Enter는 프린스턴 대학교 캠퍼스에서 36시간 동안 410명이 참가한 HackPrinceton Spring 2026에 참여했습니다. 우리는 차세대 빌더들을 지원하기 위해 그곳에 있었습니다. Atlas를 만든 팀은 우리가 계속해서 눈여겨본 팀 중 하나였습니다.

교육 방식의 문제점

대부분의 교육 중심에는 역사를 배운 사람이라면 누구나 아는 공백이 존재합니다.

우리는 무슨 일이 일어났는지 듣습니다. 글을 읽습니다. 시험을 봅니다. 하지만 교과서와 시험 사이 어딘가에서, 정작 중요했던 것들—그 순간, 그 장소, 그 현실—은 결코 제대로 와닿지 않습니다. 추상적인 상태로 남습니다. 볼 수 없는 세상을 설명하는 페이지 위의 단어들로 말이죠.

과학도 마찬가지입니다. 광합성은 과정이 되기 전에 하나의 단어일 뿐입니다. 단계는 암기됩니다. 빛이 닿을 때 잎 안에서 실제로 무슨 일이 일어나는지에 대한 이해와 직관은 도표 이상의 무언가를 필요로 합니다.

Atlas 팀은 간단한 관찰에서 시작했습니다. 이제 이를 바꿀 도구들이 존재한다는 점입니다. 몰입형 3D 환경, 실시간으로 말하고 추론할 수 있는 AI, 단 하나의 텍스트 프롬프트로 생성되는 세상 말이죠. 문제는 이러한 도구들을 '제품'이라기보다는 '장소'처럼 느껴지는 무언가로 조립할 수 있는지 여부였습니다.

Atlas란 무엇인가

역사적 사건이나 과학적 개념을 무엇이든 입력하세요. 그것을 중심으로 생성된 3D 세계 안으로 들어가 보세요.

이것이 Atlas의 핵심입니다. 하지만 이 설명만으로는 실제로 사용할 때의 느낌을 다 담아낼 수 없습니다. 이 세계는 전통적인 의미의 삽화나 시뮬레이션이 아닙니다. 사용자의 프롬프트에서 생성되어 실시간으로 렌더링되며, 사용자가 이해하고자 하는 구체적인 대상을 중심으로 구축된 실사 수준의 환경입니다.

그 세계 안에는 AI 가이드가 있습니다. 말도 하고, 듣기도 합니다. 마치 옆에 서 있는 박식한 사람이 대답하듯 질문에 답합니다. 사용자가 있는 환경, 볼 수 있는 사물, 그리고 지금 어디에 있고 무엇을 보고 있는지에 대한 구체적인 맥락에 근거해서 말이죠. 개별 요소를 클릭하여 직접 질문할 수도 있습니다. 과학 장면의 경우, 가이드된 실험이 사용자의 행동에 반응합니다. 사용자가 상호작용함에 따라 변화하는 광합성 주기처럼요. 말로 하는 교육이 아니라 행동으로 배우는 세상입니다.

고대 중국 마을의 생성된 3D 환경을 보여주는 Atlas의 인터페이스와 구석에서 활성화된 AI 가이드. 장면 속 사물과 공간적 맥락에 근거하여 질문에 답할 준비가 되어 있다.

그들이 해결한 난제

Atlas가 마주한 가장 흥미로운 기술적 도전은 가장 근본적인 것이기도 했습니다. AI 가이드가 실제 그곳에 있는 것에 대해 정직하게 말하도록 유지하는 것이죠.

언어 모델은 볼 수 없는 세계 안에서 자유를 얻으면 공백을 채우려 합니다. 존재하지 않는 사람을 묘사하고, 생성된 적 없는 사물을 언급하며, 그럴듯하지만 학생이 서 있는 실제 환경과는 무관한 맥락을 추가하기도 합니다. 역사 수업에서 이런 환각은 단순히 부정확할 뿐만 아니라, Atlas가 하려는 일을 근본적으로 훼손합니다.

해결책은 장면 그래프 시스템이었습니다. 생성된 세계 안의 모든 레이블이 지정된, 쿼리 가능한 요소들의 구조화된 표현이죠. 가이드가 대답하기 전에 먼저 장면을 읽습니다. 무엇이 있는지 아는 것입니다. 모든 응답은 모델이 가진 '고대 중국 마을이 이럴 것이다'라는 일반적 지식이 아니라, 해당 공간적·역사적 맥락에 고정됩니다.

그 결과 AI는 검색 엔진보다는 그 방 안에 함께 서 있는 가이드처럼 행동하게 됩니다.

Atlas의 장면 그래프 아키텍처는 생성된 각 세계를 레이블이 지정된 쿼리 가능한 요소로 구조화합니다. 이를 통해 AI 가이드는 공간적 근거를 확보하며, 모든 답변은 학생이 실제로 볼 수 있는 내용을 반영합니다.

그들이 가장 자랑스러워하는 점

전체 루프가 처음부터 끝까지 작동한다는 것입니다.

프롬프트를 입력하면 실시간 3D 세계가 주변에 생성됩니다. 음성 지원 AI 가이드가 그 세계 안에서 역사적으로 정확하고 공간적 근거가 있는 세부 사항으로 질문에 답합니다. 해커톤에서 월드 생성, 3D 렌더링, 장면 해석, 대화형 AI, 음성 합성까지 아우르는 파이프라인을 구축하여 36시간 만에 이 루프를 깔끔하게 완성했다는 것이 그들의 성과입니다.

STEM 실험 모드는 팀원들 스스로에게도 인상적이었습니다. 지시가 아닌 상호작용을 통해 과학을 가르치는 것은 학생과 개념 사이의 관계를 변화시킵니다. 광합성 단계를 암기하는 것이 아닙니다. 자신의 행동에 반응하는 과정을 보는 것이죠. 그 차이는 생각보다 훨씬 중요합니다.

다음 단계

세계 생성 품질은 가장 명확한 개선 분야입니다. Gaussian Splatting은 실사 수준의 환경을 만들지만, 현재 해상도에는 한계가 있습니다. 팀은 단일 프롬프트에서 생성되는 결과물의 정밀도와 규모를 모두 확장하고자 합니다.

더 큰 포부는 VR입니다. 화면으로 보는 3D 세계는 한 가지 측면일 뿐입니다. 그 안에 들어가 몸을 움직여 이동하고, 사물에 손을 뻗어 질문하는 것—그것이 바로 배움과 경험 사이의 간극을 완전히 메우는 Atlas의 미래상입니다.

더 큰 아이디어

교육은 항상 올바른 의도를 가지고 있었습니다. 그 의도에 부합하는 도구들이 뒤처져 있었을 뿐입니다.

Atlas가 보여주는 것은 진정으로 다른 모델의 시작입니다. 환경이 가르침을 주고, 맥락 안에서 질문에 답하며, 개념과 그에 대한 체득 사이의 거리가 무너지는 그런 모델 말입니다. 이를 구축할 기술은 이미 오래전부터 파편적으로 존재해 왔습니다. 변한 것은 그 파편들을 모아 학생이 실제로 걸어 들어갈 수 있는 무언가로 만들 수 있는 능력이 생겼다는 점입니다.

이것이 36시간을 투자할 가치가 있는 문제이며, 완성하기까지 36시간보다 더 긴 시간이 필요한 답변입니다.