Model Works

lastmod 2026-10-27created 2026-10-275 edits

도메인 월드 모델을 만듭니다.

Model Works 모델은 귀사의 시스템, 공정, 자산 또는 사례가 시간에 따라 어떻게 변하는지 기록된 이력으로부터 학습합니다. 변화하는 상태, 관련 조건, 조치가 있는 경우 그 조치, 그리고 관측된 결과를 활용해 다음에 무엇이 일어날지 예측하는 경량 예측 모델을 만듭니다. 유용한 예측 기간에 걸쳐 경로와 결과를 예측하고, 데이터가 뒷받침하는 경우에는 서로 다른 조치가 결과를 어떻게 바꾸는지 검증된 범위 안에서 탐색합니다.

John Wainwright (computer scientist)

• John Wainwright (computer scientist) - Wikipedia

Model Works 시연 사전 브리핑

웹에서 미리내테크놀로지스와 Model Works의 기술 문서, 논문, 벤치마크를 찾아봤지만 나오지 않았습니다. model-works.ai도 "domain world models"라는 한 줄 소개뿐이었습니다. 그래서 이번 시연이 사실상 처음 보는 기술 근거입니다.

계약 시 사전 점검

• 가중치는 우리 것이 되지만 실행 프로그램은 라이선스이고, 재학습할 도구(Workbench)는 넘겨받지 않습니다.
• 그래서 데이터 분포가 바뀌면 사후 관리 서비스(Model Care)에 기댈 가능성이 큽니다.
• 이 버전에서는 V장 "적용 방향 논의"(p.32~35, 파트너별 내용)가 빠져 있습니다.

배경 지식: 무엇을 기대하고 들어가야 하나

월드 모델의 두 갈래

• 파운데이션 월드 모델: Google DeepMind Genie 3, NVIDIA Cosmos, Meta V-JEPA 2 같은 영상·물리 세계 생성 및 예측 모델입니다. 거대하고 범용입니다.
• 도메인 월드 모델: 미리내가 내세우는 쪽입니다. 고객의 정형 시계열 데이터와 수천만 파라미터 이하라는 조건을 보면, 영상을 생성하는 모델이 아니라 행동을 조건으로 받아 상태 변화를 예측하는 시계열 모델(Dreamer 계열의 잠재 상태 모델에 가까운 것)일 것으로 추정됩니다.
  • 따라서 시연은 Genie 같은 화려한 영상보다 What-if 비교 곡선이 나오는 대시보드일 가능성이 높습니다.

판단 기준이 될 기술 쟁점 4가지

1. 반사실 예측과 교란(confounding): 이게 가장 중요합니다. 과거 데이터에는 실제로 택한 행동의 결과만 남아 있습니다. 예를 들어 상태가 나쁜 환자일수록 강한 치료를 받았다면, 모델은 "치료 효과"가 아니라 "그 치료를 받던 상황"을 학습할 수 있습니다. 덱의 부록(p.36)도 이 한계를 스스로 인정합니다.
2. 장기 예측 오차 누적: 한 단계 예측은 잘 맞아도, 여러 단계를 이어 굴리면(rollout) 오차가 쌓입니다.
3. 불확실성 표시: 데이터가 거의 없는 행동이나 조건에서도 예측값을 자신 있게 내놓는지 봐야 합니다.
4. 베이스라인: XGBoost나 기존 시뮬레이터 같은 단순한 방법보다 실제로 나은지 봐야 합니다. PoC 3단계 "성능 기준점 합의"가 바로 이 부분입니다.

미리 훑어볼 자료 (우선순위순)

1. Ha & Schmidhuber, World Models (2018), worldmodels.github.io: 개념을 잡는 데 30분이면 됩니다.
2. Janner et al., When to Trust Your Model: Model-Based Policy Optimization (MBPO, 2019): 쟁점 2(롤아웃 오차 누적)를 다룹니다.
3. Bica et al., Counterfactual Recurrent Network (ICLR 2020) 또는 Melnychuk et al., Causal Transformer (ICML 2022): 쟁점 1(교란)을 다룹니다. 덱의 의료 사례와 구조가 거의 같습니다.
4. Hafner et al., DreamerV3 (2023): 잠재 상태 월드 모델의 대표 사례입니다.

확인이 필요한 것

• 데이터가 실제 데이터인지, 공개 데이터인지, 합성 데이터인지
• 예측을 몇 단계 앞까지 보여주는지
• 신뢰구간이 표시되는지
• 비교 대상(베이스라인)이 있는지
• 라이브 시연인지 녹화인지
• LLM이 예측을 하는지, 설명만 하는지

질문

"방금 보여주신 행동별 결과 비교에서, 과거에 실제로 실행하지 않은 행동에 대한 예측이 맞다는 건 어떻게 검증하셨나요? 실제 결과와 맞춰본 사례가 있다면 기존 방식 대비 오차가 어느 정도였는지 듣고 싶습니다."

• 덱의 핵심 가치인 "행동 전에 결과를 비교한다"(p.7, 11, 13)가 성립하는지 바로 묻는 질문입니다.
• 덱 부록(p.36)이 스스로 내건 조건("과거 행동에 실질적인 차이", "인과관계를 데이터가 뒷받침하지 못하면 제외")에 맞춰 묻는 것이라 공격적으로 들리지 않습니다.
• 답변이 그대로 PoC 평가 설계(베이스라인 합의)로 이어집니다.

마지막 경고 신호처럼 답하더라도 초기 회사라 아주 이상한 일은 아닙니다. 그럴 때는 "그럼 PoC에서 그 검증을 어떻게 설계하시겠어요?"로 이어가면 실질적인 대화가 됩니다.

Documentations

Model Works Design Partner Deck

See also

• World Models

Favorite site

• Model Works — We build domain world models