기존 시각-언어 모델은 학습을 위해 방대한 양의 이미지와 텍스트 설명 데이터가 필수적이었다. 하지만 NVIDIA 연구진이 공개한 MM-Zero 프레임워크는 기존 시각 데이터가 전혀 없는 상태에서도 기초부터 스스로 진화할 수 있는 환경을 제공한다. 이는 AI가 인간의 데이터 큐레이션에 의존하지 않고 독자적인 학습 궤도에 오를 수 있음을 의미한다.

시스템은 정교한 멀티 역할 구조로 작동한다. 제안자가 추상적인 개념을 설정하면, 코더는 이를 Python이나 SVG 등 실행 가능한 코드로 변환해 이미지를 시각화한다. 이후 해결사가 해당 시각 자료를 바탕으로 추론 과제를 수행하며 지능을 고도화한다. 즉, AI가 스스로 '심상'을 구축하고 소통하며 지적 능력을 자가 배양하는 방식이다.

특히 이 과정에는 모델의 실행 성공도와 시각적 정확도에 따라 보상을 설계하는 GRPO 기술이 핵심적인 역할을 한다. 최소한의 시드 데이터조차 필요하지 않다는 점에서 MM-Zero는 진정한 자율 머신러닝 시대로의 전환점을 시사한다. 결과적으로 인간 데이터의 병목 현상을 극복하고 미래 AI 시스템의 멀티모달 역량을 무한히 확장할 수 있는 확장성 높은 경로를 확보하게 됐다.

보통 인공지능은 사람이 미리 준비한 수많은 사진과 설명을 보고 공부해야 해요. 하지만 엔비디아 연구진은 사진이나 자료가 하나도 없어도 처음부터 스스로 실력을 키우는 기술(MM-Zero)을 발표했어요. 마치 아무것도 없는 방에서 인공지능이 혼자 상상하며 배우는 것과 같아요.

이 시스템은 세 가지 역할을 나누어 스스로 공부해요. 먼저 어떤 것을 배울지 아이디어를 내는 역할(제안자, Proposer)이 주제를 정해요. 그다음 컴퓨터 코드로 그림을 그려내는 역할(코더, Coder)이 그 아이디어를 그림으로 만들어요. 마지막으로 이 그림을 보고 문제를 푸는 역할(해결사, Solver)이 퀴즈를 풀며 실력을 쌓아요. 인공지능이 자기 자신과 대화하며 '마음속 그림'을 그려 스스로 똑똑해지는 방식이에요.

이렇게 공부할 때는 정답을 잘 맞히고 그림을 정확히 그렸을 때 상을 주는 방식(집단 상대 정책 최적화, GRPO)을 사용해요. 예전에는 공부를 시작할 때 최소한 몇 장의 진짜 사진이 필요했지만, 이제는 인공지능이 완전히 혼자서 배울 수 있게 된 거예요(자율 기계 학습). 이제 사람은 귀찮게 자료를 모아주지 않아도 되고, 인공지능은 멈추지 않고 계속해서 성장할 수 있게 되었답니다.