진짜 터미널이 아닌데 터미널처럼 반응한다면
ls를 치면 파일 목록이 나오고 cat을 치면 파일 내용이 나오는 터미널, 너무 당연하죠. 그런데 그 뒤에 리눅스 커널도 파일 시스템도 없고, AI 모델이 ‘다음 화면은 아마 이렇게 생겼겠지’ 하고 상상해서 그려 주는 것뿐이라면 어떨까요?
WorldTUI가 바로 이 실험이에요. 한 개발자가 약 3억 6천만(360M) 파라미터짜리 작은 모델을 학습시켜서 터미널 흉내를 내게 만들었어요. 명령어를 입력하면 실제로 실행되는 게 아니라, 모델이 그 결과 화면을 생성해요.
이게 흥미로운 이유는 요즘 AI 업계에서 가장 뜨거운 키워드 중 하나인 월드 모델(world model)을 텍스트 인터페이스에 적용한 사례이기 때문이에요.
월드 모델이 뭐냐면
월드 모델은 쉽게 말해 “현재 상태 + 행동 → 다음 상태”를 예측하는 모델이에요. 게임으로 비유하면, 지금 화면과 내가 누른 키를 보고 다음 프레임이 어떻게 생겼을지 그려 내는 거예요. 실제 게임 엔진 없이요.
최근 몇 년 사이 이 분야에서 눈에 띄는 결과가 많이 나왔어요. 구글 연구진의 GameNGen은 둠(DOOM)을 신경망만으로 실시간 플레이할 수 있게 만들었고, Decart와 Etched가 만든 Oasis는 마인크래프트와 비슷한 세계를 생성했어요. 딥마인드의 Genie 시리즈는 이미지 한 장으로 조작 가능한 세계를 만들어 내기도 했고요.
WorldTUI는 이 아이디어를 픽셀 대신 터미널 화면으로 가져왔어요. 터미널은 상태(파일, 디렉터리, 환경 변수)와 행동(명령어 입력)이 분명해서 월드 모델을 실험하기에 의외로 좋은 무대예요.
360M이라는 크기가 포인트
요즘 LLM이 수천억 파라미터까지 커진 걸 생각하면 360M은 정말 작아요. 허깅페이스의 SmolLM2-360M 같은 소형 모델과 같은 급이고, 노트북 CPU에서도 돌릴 수 있는 크기예요.
2022년 말 ChatGPT가 처음 나왔을 때 “너는 리눅스 터미널이야”라는 프롬프트로 가상 머신을 흉내 내게 한 실험이 유명했어요. 그건 거대한 범용 모델에 프롬프트를 준 거였고, WorldTUI는 작은 모델을 이 목적에 맞게 직접 학습시켰다는 점이 달라요. 범용 지능을 빌려 쓰는 게 아니라 터미널이라는 좁은 세계를 모델 안에 넣으려는 시도인 거죠.
이런 모델이 부딪히는 근본적인 벽
한계도 분명해요. 이 프로젝트만의 문제가 아니라 월드 모델 전체가 안고 있는 숙제이기도 해요.
첫째는 일관성이에요. touch hello.txt로 파일을 만들고 몇 명령어 뒤에 ls를 쳤을 때 그 파일이 남아 있어야 하잖아요. 모델에는 진짜 파일 시스템이 없으니 이전 대화(컨텍스트)를 보고 기억해 내야 해요. 그런데 컨텍스트가 길어지면 슬슬 잊어버리거나 없던 파일을 지어내기 시작해요. 둠 월드 모델에서 뒤를 돌아봤다가 다시 보면 방 구조가 바뀌어 있는 현상과 같은 문제예요.
둘째는 실제 계산을 못 한다는 점이에요. python -c 'print(123456 * 789)' 같은 걸 치면 모델은 계산하지 않고 그럴듯한 숫자를 출력할 가능성이 커요. 겉모습은 완벽한데 내용은 틀릴 수 있는 거죠.
월드 모델이 장난감을 넘어 도구가 되려면 이 두 가지를 넘어서야 해요.
그럼 이걸 어디에 쓸 수 있을까
“가짜 터미널을 왜 만들어?” 싶을 수 있는데, 생각보다 쓸모가 있어요.
대표적인 게 보안 허니팟이에요. 허니팟은 공격자를 끌어들이려고 일부러 열어 둔 가짜 서버예요. 기존 허니팟은 정해진 명령어에만 반응해서 숙련된 공격자는 금방 눈치채요. LLM 기반 허니팟은 어떤 명령어에도 그럴듯하게 대응할 수 있어서 연구가 활발한데, 작은 모델로도 된다면 비용 부담이 크게 줄어요.
AI 에이전트 학습 환경도 있어요. 코딩 에이전트를 강화학습으로 훈련하려면 터미널 환경이 엄청나게 많이 필요한데, 매번 진짜 컨테이너를 띄우면 비싸거든요. 앞서 말한 정확성 문제 때문에 그대로 쓰기는 어렵지만, 연구자들은 이 방향을 진지하게 보고 있어요.
그 밖에 리눅스 입문자가 아무리 망가뜨려도 괜찮은 교육용 샌드박스 같은 아이디어도 떠올려 볼 수 있어요.
한국 개발자에게 주는 시사점
이 프로젝트에서 가장 배울 점은 “작은 모델 + 좁은 도메인 + 직접 학습”이라는 조합이에요. 모든 걸 거대 API에 맡기는 대신, 입출력이 분명한 문제라면 수억 파라미터 모델을 직접 파인튜닝해서 로컬에서 돌리는 게 충분히 가능해졌다는 거예요. GPU 한두 장이면 시도해 볼 수 있는 규모라서, 사이드 프로젝트로 월드 모델 감을 잡기에도 좋아요.
보안 쪽에 계신다면 LLM 허니팟 동향을, 에이전트를 개발하신다면 시뮬레이션 환경으로서의 월드 모델 연구를 눈여겨볼 만해요.
마무리
진짜 컴퓨터 없이 컴퓨터의 반응만 학습한 작은 모델이에요. 장난처럼 보이지만 월드 모델의 가능성과 한계를 가장 직관적으로 보여 주는 실험이에요.
이런 가짜 터미널이 있다면 어디에 써 보고 싶으세요? 언젠가 월드 모델이 진짜 컴퓨터를 대신하는 날이 올 거라고 보시나요, 아니면 끝까지 그럴듯한 흉내에 머물 거라고 보시나요?
🔗 출처: Hacker News