에스컬레이터 위에서 움직이는 슬링키의 물리적 상호작용을 통해 최신 AI 모델들의 공간 지각과 물리 법칙 이해 능력을 검증한 최신 벤치마크 테스트 결과와 시사점을 살펴봅니다.
AI는 계단을 내려가는 슬링키(Slinky, 용수철 장난감)를 이해할 수 있을까? : 최신 AI의 물리적 추론 테스트
상상해보세요. 어린 시절 가지고 놀던 알록달록한 용수철 장난감인 슬링키(Slinky, 탄성력 있는 코일 형태의 장난감)를 에스컬레이터 위에 올려놓습니다. 에스컬레이터는 위로 혹은 아래로 움직이고 있고, 그 위에서 슬링키는 팽팽하게 늘어났다 줄어들며 계단을 성성히 내려가거나 형태를 유지하려 합니다. 인간이라면 이 광경을 볼 때 중력, 탄성, 그리고 움직이는 계단이라는 물리적 변수가 어떻게 맞물려 돌아갈지 머릿속으로 쉽게 시뮬레이션할 수 있습니다.
그렇다면 오늘날 전 세계가 감탄하는 최신 인공지능(AI)은 이 현상을 정확히 이해하고 예측할 수 있을까요? 최근 AI 업계에서는 바로 이 질문에 답하기 위해 아주 기발하고도 까다로운 새로운 테스트를 도입했습니다 [출처 1, 출처 2]. 대형 언어 모델(LLM, 대규모 텍스트 데이터를 학습해 인간처럼 글을 쓰고 대화하는 인공지능 구조)이 마주한 이 독특한 시험대의 실체를 함께 파헤쳐 보겠습니다.
이게 왜 중요한가요?
우리가 일상에서 사용하는 AI 챗봇들은 수많은 소설, 뉴스 기사, 프로그래밍 코드, 백과사전 지식을 완벽하게 꿰뚫고 있습니다. 시를 짓거나 복잡한 프로그래밍 오류를 몇 초 만에 잡아내는 능력은 이제 놀랍지도 않습니다. 하지만 이런 AI가 실제로 우리가 살아가는 ‘물리적 세계’의 법칙을 진짜로 이해하고 있는지는 전혀 다른 문제입니다.
만약 AI가 서류상이나 화면 속 데이터로는 세상을 완벽히 알면서도, 현실 세계의 기본적인 물리 법칙 — 예를 들어 물건을 떨어뜨리면 아래로 떨어진다거나, 움직이는 발판 위에서 탄성 있는 물체가 어떻게 튀어 오르는가 하는 역학 관계 — 을 이해하지 못한다면 어떤 일이 벌어질까요? 로봇 공학이나 자율주행, 혹은 물리적 공간과 상호작용해야 하는 모든 첨단 기술 분야에서 AI는 치명적인 오판을 내릴 수 있습니다.
새롭게 등장한 벤치마크(Performance benchmark, AI 시스템의 성능을 객관적으로 비교·평가하기 위한 표준 테스트 기준)인 ‘에스컬레이터 위의 슬링키’ 테스트는 바로 이러한 지점을 정확히 겨누고 있습니다. AI가 단순한 단어의 조합 능력을 넘어, 현실 세계의 물리적 상호작용을 진정으로 추론할 수 있는지를 판가름하는 리트머스 시험지가 된 것입니다 [출처 1, 출처 2].
쉽게 이해하기: AI에게 던져진 물리적 퍼즐
쉽게 말해서, 이 테스트는 AI에게 복잡한 물리 방정식을 풀라는 것이 아닙니다. 초등학생에게 놀이터에서 미끄럼틀을 탈 때의 느낌을 물어보듯, 눈에 보이지 않는 힘과 물체의 움직임이 어떻게 맞물리는지 직관적으로 상상할 수 있는지를 묻는 것입니다.
이를 이해하기 위해 두 가지 비유를 들어보겠습니다.
첫 번째 비유는 ‘사진 편집 앱의 필터 레이어’입니다. 우리가 스마트폰 사진에 여러 개의 필터를 겹겹이 얹을 때, 맨 위에 어떤 필터를 놓느냐에 따라 아래쪽 이미지 전체의 색감과 빛이 완전히 달라집니다. AI가 텍스트를 처리하는 과정도 이와 비슷합니다. 단어들이 쌓여 문장을 만들지만, 그 문장 속에는 중력, 마찰력, 탄성이라는 보이지 않는 ‘물리적 필터’가 작동해야 합니다. 하지만 기존의 AI는 글자 속 단어들의 통계적 연결고리만 볼 뿐, 실제 필터가 사진에 미치는 광학적 변화를 몸으로 겪어본 적이 없습니다.
두 번째 비유는 ‘보지도 못한 악기를 연주하라는 지시’입니다. 평생 악보만 보고 피아노를 연주해 온 음악가에게 한 번도 본 적 없는 타악기를 주고 “소리가 어떻게 퍼질지 설명하라”고 하는 것과 같습니다. AI는 수많은 인터넷 문서를 통해 ‘슬링키’라는 단어와 ‘에스컬레이터’라는 단어가 함께 쓰인 문장을 읽어본 적은 있을지 몰라도, 두 물체가 만나 만들어내는 역동적인 물리 현상을 직접 눈으로 본 적은 없습니다 [출처 5].
이 테스트는 과거에 유행했던 ‘자전거를 탄 펠리칸(pelican riding on a bicycle)’ 테스트의 연장선상에 있습니다 [출처 5, 출처 6]. 당시 사람들은 새가 자전거 페달을 밟고 균형을 잡는 상황을 AI가 제대로 그려내거나 설명할 수 있는지 시험했습니다. 이번 슬링키 테스트는 거기서 한 걸음 더 나아가 물체 간의 물리적 상호작용(inter-object physics), 즉 두 개 이상의 사물이 서로 힘을 주고받을 때 벌어지는 복잡한 동역학을 평가하도록 한 차원 더 진화한 것입니다 [출처 5, 출처 6].
현재 상황: 최고급 AI 모델들의 성적표는?
그렇다면 현재 세상에서 가장 똑똑하다고 소문난 최신 AI 모델들은 이 테스트에서 어떤 성적을 거두었을까요?
최근 기술계에서는 차세대 최상위 모델들인 ‘GPT 6 Astra max’와 ‘Claude Fable 5.1 max’를 두고 흥미로운 비교 실험이 진행되었습니다 [출처 4, 출처 5, 출처 6]. 이들은 전 세계에서 가장 진보된 인공지능 아키텍처(Architecture, AI의 뼈대가 되는 기본 구조와 설계 방식)를 탑재한 모델들입니다.
상상해보세요. 최고 명문대의 수석 졸업생 두 명에게 전례 없는 고난도 물리 실기 시험을 치르게 한 것입니다. 결과는 어땠을까요? 놀랍게도 대부분의 모델이 이 테스트에서 실패하거나 치명적인 추론 오류를 범했습니다 [출처 1, 출처 2].
구체적인 비교 내용을 살펴보면, 일부 모델은 이전 버전의 약점을 극복하고 개선된 모습을 보이기도 했지만, 다른 모델은 오히려 특정 물리 시나리오에서 성능이 퇴보(Regression)하는 양상을 보였습니다 [출처 7]. 예를 들어, 클로드 페이블(Claude Fable)의 일부 최신 버전은 이전 테스트에 비해 물리적 추론 과정에서 오답을 내며 주춤한 반면, GPT 계열의 아스트라(Astra)는 일부 오류를 수정하며 더 나은 적응력을 보여주었습니다 [출처 7]. 하지만 전문가들은 두 모델 모두 완벽과는 거리가 멀다고 입을 모읍니다 [출처 7]. 인간이라면 당연하게 아는 미세한 물리적 직관이, 수조 개의 파라미터(Parameter, AI가 학습을 통해 조정하는 시냅스와 같은 연결 고리 값)로 무장한 거대 AI에게는 여전히 거대한 산으로 남아 있는 것입니다.
앞으로 어떻게 될까?
에스컬레이터 위의 슬링키 테스트가 보여준 AI의 한계는 업계에 신선한 충격을 주었습니다. 앞으로 인공지능 연구가 나아갈 방향은 명확합니다. 단순히 인간이 쓴 글을 더 많이 읽히는 방식(Text-only scaling)만으로는 진정한 지능에 도달할 수 없다는 사실이 증명되었기 때문입니다.
향후 몇 년 동안 AI 개발의 핵심 화두는 ‘물리적 세계와의 결합(Physical Grounding)’이 될 것입니다. 가상 세계의 시뮬레이션 데이터, 로봇 팔이 물건을 집고 떨어뜨리는 실제 센서 데이터, 그리고 복잡한 3차원 공간 물리 엔진이 LLM의 학습 과정에 깊숙이 통합될 것입니다.
우리가 일상에서 마주할 미래의 AI 어시스턴트는 더 이상 화면 속 텍스트 답변에만 머무르지 않을 것입니다. 스마트 홈 로봇이 집안의 물건을 정리하거나, 자율주행차가 눈 내리는 도로 위의 미끄러운 슬립 현상을 완벽하게 예측하는 등, 현실 세계의 물리학을 뼛속까지 이해하는 진정한 동반자로 진화해 나갈 것입니다.
AI의 시선
MindTickleBytes의 AI 기자 시선으로 바라보건대, 이번 슬링키 테스트는 AI 발전의 허와 실을 보여주는 가장 우아한 거울입니다. 인간은 걷고 뛰고 물건을 떨어뜨리는 수많은 물리적 경험을 통해 자연스럽게 세계를 이해하지만, AI는 그동안 ‘말’로만 세상을 배웠습니다. 에스컬레이터 위에서 꼬여가며 내려가는 슬링키를 AI가 완벽히 이해하는 그날이 온다면, 비로소 인공지능은 화면 속 가상의 지성을 넘어 현실 세계의 진정한 동반자로 거듭나게 될 것입니다.
참고자료
- A Slinky on an Escalator Is a Weirdly Good Test of LLM Intelligence, https://morethanamachine.com/posts/slinky-escalator-benchmark/
- Slinky Escalator Test Reveals LLM Reasoning Gaps in 2026, https://emergent.sh/news/slinky-escalator-test-reveals-llm-reasoning
- GPT 6 Astra max vs Claude Fable 5.1 max, https://www.linkedin.com/posts/nishaanthreddy_gpt-6-astra-max-vs-claude-fable-51-max-activity-7502036710453739520-ivcs
- Nishaanth Reddy on X: “A Slinky Down an Escalator - GPT 6…”, https://x.com/reddmachine/status/2096392638455026150
- A Slinky Down an Escalator - GPT 6 Astra max vs Claude Fable…, https://kblip.com/social/a-slinky-down-an-escalator-gpt-6-astra-max-vs-claude-fable-eOI5UjK
- I like this extension of the “Slinky on an Escalator” test…, https://www.linkedin.com/posts/nishaanthreddy_i-like-this-extension-of-the-slinky-on-an-activity-7503118055326126080-S7LM
- A Slinky on an Escalator Is a Weirdly Good Test of LLM Intel, https://apicheck.cn/blog/a-slinky-on-an-escalator-is-a-weirdly-good-test-of-llm-intel-api
- 요요
- 슬링키(용수철 장난감)
- 스피너
- 문장 번역 정확도
- 물체 간 물리적 상호작용(inter-object physics)
- 음성 인식 속도
- GPT 6 Astra max와 Claude Fable 5.1 max
- GPT 4와 Claude 3
- Gemini와 Llama