얀 르쿤이 주도하여 개발한 V-JEPA(Video Joint Embedding Predictive Architecture)는 메타에서 공개한 새로운 AI 모델로, 인간의 학습 방식을 모방하여 비디오를 이해하고 예측하는 혁신적인 접근법을 취하고 있습니다.

V-JEPA의 주요 특징은 다음과 같습니다:

비생성 모델: V-JEPA는 기존의 생성 AI와 달리 새로운 콘텐츠를 생성하지 않습니다. 대신 비디오의 누락되거나 가려진 부분을 추상적인 표현 공간에서 예측합니다.

자기 지도 학습: 인간이 주석을 달거나 라벨링한 데이터 없이도 스스로 학습할 수 있습니다. 이는 아이들이 주변 환경을 관찰하며 자연스럽게 학습하는 방식과 유사합니다.

효율적인 학습: V-JEPA는 비디오의 모든 픽셀을 분석하지 않고, 큰 블록 단위로 나누어 의미론적 정보와 시간에 따른 변화를 학습합니다. 이로 인해 학습 효율이 1.5배에서 6배까지 향상됩니다.

객체 간 상호작용 이해: 이 모델은 비디오 속 객체들의 상호작용을 분석하고 예측할 수 있습니다. 예를 들어, 누군가가 펜을 집는지, 내려놓는지, 또는 내려놓는 척하는지 구별할 수 있습니다.

AGI로의 발전 가능성: 얀 르쿤은 V-JEPA가 기존 대형 언어 모델(LLM)의 한계를 넘어 인간처럼 추론하고 계획하는 인공일반지능(AGI)으로 가는 길을 열어줄 것이라고 주장합니다.

V-JEPA는 현재 약 10초 정도의 짧은 비디오에서 예측이 가능하며, 메타는 이를 통해 AI가 세상에 대한 기초적인 이해를 발전시키는 중요한 단계라고 평가하고 있습니다.

퍼플렉시티ai가 요약해쥼