사회가 다음에 어떻게 움직일지,
먼저 돌려 봅니다.
언어 모델은 다음 단어를, 월드 모델은 물리 세계의 다음 장면을 예측합니다. 소셜 월드 모델은 사람과 관계와 매체로 이뤄진 사회의 다음 상태를 예측합니다. 가상 한국 사회에 신제품·정책·루머 같은 사건을 넣고, 여론이 누구에게서 누구로 어떻게 번지는지 하루 단위로 지켜보세요.
세 번째 예측 모델: 사회
설문은 지금 이 순간의 생각을 묻습니다. 소셜 월드 모델은 그 생각이 관계를 타고 바뀌어 가는 시간을 다룹니다. 누가 먼저 알고, 누구 말을 듣고, 어디서 갈라지는지까지.
언어 모델
- 예측
- 다음 단어
- 입력
- 글
- 쓰임
- 글쓰기·요약·대화
월드 모델
- 예측
- 물리 세계의 다음 장면
- 입력
- 영상·센서·행동
- 쓰임
- 로봇·자율주행·피지컬 AI
소셜 월드 모델
- 예측
- 사회의 다음 상태(여론·행동)
- 입력
- 인구·관계망·매체·사건
- 쓰임
- 출시·정책·위기 대응 리허설
지금 한국을 담아 돌립니다
아래 데모의 사회는 이 숫자들로 만듭니다. 사람은 실제 한국인 페르소나에서, 경제 체감은 한국은행 지표에서, 화제는 이번 주 뉴스에서 가져옵니다.
데이터를 불러오는 중…경제 체감 한국은행 100대 통계지표
이번 주 화제 뉴스 제목에서 자주 나온 낱말
사람
연령
지역
많은 직업
한국인 페르소나 800명에 사건을 넣어 보세요
점 하나가 한 사람입니다. 점을 누르면 그 사람이 누구인지 보입니다. 지역별로 모여 있고, 선은 아는 사이입니다. 같은 사회를 두 번 돌려 개입이 없을 때와 개입했을 때를 나란히 비교합니다.
지금 이 세계
30일 흐름 실선 개입 있음 · 점선 개입 없음
연령대별 입장
같은 지역·비슷한 나이끼리만 아는 정도. 높을수록 소식이 섬처럼 갇힙니다.
광고·기사·방송이 닿는 세기. 1이 기본입니다.
메시지를 의심하는 정도. 높으면 덜 움직이고 반발도 늘어납니다.
사람과 관계망을 새로 뽑습니다. 결과가 얼마나 흔들리는지 보세요.
이 결과를 읽으면
이 데모는 브라우저에서 규칙으로 움직이는 축소판입니다. 사람(나이·성별·지역·직업)은 실제 페르소나 데이터에서 왔지만, 판단은 규칙으로 흉내 냅니다. 숫자는 시나리오를 비교하는 감각을 주려는 것이며 실제 여론의 예측치가 아닙니다. 실제 엔진에서는 언어 모델이 그 사람이 되어 판단합니다.
네 개의 층으로 사회를 짓습니다
한 층씩 쌓을수록 사회가 진짜에 가까워집니다. 데모는 네 층을 모두 단순하게 갖췄고, 실제 엔진은 각 층을 데이터와 언어 모델로 채웁니다.
인구
나이·성별·지역·직업·생활 방식을 가진 사람들. 통계와 맞춘 한국인 페르소나로 채웁니다.
데모 NVIDIA Nemotron-Personas-Korea(CC BY 4.0)에서 뽑은 800명
관계망
가족·동료·이웃·온라인 친구. 비슷한 사람끼리 이어지고, 소수의 허브가 넓게 닿습니다.
데모 지역·나이 동질성 + 허브 3%
매체
SNS·방송·기사가 누구에게 얼마나 닿는지. 젊은 층은 SNS, 높은 연령층은 방송에 더 노출됩니다.
데모 채널별 노출 확률 · 경제 지표로 첫 성향 보정
판단
소식을 들은 사람이 자기 성향과 이웃의 말을 따져 마음을 정하고, 다시 이웃에게 말합니다.
엔진 각 페르소나가 언어 모델로 판단(AI 여론조사의 숙의 라운드)
돌이킬 수 없는 결정 전에, 한 번 먼저
출시 전 시장 반응
어느 연령대·지역에서 먼저 불이 붙고, 어디서 멈추는지. 체험단을 언제 띄워야 가장 멀리 가는지.
체험단은 출시 첫 주가 나을까, 둘째 주가 나을까?
정책·제도 수용성
발표 뒤 찬반이 어떻게 갈라지는지, 설명을 누구에게 먼저 해야 반대가 덜 굳는지.
어르신 설명회를 먼저 하면 반대가 얼마나 줄까?
위기 대응 리허설
루머가 어느 관계를 타고 번지는지, 해명이 며칠 늦으면 불신이 얼마나 굳는지.
해명이 사흘 늦으면 무엇을 잃을까?
조직 변화 관리
회사 안의 관계망에 새 제도를 넣어 보고, 누구를 먼저 설득해야 하는지 찾습니다.
팀장 20명 중 누구부터 만나야 할까?
설문에서 사회로
소셜 월드 모델은 이미 운영 중인 AI 여론조사 엔진 위에 쌓아 올리고 있습니다.