내재된 창의성은 없지만 절대적인 제어와 결정론을 제공한다. 개발자는 모든 픽셀을 배치하고 모든 상호작용을 완벽한 정밀도로 코딩할 수 있다. 넷째, 이러한 분석을 통해 제니 3의 현재 한계는 단순히 수정해야 할 버그가 아니라, 이 근본적인 트레이드오프의 증상임을 알 수 있다. 월드 모델이 진정한 게임 엔진의 대체재가 되려면, 생성적 유연성을 희생하지 않으면서도 높은 수준의 결정론적 제어를 통합할 수 있는 방법을 찾아야 한다. 따라서 이 기술의 가장 현실적인 단기적 미래는 하이브리드 시스템에 있을 가능성이 높다. 제니와 같은 생성 모델이 세계의 전반적인 환경, 텍스처, 주변 생명체 등을 '그려내면', 개발자들은 이를 전통적인 엔진으로 가져와 정밀한 로직, 퀘스트, 핵심 게임플레이 메커니즘을 덧입히는 방식이 될 것이다.15 성공적인 전략은 '제니 대 언리얼'이 아니라 '제니

그리고 언리얼'이 될 것이다.

 

섹션 4: 파급 효과: 부문별 영향 분석

 

제니 3와 그것이 대표하는 월드 모델 패러다임은 특정 산업 분야에 지각 변동을 일으킬 잠재력을 가지고 있다. 이 기술은 단순히 기존의 작업 방식을 개선하는 것을 넘어, 산업의 경제 구조와 창작의 본질 자체를 재정의할 수 있다. 본 섹션에서는 가장 큰 영향을 받을 것으로 예상되는 세 가지 핵심 영역인 게임, 가상/증강현실(VR/AR), 그리고 로보틱스 분야에 제니 3가 미칠 기회와 도전을 심층적으로 분석한다.

 

4.1 디지털 놀이터의 재창조: 게임의 미래

 

전통적인 AAA급 게임 개발 산업은 심각한 비용 위기에 직면해 있다. 개발 예산은 천문학적으로 증가하고 있으며, 이는 대형 스튜디오를 제외한 대부분의 개발사에게 재정적으로 지속 불가능한 모델이 되고 있다.21 록스타 게임즈의 '레드 데드 리뎀션 2'와 같은 대작은 그 엄청난 완성도에도 불구하고, 대부분의 개발사에게는 "경제적으로 비합리적인" 프로젝트로 여겨진다.21

월드 모델은 이러한 문제에 대한 패러다임 전환을 제시한다. 수많은 아티스트들이 몇 년에 걸쳐 정적인 에셋을 제작하는 대신, 소규모 팀이나 심지어 개인 개발자가 컴퓨팅 시간 비용만으로 무한한 환경을 생성할 수 있게 된다.21 이는 콘텐츠 확장성의 핵심적인 경제 문제를 해결한다.

더 나아가 이 기술은 3D 세계 창작의 민주화를 이끌 잠재력을 가지고 있다. 과거 데스크톱 출판이 그래픽 디자인을, 디지털 오디오 워크스테이션이 음악 제작을 대중화했듯이, 제니 3와 같은 도구는 소규모 인디 개발자나 개인 창작자에게 강력한 세계 창조 능력을 부여할 수 있다.21 이는 창의성의 종말이 아니라, 더 많은 사람이 창의성을 발현할 수 있는 기회의 확대를 의미한다.

게임플레이 측면에서도 새로운 패러다임이 열릴 수 있다. 고정된, 작가가 설계한 퀘스트 중심의 게임에서 벗어나, '프롬프트 가능한 월드 이벤트'를 통해 끊임없이 새로운 경험을 제공하는 동적인 AI 주도 서사로 초점이 이동할 수 있다.15 플레이어의 행동이나 요청에 따라 실시간으로 세계가 변화하고 새로운 사건이 발생하는 게임은 전례 없는 수준의 상호작용성과 반복 플레이 가치를 제공할 것이다.

 

4.2 홀로덱 가설: 사진처럼 사실적인 VR/AR로 가는 길

 

현재 주류 VR 그래픽은 평면 스크린 게임에 비해 현저히 뒤처져 있으며, 전통적인 GPU 성능 향상만으로는 사진처럼 사실적인 수준에 도달하기까지 수십 년이 걸릴 수 있는 어려운 과제다.17

제니 3와 같은 인터랙티브 비디오 모델은 사진처럼 사실적인 VR을 향한 근본적으로 다른 경로를 제시한다. 폴리곤을 렌더링하는 대신, 헤드셋이 직접 시각적 스트림을 생성하는 생성 모델을 실행하는 방식이다.17 이는 '스타트렉'의 홀로덱과 같은 궁극적인 가상현실 경험을 실현할 수 있는 가장 유망한 길 중 하나로 여겨진다.

그러나 VR 통합을 위해서는 넘어야 할 거대한 기술적 장벽이 존재한다.17

• 해상도 및 프레임률: 제니 3의 720p/24fps는 현대 VR의 표준인 눈당 2K 이상/90Hz에 크게 미치지 못한다.
• 입체 영상 출력: 모델은 양쪽 눈에 대해 약간의 시차를 둔 별도의 이미지를 생성해야 한다.
• 입력 방식: 마우스와 키보드가 아닌, 6자유도(6DoF) 헤드 및 컨트롤러 추적을 통합해야 한다.
• 지연 시간(Latency): 제니 3의 50ms 지연 시간은 평면 스크린에서는 수용 가능한 수준의 가장자리에 있지만, 사용자의 움직임과 화면 반응 사이의 지연에 매우 민감한 VR에서는 멀미를 유발할 수 있는 심각한 문제다.

이러한 문제들을 해결하기 위해서는 모델 아키텍처의 상당한 변경과 함께 훨씬 더 방대한 훈련 데이터가 필요할 것이다.

 

4.3 현실 시뮬레이션: 로보틱스와 체화된 AI의 가속화

 

게임과 엔터테인먼트에 대한 대중의 뜨거운 관심에도 불구하고, 딥마인드는 제니 3를 AI 에이전트 훈련 및 평가를 위한 도구로 명확히 포지셔닝하고 있다.13 이것이 그들의 전략적 북극성이다.

월드 모델은 거의 무한한 종류의 풍부하고 다양한, 그리고 안전한 시뮬레이션 환경 커리큘럼을 제공한다.9 AI 에이전트는 현실 세계에서는 너무 위험하거나 드물어서 훈련하기 어려운 '만약의 시나리오'(예: 자율주행차 앞으로 보행자가 갑자기 뛰어드는 상황)를 가상 환경에서 안전하게 학습할 수 있다.13

궁극적인 목표는 이렇게 가상 세계에서 훈련된 에이전트(로봇이나 자율주행차 등)가 학습한 정책을 물리적 세계로 성공적으로 이전(transfer)하는 것이다.16 물류창고나 화성 탐사 로버가 마주할 화산 지형과 같은 현실적인 환경을 생성하는 능력은 이 비전을 실현하는 데 핵심적인 역할을 한다.9

---

표 2: 제니와 유사한 월드 모델의 부문별 영향 매트릭스

부문	주요 기회	주요 장애물/한계	실용화 예상 시점
게임	- 콘텐츠 제작 비용의 급격한 절감 21	- 개발의 민주화 21	- 동적 AI 주도 서사 17	- 정밀한 제어의 부재 - 다중 에이전트 상호작용 한계 - 세션 안정성 문제 11	단기 (1-2년): 에셋 생성 보조 중기 (3-5년): 동적 환경 생성 장기 (5+년): 완전 생성형 게임
VR/AR	- 사진처럼 사실적인 그래픽으로 가는 새로운 경로 17	- '홀로덱' 경험의 실현 가능성	- 해상도, FPS, 지연 시간 등 기술적 격차 - 6DoF 추적 및 입체 영상 출력 필요 17	단기: 해당 없음 중기: 기술 데모 및 연구 장기: 초기 형태의 인터랙티브 VR 경험
로보틱스/AI 훈련	- 거의 무한하고 안전한 훈련 환경 제공 1	- 위험하거나 드문 시나리오 시뮬레이션 13	- 물리 세계로의 정책 이전 가속화	- 현실 세계와의 완벽한 일치(fidelity) 문제 - 복잡한 물리적 상호작용 모델링의 어려움	단기: 특정 작업 시뮬레이션 중기: 더 복잡한 환경에서의 에이전트 훈련 장기: 주요 로봇 훈련 플랫폼
교육/시뮬레이션	- 역사적 장소나 과학적 현상의 상호작용적 재현 11	- 맞춤형 학습 시나리오 생성 - 재난 대비 등 위험 상황 훈련 16	- 지리적/역사적 정확도 문제 - 명확한 텍스트 및 UI 렌더링의 어려움 11	단기: 개념 증명 및 프로토타입 중기: 특정 교육 모듈 장기: 몰입형 대화형 학습 플랫폼

---

이러한 부문별 분석을 통해 우리는 엔터테인먼트 산업과 범용 인공지능(AGI) 연구 사이에 강력한 공생 관계가 형성되고 있음을 발견할 수 있다. 한 영역에서의 발전이 다른 영역의 발전을 직접적으로 촉진하고 자금을 지원하며, 이는 다시 혁신의 선순환 구조를 만들어낸다. 이 관계를 좀 더 구체적으로 살펴보면, 첫째, 게임 및 VR 산업은 더 현실적이고, 역동적이며, 비용 효율적인 콘텐츠 제작 도구에 대한 끊임없는 상업적 수요를 가지고 있다.21 이는 거대한 시장의 견인력으로 작용한다. 둘째, 딥마인드와 같은 AGI 연구소는 범용 에이전트를 훈련시키기 위해 믿을 수 없을 정도로 강력하고 복잡한 월드 모델을 구축해야 하며, 이는 그들의 핵심 과학적 목표다.9 이는 강력한 연구의 추진력으로 작용한다. 셋째, 이 두 힘이 결합하여 다음과 같은 '플라이휠(flywheel)' 효과를 만들어낸다. (A) 게임/VR의 상업적 수요는 월드 모델의 충실도, 일관성, 성능을 향상시키기 위한 막대한 투자를 유도하여 엔지니어링 및 확장 문제를 해결한다. (B) 이렇게 상업적으로 자금을 지원받아 더욱 강력해진 월드 모델은 AGI 연구소에서 개발 중인 AI 에이전트를 위한 훨씬 우수한 훈련 플랫폼이 된다. (C) 이 진보된 시뮬레이션에서 개발된 더 유능한 에이전트들은 새로운 능력을 선보이고, 이는 다시 더 정교한 AI NPC나 동적 게임 로직으로 제품화되어 엔터테인먼트 산업에 환원된다. 이 분석이 시사하는 전략적 함의는 명확하다. AGI로 가는 길은 순수한 연구의 직선 도로가 아니라, 비디오 게임으로 포장된 구불구불한 길일 수 있다. 엔터테인먼트 수익을 활용하여 기초 AGI 연구에 자금을 지원하고, AGI의 돌파구를 사용하여 차세대 엔터테인먼트를 창조하는, 이 두 세계를 성공적으로 연결하는 기업은 타의 추종을 불허하는 전략적 우위를 점하게 될 것이다. 이것이 바로 구글이 그리는 장기적인 그림일 가능성이 높다.

섹션 5: 범용 인공지능(AGI)의 초석으로서의 월드 모델

 

제니 3의 즉각적인 응용 분야를 넘어, 구글 딥마인드가 궁극적으로 지향하는 전략적 목표는 범용 인공지능(Artificial General Intelligence, AGI)의 실현이다. AGI는 특정 작업에만 능숙한 현재의 AI를 넘어, 인간과 동등하거나 그 이상의 수준에서 광범위한 지적 과업을 수행할 수 있는 시스템을 의미한다. 딥마인드는 세계를 시뮬레이션하고 그 안에서 상호작용하는 능력이 진정으로 지능적인 범용 에이전트를 만드는 데 있어 근본적인 전제 조건이라고 주장한다. 본 섹션에서는 월드 모델이 왜 AGI 추구의 핵심적인 초석으로 간주되는지를 분석한다.

 

5.1 체화 가설

 

많은 AI 연구자와 인지 과학자들은 지능이 추상적인 정보 처리의 결과물이 아니라, 에이전트가 환경과 상호작용하는 과정에서 발생한다고 믿는다. '체화 가설(Embodiment Hypothesis)'로 알려진 이 개념은 AI가 세계의 인과 구조를 배우기 위해, 비록 가상일지라도, '몸'을 가지고 환경을 탐험하고 실험해야 한다고 주장한다.22

제니 3와 같은 월드 모델은 이러한 가상 체화(virtual embodiment)를 대규모로 제공한다. AI에게 제어 가능한 '몸'(에이전트)과 존재할 '세계'를 부여함으로써, 정적인 데이터를 분석하는 것을 넘어 경험으로부터 직접 학습할 수 있게 한다.22 에이전트는 자신의 행동이 어떤 결과를 낳는지 직접 보고 느끼며, 시행착오를 통해 세상의 작동 원리를 내재화한다. 이는 지능 발달에 있어 필수적인 과정이다.

 

5.2 무한한 학습 커리큘럼

 

범용 에이전트 훈련의 가장 큰 병목 중 하나는 다양하고 도전적인 환경 데이터의 부족이다.1 현실 세계에서의 데이터 수집은 비용이 많이 들고 위험하며, 기존의 비디오 게임 환경은 그 수가 유한하다.

제니는 이러한 한계를 극복할 수 있는 해결책을 제시한다. 제니는 "끝없는 새로운 생성 세계의 커리큘률럼"을 제공할 수 있다.1 이는 에이전트를 거의 무한한 종류의 과업, 물리 법칙, 시나리오에 노출시켜 더 높은 수준의 일반화 능력을 갖추도록 훈련시킬 수 있음을 의미한다.9 예를 들어, 중력이 다른 행성, 물의 점성이 다른 세계, 완전히 새로운 생태계 등을 즉시 생성하여 에이전트가 다양한 조건에 적응하는 능력을 기를 수 있다.

 

5.3 직관적 물리에서 상식으로

 

제니 3가 프로그래밍되지 않은 직관적 물리에 대한 '창발적' 이해를 보여준다는 사실은 AGI를 향한 진전의 핵심 지표다.9 이는 모델이 단순히 패턴을 모방하는 것을 넘어, 세계가 어떻게 작동하는지에 대한 진정한 내적 표상(internal representation)을 구축하고 있음을 시사한다.

장기적인 비전은 이러한 모델의 규모와 상호작용의 복잡성을 확장함으로써, 단순한 직관적 물리를 넘어 더 넓은 '상식(common sense)'을 개발하도록 하는 것이다. 상식은 인간 수준 지능의 핵심 구성 요소이지만, AI에게는 여전히 가장 어려운 과제 중 하나로 남아있다. 월드 모델은 에이전트가 수많은 구체적인 상호작용 경험을 통해 상식적 지식을 귀납적으로 학습할 수 있는 이상적인 환경을 제공한다.

이러한 맥락에서 제니 3와 같은 정교한 월드 모델의 개발은 AI의 가장 근본적인 문제 중 하나인 '심볼 그라운딩 문제(symbol grounding problem)'에 대한 직접적인 공략을 의미한다. 이 문제를 해결하는 것은 AI가 단순한 패턴 인식 기계를 넘어 진정한 의미를 이해하는 시스템으로 도약하기 위한 필수 과제이다. 이 과정은 다음과 같이 이해할 수 있다. 첫째, 대규모 언어 모델(LLM)은 텍스트를 기반으로 훈련된다. '바위'라는 단어에 대한 LLM의 이해는 다른 단어들과의 통계적 관계에 기반한다. LLM은 '바위'의 본질적인 속성(단단함, 무거움, 거침)에 대한 경험적 이해가 없다. 그 지식은 현실에 '접지(grounded)'되어 있지 않다. 둘째, 제니 3는 근본적으로 다른 방식으로 작동한다. "화산과 검은 바위가 있는 세계"라는 텍스트 프롬프트를 받으면 9, 모델은 그 바위의 시각적 표상을 생성해야 할 뿐만 아니라, 결정적으로 그 바위와 상호작용하는

결과(예: 타이어가 그 위를 굴러갈 때 나는 소리)까지 시뮬레이션해야 한다. 셋째, 이 과정은 추상적인 심볼('바위')과 구체적이고 상호작용적이며 결과가 따르는 감각-운동 경험(시각적 외형, 상호작용의 물리) 사이의 연결, 즉 '접지'를 강제한다. 에이전트는 '바위'가 단순한 단어가 아니라, 자신의 행동에 영향을 미치는 특정 속성을 가진 객체임을 학습한다. 넷째, 이는 순수한 LLM이 달성할 수 있는 것보다 훨씬 더 깊은 형태의 이해이다. 이는 언어를 조작하는 것을 넘어 언어가 지칭하는 바를 실제로 이해하는 모델을 구축하는 방향으로의 한 걸음이다. 이 분석이 시사하는 전략적 함의는 매우 중요하다. 만약 이 가설이 맞다면, 진정으로 유능하고 신뢰할 수 있는 AI의 미래는 LLM 단독의 확장에 있는 것이 아니라, 강력한 월드 모델과의 통합에 있다. 이는 언어에만 집중하는 기업들이 현실에 접지되지 않은 기반 위에 서 있는 반면, 구글/딥마인드처럼 통합된 월드 모델을 추구하는 기업들은 더 견고하고 궁극적으로 더 강력한 형태의 지능을 구축하고 있음을 시사한다. 이것은 지능의 본질 자체에 대한 장기적인 아키텍처적 베팅이다.

 

섹션 6: 미지의 영역 항해: 거버넌스, 윤리, 그리고 나아갈 길

 

이 강력한 기술의 등장은 엄청난 기회와 함께 중대한 책임과 도전을 수반한다. 미래 지향적인 전략은 기술적 잠재력뿐만 아니라 위험, 책임감 있는 개발, 그리고 장기적인 연구 방향을 반드시 고려해야 한다. 본 마지막 분석 섹션에서는 제니 3를 둘러싼 비기술적 차원, 즉 거버넌스, 윤리적 문제, 그리고 향후 연구 로드맵을 다룬다.

 

6.1 책임감 있는 출시: 폐쇄적인 정원 접근 방식

 

현재 제니 3는 일반 대중에게 공개되지 않았다. 접근은 연구 및 피드백을 위해 신중하게 선별된 소수의 신뢰할 수 있는 학계 및 창작자 그룹으로 제한되어 있다.11

이러한 통제된 출시는 더 넓은 범위로 배포하기 전에 잠재적 위험을 연구하고, 오용 가능성을 줄이며, 안전 조치를 개선하기 위한 의도적인 전략이다.11 딥마인드는 편향이나 유해한 응용 프로그램을 완화하기 위해 사용자 입력과 모델 성능을 적극적으로 모니터링하고 있다. 이는 프론티어 모델의 배포에 있어 더욱 신중한 접근을 취하는 최근의 산업 전반의 추세를 반영한다.24

 

6.2 무한한 현실의 윤리적 고려사항

 

현실적인 상호작용 시뮬레이션을 생성하는 능력은 중대한 윤리적 질문을 제기한다.

• 오용 가능성: 유해하거나 기만적인 콘텐츠(예: 폭력적인 시나리오, 가짜 뉴스 시뮬레이션)의 생성, 매우 중독성이 강하거나 심리적으로 조작적인 경험의 설계, 그리고 현실과 시뮬레이션 사이의 경계를 모호하게 만드는 데 따른 사회적 영향 등이 주요 우려 사항이다.
• 거버넌스의 도전: 즉석에서 무한한 콘텐츠를 생성할 수 있는 기술을 규제하는 것은 정책 입안자들에게 심오한 도전이다. 기존의 콘텐츠 중재 전략은 이러한 동적이고 개인화된 생성물에 효과적으로 대응하기 어려울 수 있다. 새로운 거버넌스 프레임워크와 기술적 안전장치에 대한 연구가 시급하다.

 

6.3 연구 로드맵: 제니의 다음 단계는?

 

공개된 정보들은 제니의 향후 버전을 위한 명확한 연구 로드맵을 시사한다.

• 오디오 통합: 몰입감을 향상시키기 위해 생성된 세계에 현실적이고 상호작용적인 사운드를 추가하는 것이 중요한 다음 단계다.
• 멀티플레이어 기능: 여러 사용자가 동일한 생성 공간에 접속하여 상호작용할 수 있도록 하는 기능은 게임 및 소셜 VR 애플리케이션의 핵심이 될 것이다.
• 대폭 확장된 지속 시간: 시뮬레이션 안정성을 현재의 몇 분에서 몇 시간, 심지어 며칠 단위로 늘리는 것은 장기적인 목표다.13 이는 복잡한 게임이나 장기 훈련 시나리오를 가능하게 할 것이다.
• 더 높은 충실도와 제어: 해상도, 프레임률을 지속적으로 개선하고, 상호작용의 정밀도를 높여 사용자가 더 미세하고 복잡한 작업을 수행할 수 있도록 하는 연구가 계속될 것이다.

 

결론 및 전략적 권고

 

본 분석을 통해 구글 딥마인드의 제니 3는 단순한 기술적 발전을 넘어, 새로운 상호작용 매체의 탄생을 알리는 신호탄임이 명확해졌다. 제니 3는 엔터테인먼트와 AGI 연구 간의 공생적 플라이휠 효과에 의해 구동되며, 확장 가능한 아키텍처 레시피에 기반하여 구축된 '생성형 인터랙티브 현실(GIR)'의 프로토타입이다. 이 기술은 AI의 근본적인 '심볼 그라운딩 문제'에 대한 잠재적 해결책을 제시하며, 이는 언어 모델 단독으로는 도달할 수 없는 더 깊은 수준의 이해로 나아가는 길을 열어준다.

그러나 이 혁신적인 잠재력은 '생성적 자유'와 '엔진의 제어' 사이의 근본적인 트레이드오프라는 중대한 기술적 과제와 함께 제공된다. 세션 안정성, 다중 에이전트 역학, 그리고 정밀성 부족과 같은 현재의 한계는 이 기술이 단독으로 기존 게임 엔진을 대체하기보다는, 당분간 하이브리드 모델의 형태로 발전할 것임을 시사한다.

이러한 분석을 바탕으로, 각 이해관계자 그룹에 다음과 같은 전략적 권고를 제시한다.

• 투자자 및 기술 전략가: 순수한 생성 모델이나 기존 엔진 중 하나에 베팅하기보다는, '생성 + 엔진'의 하이브리드 모델을 개발하거나 지원하는 기업에 주목해야 한다. 단기적으로는 제니와 같은 기술을 활용하여 콘텐츠 제작 파이프라인을 가속화하고 비용을 절감하는 분야에서 가치가 창출될 것이다. 장기적으로는 엔터테인먼트 수익을 통해 기초 AGI 연구를 지원하는, 선순환 구조를 구축하는 기업이 궁극적인 승자가 될 것이다.
• 개발자 및 창작자: 제니 3와 같은 도구는 개발자를 대체하는 것이 아니라, 새로운 유형의 창작자인 '월드스미스' 또는 '경험 감독'의 역할을 창출할 것이다. 코딩과 에셋 제작 기술의 중요성은 여전하겠지만, AI와 협력하여 동적이고 창발적인 경험을 설계하고 연출하는 능력이 미래의 핵심 경쟁력이 될 것이다. 지금부터 이 새로운 매체의 문법을 익히고 실험을 시작해야 한다.
• 연구자 및 학계: 제어 가능성, 다중 에이전트 상호작용, 그리고 장기적 일관성이라는 핵심적인 기술적 한계를 해결하는 데 연구 노력을 집중해야 한다. 또한, 생성된 세계의 안전성, 편향, 그리고 심리적 영향을 평가하고 완화하기 위한 기술적, 윤리적 프레임워크를 개발하는 것이 시급하다.
• 정책 입안자 및 규제 기관: 동적으로 생성되는 콘텐츠에 대한 새로운 거버넌스 모델을 구상하기 시작해야 한다. 기존의 정적 콘텐츠 규제 방식은 더 이상 유효하지 않을 수 있다. 투명성, 책임성, 그리고 사용자 제어권을 보장하는 원칙을 기반으로, 기술 개발자, 사회 과학자, 그리고 시민 사회와 협력하여 미래 지향적인 정책을 수립해야 한다.

제니 3는 우리를 미지의 영역으로 이끌고 있다. 이 기술이 열어줄 미래는 유토피아도 디스토피아도 아니며, 우리가 지금부터 어떻게 이 기술을 이해하고, 개발하고, 통제하는지에 따라 결정될 것이다. 신중한 낙관주의와 책임감 있는 혁신을 바탕으로 이 새로운 현실의 창세기를 맞이해야 할 때이다.

참고 자료

1. Genie: Generative Interactive Environments - Google Sites, 8월 7, 2025에 액세스, https://sites.google.com/view/genie-2024/home
2. Generative Interactive Environments - Genie - GitHub, 8월 7, 2025에 액세스, https://raw.githubusercontent.com/mlresearch/v235/main/assets/bruce24a/bruce24a.pdf
3. [2402.15391] Genie: Generative Interactive Environments - arXiv, 8월 7, 2025에 액세스, https://arxiv.org/abs/2402.15391
4. Genie: Generative Interactive Environments - arXiv, 8월 7, 2025에 액세스, https://arxiv.org/html/2402.15391v1
5. Genie: Generative Interactive Environments | Jake Bruce - YouTube, 8월 7, 2025에 액세스, https://www.youtube.com/watch?v=DSVsnCDTyfc
6. Genie: Generative Interactive Environments - Hugging Face, 8월 7, 2025에 액세스, https://huggingface.co/blog/vladbogo/genie-generative-interactive-environments
7. (PDF) Learning Generative Interactive Environments By Trained Agent Exploration, 8월 7, 2025에 액세스, https://www.researchgate.net/publication/383918408_Learning_Generative_Interactive_Environments_By_Trained_Agent_Exploration
8. [Literature Review] Genie: Generative Interactive Environments - Moonlight, 8월 7, 2025에 액세스, https://www.themoonlight.io/en/review/genie-generative-interactive-environments
9. Genie 3: A new frontier for world models - Google DeepMind, 8월 7, 2025에 액세스, https://deepmind.google/discover/blog/genie-3-a-new-frontier-for-world-models/
10. Google's Genie 3 Just REWROTE the Entire Video Game Industry... - YouTube, 8월 7, 2025에 액세스, https://www.youtube.com/watch?v=lVCte7WRJyo
11. Google DeepMind’s Genie 3: How AI instantly builds interactive 3D worlds from a single text prompt ideal for gaming and education, 8월 7, 2025에 액세스, https://timesofindia.indiatimes.com/technology/tech-news/google-deepminds-genie-3-how-ai-instantly-builds-interactive-3d-worlds-from-a-single-text-prompt-ideal-for-gaming-and-education/articleshow/123140080.cms
12. Google's Genie 3 drops you into a 3D world you can explore and play with as it happens, 8월 7, 2025에 액세스, https://www.androidcentral.com/apps-software/googles-genie-3-drops-you-into-a-3d-world-you-can-explore-and-play-with-as-it-happens
13. Google DeepMind's Genie 3 can dynamically alter the state of its ..., 8월 7, 2025에 액세스, https://www.engadget.com/ai/google-deepminds-genie-3-can-dynamically-alter-the-state-of-its-simulated-worlds-140052124.html
14. Google rolls out new version of AI model that can create video game worlds with real-time interaction and improved memory, 8월 7, 2025에 액세스, https://timesofindia.indiatimes.com/technology/tech-news/google-rolls-out-new-version-of-ai-model-that-can-create-video-game-worlds-with-real-time-interaction-and-improved-memory/articleshow/123143415.cms
15. DeepMind: Genie 3 is our groundbreaking world model that creates interactive, playable environments from a single text prompt - Reddit, 8월 7, 2025에 액세스, https://www.reddit.com/r/singularity/comments/1mia4sv/deepmind_genie_3_is_our_groundbreaking_world/
16. Genie 3: Creating dynamic worlds that you can navigate in real-time - YouTube, 8월 7, 2025에 액세스, https://www.youtube.com/watch?v=PDKhUknuQDg
17. Why Genie 3 Suggests AI 'World Models' Are The Path To ..., 8월 7, 2025에 액세스, https://www.uploadvr.com/google-genie-3-ai-world-models-the-path-to-photorealistic-vr/
18. Google's 'Genie 3' Interactive Generative Video Model Takes Us One Step Closer to the Holodeck - Road to VR, 8월 7, 2025에 액세스, https://www.roadtovr.com/google-genie-3-interactive-video-holodeck/
19. Google's Genie 3 Hints at a Future Where AI Builds the Video Games We Play | PCMag, 8월 7, 2025에 액세스, https://www.pcmag.com/news/googles-genie-3-hints-at-a-future-where-ai-builds-the-video-games-we-play
20. Genie 3: A new frontier for world models | Hacker News, 8월 7, 2025에 액세스, https://news.ycombinator.com/item?id=44798166
21. Google's Genie 3 Isn't the Future of Gaming - Winsome Marketing, 8월 7, 2025에 액세스, https://winsomemarketing.com/ai-in-marketing/googles-genie-3-isnt-the-future-of-gaming
22. Google says its new 'world model' could train AI robots in virtual ..., 8월 7, 2025에 액세스, https://www.theguardian.com/technology/2025/aug/05/google-step-artificial-general-intelligence-deepmind-agi
23. World Models - Department of Computer Science and Technology |, 8월 7, 2025에 액세스, https://www.cl.cam.ac.uk/~ey204/teaching/ACS/R244_2022_2023/papers/ha_arXiv_2018.pdf
24. The 2025 AI Index Report | Stanford HAI, 8월 7, 2025에 액세스, https://hai.stanford.edu/ai-index/2025-ai-index-report