얀 르쿤의 메타 비판: LLM은 범용 인공지능(AGI)으로 가는 길이 아니다

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

현재의 LLM 방식으로는 진정한 지능에 도달할 수 없으며, 비디오와 물리적 데이터를 통해 세상을 이해하는 '세계 모델' 방식이 AGI의 해답이다. 메타 내부의 벤치마크 조작 의혹과 리더십 갈등이 르쿤의 퇴사와 새로운 스타트업 설립의 배경이 됐다.

배경

메타의 AI 연구를 10년 이상 이끌어온 얀 르쿤이 퇴사 후 금융 타임즈(Financial Times)와의 인터뷰를 통해 메타의 전략과 현재 AI 기술의 주류인 LLM에 대해 비판적인 견해를 밝혔다.

대상 독자

AI 연구자, 기술 전략가, 인공지능 산업 변화에 관심 있는 전문가

의미 / 영향

얀 르쿤의 퇴사와 비판은 현재 AI 업계가 LLM의 성능 향상에만 매몰되어 있다는 경고를 던진다. 향후 AI 경쟁의 핵심은 단순한 모델 크기 확장이 아니라, 물리적 세계를 이해하는 '세계 모델' 아키텍처의 선점 여부가 될 것으로 전망된다. 특히 메타와 같은 거대 기업 내에서도 연구 자율성과 제품 상용화 사이의 갈등이 심화되고 있어, 핵심 인재들의 스타트업 이동이 가속화될 가능성이 높다.

섹션별 상세

00:00

메타 퇴사와 내부 갈등의 서막

메타의 AI 부문을 이끌던 얀 르쿤이 회사를 떠나며 메타의 현재 방향성에 대해 강한 비판을 쏟아냈다. 그는 자신의 새로운 스타트업으로 자리를 옮기면서도 메타 팀에 대한 쓴소리를 아끼지 않았으며, 이는 마크 저커버그와의 관계에도 영향을 미친 것으로 보인다. 르쿤은 메타에서의 마지막 몇 달 동안 발생한 일들이 향후 회사의 AI 전략에 부정적인 결과를 초래할 것이라고 경고했다.

•얀 르쿤의 메타 퇴사와 비판적 입장 표명
•메타 내부의 리더십 변화에 대한 불만
•향후 메타 AI 전략에 대한 부정적 전망

01:10

Llama 4 벤치마크 조작 논란과 리더십 변화

얀 르쿤은 메타의 차세대 모델인 Llama 4의 벤치마크 수치가 조작되었다고 주장했다. 메타가 성능을 부풀리기 위해 각 테스트마다 서로 다른 모델 변형을 사용했다는 것이다. 이 사실을 알게 된 마크 저커버그는 관련 팀에 대한 신뢰를 잃고 조직을 개편했으며, Scale AI의 CEO 알렉산더 왕을 새로운 책임자로 영입했다. 르쿤은 젊고 경험이 부족한 인물이 연구 조직을 맡게 된 것에 대해 강한 거부감을 드러냈다.

•Llama 4 성능 지표의 신뢰성 문제 제기
•마크 저커버그의 조직 개편과 신규 리더십 영입
•연구 조직과 제품 조직 간의 갈등 심화

Scale AI는 데이터 라벨링 전문 기업으로, 메타는 이 회사의 지분을 인수하며 CEO인 알렉산더 왕을 내부 AI 유닛의 수장으로 앉혔다.

04:40

LLM의 한계: 왜 AGI로 갈 수 없는가

르쿤은 거대언어모델(LLM)이 초지능에 도달하는 데 있어 구조적인 '막다른 길'에 처해 있다고 진단했다. LLM은 텍스트 데이터에만 의존하기 때문에 환각 현상을 극복하기 어렵고, 비결정론적 추론이나 연속적인 멀티모달 데이터 처리에 취약하다는 지적이다. 그는 메타 내부에서 자신의 이러한 비판적인 목소리를 억누르려는 압력이 있었으나, 과학자로서의 양심을 지키기 위해 주장을 굽히지 않았다고 밝혔다.

•LLM의 구조적 결함과 환각 문제 지적
•텍스트 기반 학습의 한계와 초지능 도달 불가능성
•과학적 정직성을 지키기 위한 내부 압력 저항

05:58

새로운 도전: Advanced Machine Intelligence Labs와 V-JEPA

얀 르쿤은 새로운 스타트업에서 V-JEPA 아키텍처를 기반으로 한 '세계 모델' 구축에 집중하고 있다. 이 시스템은 단순한 텍스트 예측이 아니라 비디오와 공간 데이터를 통해 물리적 세상이 어떻게 작동하는지 학습하는 방식이다. 그는 이 접근법이 기존 LLM의 문제를 해결하고 진정한 지능을 구현할 수 있는 유일한 희망이라고 믿는다. 1년 내에 프로토타입 시스템을 선보일 계획이며, 프랑스 정부 등 외부의 강력한 지지를 받고 있다.

•비디오와 공간 데이터를 학습하는 V-JEPA 아키텍처
•물리적 법칙을 이해하는 '세계 모델' 지향
•1년 내 프로토타입 출시 계획과 외부 협력 강화

V-JEPA(Video Joint Embedding Predictive Architecture)는 비디오의 누락된 부분을 예측하며 세상의 구조를 배우는 자가 지도 학습 모델이다.

용어 해설

Hallucination: — AI 모델이 사실이 아닌 정보를 마치 사실인 것처럼 자신 있게 생성해내는 현상으로, LLM의 고질적인 문제로 지목된다.
Joint Embedding Predictive Architecture (JEPA): — 입력 데이터의 전체를 복원하는 대신 추상적인 표현 공간에서 누락된 정보를 예측하여 효율적으로 학습하는 아키텍처이다.

주목할 인용

“연구자에게 무엇을 하라고 지시해서는 안 된다. 특히 나 같은 연구자에게는 더더욱 그렇다.”
Yann LeCun·03:00
메타 내부에서 연구 방향에 대해 경영진과 갈등을 빚었을 때의 심경을 토로하며

“LLM은 초지능에 관한 한 기본적으로 막다른 길이다.”
Yann LeCun·04:50
현재의 텍스트 기반 모델이 가진 근본적인 기술적 한계를 지적하며

“어떤 사람이 내가 틀렸다고 생각한다고 해서 내 마음을 바꾸지는 않을 것이다. 나는 틀리지 않았고, 과학자로서의 내 정직성이 그것을 허용하지 않는다.”
Yann LeCun·05:10
메타 내부의 압력에도 불구하고 자신의 기술적 견해를 유지했음을 강조하며

실무 Takeaway

LLM은 텍스트 예측에는 뛰어나지만 물리적 세계의 인과 관계를 이해하는 데는 한계가 명확하다.
기업 내부의 성과 압박이 AI 모델의 벤치마크 수치 왜곡으로 이어질 수 있다는 위험성이 확인됐다.
차세대 AI는 텍스트를 넘어 비디오와 같은 고차원 데이터를 통해 세상을 시뮬레이션하는 방향으로 진화할 것이다.
연구 중심의 AI 개발과 제품 중심의 비즈니스 전략 사이의 균형이 조직의 성패를 결정짓는 핵심 요소이다.