World Simulator: Queer Erotica and the Absurdity of AI Video Models That Promise the World

기술 요약: 월드 시뮬레이터: 퀴어 에로티카와 세상을 약속하는 AI 비디오 모델의 부조리함

문제 제Statement (Problem Statement)
본 논문은 고도화된 생성형 비디오 모델이 무한한 현실과 물리적 세계를 완벽한 일관성으로 모델링할 수 있는 "월드 시뮬레이터(world simulators)"라고 홍보하며, 이를 통해 더 발전된 기술을 제시하려는 최근의 마케팅 내러티브를 다룬다. 저자들은 이러한 '완전성'에 대한 주장이 근본적으로 결함이 있다고 주장하는데, 이는 해당 모델들이 체현된 인간 경험의 중요한 측면, 즉 성(sexuality)을 체계적으로 배제하고 있기 때문이다. 상업용 대규모 비디오 모델(예: Sora, Veo, RunwayML)은 노골적인 콘텐츠 생성을 금지하는 엄격한 안전 필터를 강제하며, 파운데이션 모델들은 그러한 자료가 체계적으로 "정제(cleaned)"된 데이터셋을 기반으로 학습된다. 결과적으로, 이러한 시스템은 신체와 성적 행위에 대해 구조적으로 눈이 멀어 있다. 핵심 문제는, 이 시스템들이 가장 기초적인 생물학적 경험조차 시뮬레이션할 수 없음에도 불구하고 이를 "월드 시뮬레이터"라고 명명하는 오만함이며, 이는 "모든 것을 보는" 듯한 마케팅적 주장과 실제 학습 데이터의 한계 사이의 간극을 만들어낸다.

방법론 (Methodology)
본 프로젝트는 최첨단 대규모 비디오 모델(LVM)의 잠재 공간(latent space)과 재현의 한계를 탐구하기 위해 "비판적 창의적 AI(Critical Creative AI)" 방법론을 채택하며, 적대적 번역(adversarial translation)을 활용한다.

• 모델 선정: 저자들은 Wan 2.1 VACE(Video All-in-One Creation and Editing) 파이프라인을 사용하였다. 이 모델은 명시적으로 월드 시뮬레이터로 마케팅되지는 않았으나, 이러한 시스템들이 공유하는 확산 트랜스포머(Diffusion Transformer, DiT) 아키텍처를 공유한다. 결정적으로, 오픈 웨이트(open-weight) 도구로서 저자들은 상업적 플랫폼의 경직된 API 검열을 우회하여 민감한 입력을 처리할 수 있었다.
• 입력 데이터: 소스 자료는 Wakefield Poole의 클래식 퀴어 언더그라운드 영화인 Boys in the Sand(1971)의 클립들로 구성된다. 클립들은 모델의 재구성 능력을 도전할 것으로 예상되는 정교한 움직임과 얽히는 신체에 초점을 맞추어 선정되었다.
• 적대적 번역 과정: ComfyUI에서 구현된 워크플로우는 비디오 투 비디오(video-to-video) 파이프라인을 통해 에로틱한 소스 클립을 통과시키는 과정을 포함한다. 저자들은 **디노이징 단계 수(denoing step counts)**를 제한함으로써 추상화에서 재현에 이르는 스펙트럼을 만들어내며 생성 과정을 조작하였다:
  • 낮은 단계 (1–2): 출력물은 운동 에너지와 구조적 구성은 보존되지만 의미적 내용은 해결되지 않은, 노이즈가 섞인 흐릿한 잔상 상태로 남는다.
  • 높은 단계 (3–5): 단계 수가 증가함에 따라 모델은 모호한 형태를 기지의 개념으로 강제하려 시도한다. 이는 육체적이고 성적인 형상이 주방 가전, 기묘한 건축물, 혹은 일상적인 사물과 같은 평범하고 따분한 표현으로 "붕괴(collapse)"되는 결과를 초래한다.
• 설치 (Installation): 결과물인 시퀀스들은 ESP32 보드에 내장된 미니 스크린에 네 개의 연속적인 루프로 편집되어 전시되었으며, 이는 시스템이 에로틱한 입력을 이해하는 데 끊임없이 실패함을 강조한다.

주요 기여 (Key Contributions)

1. 구조적 맹목성의 시각화: 본 작업은 합성 지식의 한계를 구체적이고 미학적으로 시각화한다. 성적인 형상을 평범한 사물로 변형시키는 과정을 보여줌으로써, 모델의 잠재 공간 내에 존재하는 "알려지지 않은" 개념들을 폭로한다.
2. "월드 시뮬레이터" 라벨에 대한 비판: 본 프로젝트는 성(sexuality)에 대해 구조적으로 눈이 먼 상태로 학습된 데이터가 어떻게 "세계"를 시뮬레이션할 수 있는지에 대한 의문을 제기함으로써, AI 마케팅의 부풀려진 주장에 도전한다.
3. 비판적 창의적 AI 개입: 본 논문은 머신러닝을 단순히 예술적 역량을 증명하는 도구가 아니라, 기술의 이데올로기적 구조와 사회적 함의를 비판적으로 성찰하는 데 사용하는 일련의 작업들(예: The Zizi Project, Learning to See)의 맥락에 위치한다.
4. AI에서의 관능성 재정의: 저자들은 "시뮬레이션"을 목표로 삼는 것의 유용성에 의문을 제기하며, 기계가 신체를 파악하지 못하는 실패가 완벽하고 경직된 렌더링보다 더 정직한 "시적 마찰(poetic friction)"을 제공한다고 제안한다.

결과 (Results)
생성된 출력물은 퀴어 에로티카의 의미적 내용을 재현하지 못하는 모델의 무능력을 성공적으로 입증했다.

• 추상화에서 환각으로: 비디오 시퀀스는 낮은 단계 수에서의 "육체적 모호함"에서 높은 단계 수에서의 뚜렷하고 인식 가능한 가전제품으로 이어지는 명확한 진행을 보여주었다.
• "붕괴(The Collapse)": 시스템은 단순히 내용을 검열(블랙아웃 또는 거부)하는 것에 그치지 않고, 적극적으로 초현실적인 대안을 환각해냈다. 에로틱한 안무는 주방 가전과 추상적인 살덩어리가 등장하는 장면으로 변모하였으며, 이는 학습되지 않은 개념에 직면했을 때 모델이 "안전한" 사전 지식(priors)에 의존하고 있음을 드러냈다.
• 설치 효과: 미니 스크린을 통한 다채널 디스플레이는 관객이 암시적인 움직임에 머무는 동안 모델이 이를 다시 평범한 것으로 "교정"하는 루프를 만들어냄으로써, 입력된 현실과 시스템의 해석 사이의 간극을 시각적으로 강조하였다.

의의 및 주장 (Significance and Claims)
본 논문은 완전한 "월드 시뮬레이터"를 추구하는 것이 스펙터클과 이윤에 의해 동기 부여된 "헛된 노력(fool's errand)"이라고 주장한다. 모든 모델은 학습 데이터의 편향과 아키텍처의 압축으로 인해 본질적으로 사각지대를 가질 수밖에 없기 때문이다.

• "완전성"에 대한 겸허한 주장: 저자들은 "완전성"을 달성하기 위해 AI 모델에 포르노그래피를 포함시켜야 한다고 주장하는 것이 아님을 명시한다. 그들은 포르노그래피 자체가 욕망의 "거짓된 시뮬레이션"이라고 언급한다.
• 예술적 전환: 의의는 예술가의 역할을 세계를 더 정확하게 시뮬레이션하도록 기계를 돕는 것에서, 이러한 도구들을 사용하여 물질적 경험의 "시적이고 관능적인 확장"을 만드는 것으로 전환하는 데 있다.
• 인식론적 한계: 본 작업은 신체를 파악하지 못하는 기계의 실패가 기계적 재현의 내재적 한계를 드러낸다고 단언하며, 현재의 AI가 알려진 세계의 일관되고 총체적인 복제본을 제공할 수 있다는 생각에 도전한다. 이 프로젝트는 AI 마케팅의 약속에 대해 회의적인 태도를 취하고, 시뮬레이션될 수 있는 것의 한계에 대한 더 깊은 성찰을 촉구하는 비판적 개입으로서 기능한다.