미로피시(MiroFish)란? AI가 '가상 사회'로 미래 예측 [1편]

📚 연재 — 미로피시(MiroFish) 완전 가이드 ① 개념·역사·활용사례 · ② 시스템 개요·설치 · ③ 초보 활용법 · ④ 활용 확대

미래를 예측하는 데, 통계 모델 대신 ‘가상 사회’를 통째로 지어서 관찰하면 어떨까. 2026년 3월 등장한 오픈소스 AI 엔진 **미로피시(MiroFish)**가 정확히 그 발상이다. 뉴스·정책 문서·시장 신호 같은 ‘씨앗’ 정보를 넣으면, 수백~수천 명의 가상 인격(에이전트)이 사는 디지털 평행세계를 만들고, 그들이 서로 글을 쓰고 토론하고 영향을 주고받게 한 뒤, 그 집단행동의 결과로 미래를 내다본다. 놀라운 건 만든 방식이다 — 베이징우편전신대학 학부생 한 명이 AI 코딩 도구를 써서 단 10일 만에 구현했고, 출시 후 깃허브 스타 6만 개를 넘기며 트렌딩 1위에 올랐고, 24시간 만에 약 400만 달러 투자를 받았다(MiroFish GitHub). 이 글(1편)에서는 미로피시가 정확히 무엇이고, 어디서 왔으며, 어떻게 쓰이는지를 정리한다. 결론부터 말하면 — 미로피시는 ‘질문에 답하는 AI’에서 ‘사회를 시뮬레이션해 문제를 푸는 AI’로 넘어가는 흐름을 상징하는 도구다.

이미지: MiroFish 공식 저장소 · GitHub (AGPL-3.0)

미로피시란 무엇인가 — ‘미니어처 사회’로 예측하기

미로피시의 공식 한 줄 설명은 “간단하고 보편적인 군집 지능 엔진, 무엇이든 예측한다(A Simple and Universal Swarm Intelligence Engine, Predicting Anything)“다. 핵심은 예측의 방법이다. 전통적 예측은 과거 숫자를 통계 모델에 넣어 확률을 뽑는다. 미로피시는 정반대다 — 작은 사회를 하나 지어놓고, 그 안에서 무슨 일이 벌어지는지 관찰한다.

구체적으로는 이렇다. 어떤 사건이나 주제에 대한 텍스트(뉴스, 정책 초안, 여론 보고서 등)를 ‘씨앗’으로 넣으면, 미로피시는 그 안의 인물·기관·사건·관계를 뽑아 지식 그래프를 만들고, 거기서 수백~수천 명의 가상 인격을 생성한다. 각 에이전트는 서로 다른 성향·배경·의사결정 논리와 장기 기억을 갖는다. 이들은 트위터형·레딧형 플랫폼에서 글을 쓰고 댓글을 달고 논쟁하며 서로의 생각을 바꾼다. 사용자는 ‘신의 시점’에서 변수를 주입하거나 개별 에이전트에게 직접 질문할 수 있다. 즉 미로피시가 내놓는 건 ‘숫자 하나’가 아니라 여론이 어떻게 갈라지고 뭉치고 번지는지의 과정 그 자체다.

어떻게 예측하나 — 5단계 작동 원리

미로피시의 파이프라인은 대략 다섯 단계로 돈다.

1. 지식 그래프 구축 — 입력한 씨앗 자료에서 GraphRAG로 인물·기관·사건·관계를 추출해 동적 지식 그래프를 만든다. 이 그래프가 가상 세계의 뼈대다.
2. 에이전트 페르소나 생성 — 그래프를 바탕으로 수백~수천 명의 에이전트를 서로 다른 성격·입장으로 찍어낸다.
3. 이중 플랫폼 병렬 시뮬레이션 — 두 개의 소셜 플랫폼(트위터형·레딧형)에서 에이전트들이 상호작용한다. 각자의 기억은 계속 갱신된다(Zep Cloud 등 메모리 계층 사용).
4. 리포트 생성 — 전담 ReportAgent가 시뮬레이션의 흐름을 구조화된 예측 보고서로 정리한다.
5. 인터랙티브 탐색 — 사용자가 ‘신의 시점’에서 개별 에이전트에게 질문하고, “만약 이랬다면?”(반사실적 시나리오)을 바꿔가며 다시 돌려본다.

이미지: MiroFish 실행 화면 · GitHub

전통 예측과 무엇이 다른가

미로피시의 성격은 기존 예측 방식과 나란히 놓으면 선명해진다.

구분	전통 방식(통계·시계열)	미로피시(에이전트 시뮬레이션)
방법	과거 수치를 모델에 회귀	가상 사회를 지어 관찰
입력	정형 수치 데이터	텍스트·뉴스·정책 문서
출력	확률값 하나	시간에 따른 여론·관계의 역학
투명성	블랙박스	개별 에이전트까지 추적 가능

출처: MiroFish 저장소·해설(blocmates).

가장 큰 차이는 투명성과 서사다. “선거에서 A가 이길 확률 62%” 같은 숫자 대신, 미로피시는 “왜 그런 결과가 나오는지”를 에이전트들의 대화로 보여준다. 어떤 집단이 어떻게 결집하고, 어떤 메시지가 어디서 번지는지를 눈으로 따라갈 수 있다. 한 해설의 표현을 빌리면 — “숫자를 통계 모델에 넣고 확률을 받는 대신, 미로피시는 미니어처 사회를 짓고 무슨 일이 일어나는지 지켜본다.”

사실은 반세기 된 발상 — ‘인공 사회’의 계보

미로피시의 ‘가상 사회를 지어 관찰한다’는 발상은 새것처럼 보이지만, 실은 반세기 넘게 이어진 연구 전통의 최신판이다. 뿌리는 1971년으로 거슬러 올라간다. 훗날 2005년 노벨경제학상을 받는 경제학자 토머스 셸링(Thomas Schelling)은 논문 「분리의 동역학 모형(Dynamic Models of Segregation)」에서, 바둑판 위에 두 종류의 말을 놓고 “이웃의 일부만 나와 같으면 만족한다”는 아주 약한 규칙만 줘도 도시가 완전히 인종별로 갈라진다는 것을 보였다. 개인의 사소한 선호가 모여 거대한 집단 패턴(창발)을 만든다 — 미로피시가 하는 일의 원형이 이미 여기 있었다.

이 아이디어는 1984년 설립된 산타페 연구소(Santa Fe Institute)를 중심으로 ‘복잡계·창발’ 연구로 자라났고, 1996년 조슈아 엡스타인과 로버트 액스텔이 『인공 사회 키우기(Growing Artificial Societies)』에서 선보인 슈가스케이프(Sugarscape)로 결정판을 맞는다. 자원(설탕) 위에 각기 다른 시야·대사·수명을 가진 가상 인간들을 풀어놓자, 부의 불평등·부족 형성·교역·전쟁 같은 사회현상이 규칙 몇 개에서 저절로 창발했다. 이들이 연 분야가 ‘행위자 기반 모형(Agent-Based Modeling)‘이다. 미로피시가 이 오랜 계보와 결정적으로 다른 점은 단 하나 — 과거의 에이전트는 숫자와 단순 규칙으로 움직이는 ‘점’이었지만, 미로피시의 에이전트는 글을 쓰고 논쟁하는 LLM이라는 것이다. 2023년 스탠퍼드의 ‘제너레이티브 에이전트(Generative Agents)’ 연구가 25명의 LLM 주민이 사는 가상 마을 ‘스몰빌(Smallville)‘에서 이들이 스스로 밸런타인 파티를 조직하는 것을 보여준 뒤, 언어모델을 인공 사회의 시민으로 앉히는 흐름이 열렸다. 미로피시는 반세기 된 아이디어에 LLM 에이전트를 얹은, 그 흐름의 가장 대중적인 제품이다.

출처: T. Schelling, “Dynamic Models of Segregation,” Journal of Mathematical Sociology 1 (1971); J. Epstein & R. Axtell, 『Growing Artificial Societies』 (MIT Press, 1996); J. S. Park et al., “Generative Agents,” UIST 2023.

어디서 왔나 — 학부생 10일과 400만 달러

미로피시의 탄생 자체가 하나의 사건이다. 베이징우편전신대학 학부생 **궈항장(Guo Hangjiang)**이 AI 코딩 보조 도구만으로 단 10일 만에 만들었다. 2026년 3월 공개되자마자 깃허브 글로벌 트렌딩 1위에 올랐고, 스타가 초기 3만여 개에서 6만 8천여 개(2026년 7월 기준)로 불었다(MiroFish GitHub). 곧이어 샨다그룹(Shanda Group) 창업자 천톈차오(Chen Tianqiao)가 데모를 본 지 24시간 만에 약 400만 달러(3,000만 위안)를 투자했다.

기술적 계보도 있다. 미로피시는 CAMEL-AI의 오픈소스 소셜 시뮬레이터 OASIS를 토대로 삼았고, 여론 보고서를 만드는 선행 도구 **베타피시(BettaFish)**와 짝을 이룬다. 라이선스는 AGPL-3.0, 공식 홈페이지는 mirofish.ai다. 공개 직후 한국 개발자가 만든 비공식 한국어 버전 포크(MiroFish-Ko)까지 등장할 만큼 관심이 빠르게 번졌다. 요컨대 미로피시는 무(無)에서 나온 게 아니라, 이미 있던 에이전트 시뮬레이션 연구를 한 사람이 ‘쓸 수 있는 제품’으로 빠르게 조립해낸 결과다. 그리고 그 ‘빠르게’가 이 이야기의 핵심이다.

실제로 어디에 쓰였나 — 여론부터 소설 결말까지

추상적으로 들린다면 실제 사례를 보자.

• 캠퍼스 여론 시뮬레이션(우한대): 선행 도구 베타피시가 만든 ‘우한대 여론 보고서’를 씨앗으로 넣고, 캠퍼스에서 벌어진 한 논란 이후 향후 수 주간 여론이 어떻게 움직일지를 시뮬레이션했다. 결과는 ‘최종 여론이 어디로 가느냐’는 한 점이 아니라, **시간 순서대로 어떤 파벌이 형성되고 이동하며 서로 영향을 주는지의 ‘궤적’**이었다. ‘여론조사에 사람이 필요 없다’는 말이 나온 이유다.
• 《홍루몽》 잃어버린 결말 예측: 청나라 조설근(曹雪芹)이 끝맺지 못한 채 결말이 소실된 고전 소설 《홍루몽》의 전체 80회(수십만 자)를 통째로 넣었다. 미로피시는 등장인물 각각의 성격·관계·기억을 가진 에이전트를 만들어 뒷이야기를 굴렸고, 하나의 정답이 아니라 여러 갈래의 결말 분기를 내놨다. 언어모델 하나가 문장을 이어 쓰는 게 아니라, ‘등장인물 집단의 사회 역학’이 스토리를 밀고 나간 셈이다. 이 홍루몽 시연은 중국 소셜미디어에서 특히 화제가 됐다.
• 넓어지는 응용: 거래 신호 생성, 시장 심리 분석, 정책 영향 분석, 선거 예측, 신제품 출시 반응, 경쟁사 대응 시뮬레이션, 제재 효과 예측 등이 가능 영역으로 거론된다.

투자·경영 관점에서 흥미로운 건 ‘시장 심리’와 ‘정책 영향’이다. 숫자로만 보던 시장 반응을 ‘가상 참여자들의 대화’로 미리 굴려볼 수 있다면, 시나리오 플래닝의 도구가 하나 늘어나는 셈이다. (다만 이는 어디까지나 시뮬레이션이며, 실제 투자 판단의 근거로 쓰기엔 아래의 한계를 반드시 함께 봐야 한다.)

한계와 쟁점 — ‘그럴듯함’과 ‘맞음’은 다르다

미로피시는 매혹적이지만, 냉정하게 볼 지점이 분명하다.

• 검증 문제: 출력이 풍부하고 정교할수록, 그것이 ‘맞는지’를 따지기가 오히려 어려워진다. 현재로선 현실 예측 정확도가 입증되지 않았다. 그럴듯한 서사가 곧 옳은 예측은 아니다.
• 에이전트 행동의 현실성: LLM 기반 에이전트가 실제 인간 행동을 완전히 모사하지는 못한다. 초기 조건의 작은 차이가 결과를 크게 바꿀 수 있어, 한 번의 시뮬레이션을 결론으로 삼는 건 위험하다.
• 비용·환경: 8001,200명 규모 에이전트를 3050라운드 돌리면 상당한 LLM API 비용이 든다. 현재는 macOS에 최적화돼 있고 윈도우 호환은 개발 중이며, 완전 오프라인 구동은 공식 지원되지 않는다(커뮤니티가 Ollama·Neo4j 기반 오프라인 포크를 따로 만들었다).

즉 미로피시는 ‘정답 기계’가 아니라 ‘가능성을 탐색하는 실험실’로 보는 게 맞다. 예측의 정답을 주기보다, 다양한 시나리오를 눈앞에서 굴려보며 생각을 넓히는 도구다.

So What — 예측의 패러다임, 그리고 ‘10일’의 의미

미로피시가 던지는 메시지는 두 겹이다. 첫째, 예측의 방법이 바뀌고 있다. ‘숫자를 넣어 확률을 받는’ 통계 예측에서, ‘사회를 지어 관찰하는’ 시뮬레이션 예측으로 — AI가 답을 맞히는 도구에서 문제를 굴려보는 도구로 확장되는 흐름이다. 둘째, 어쩌면 더 중요한 건 그 도구를 학부생 한 명이 10일 만에 만들었다는 사실이다. 과거엔 연구팀이 필요했던 시스템을, 이제 AI 코딩 도구를 든 개인이 조립해낸다. 개발 비용의 장벽이 무너지면서, 병목은 ‘기술적으로 가능한가’에서 ‘무엇을 만들 아이디어가 있는가’로 옮겨갔다. 셸링이 1971년 바둑판 모형을 손으로 굴리고, 엡스타인·액스텔이 1996년 연구소 컴퓨터로 슈가스케이프를 돌리던 ‘인공 사회’ 실험이, 이제는 학부생이 노트북에서 10일 만에 조립하는 오픈소스 도구가 됐다는 것 — 미로피시가 진짜로 증명한 건 예측의 정확도가 아니라, 반세기 걸려 온 이 아이디어의 문턱이 얼마나 낮아졌는가다.

다음 [2편]에서는 이 미로피시를 실제로 굴려보기 위한 시스템 개요·필요 환경·설치 방법을 단계별로 다룬다. 개념을 잡았으니, 이제 내 손으로 가상 사회를 지어볼 차례다.

자주 묻는 질문 (미로피시)

Q1. 미로피시(MiroFish)가 뭔가요? 뉴스·정책 등 텍스트를 ‘씨앗’으로 넣으면 수백~수천 명의 가상 에이전트가 사는 디지털 사회를 만들어, 그들의 집단행동을 시뮬레이션해 미래를 예측하는 오픈소스 AI 엔진입니다. 통계 모델이 아니라 ‘사회 시뮬레이션’으로 예측하는 것이 특징입니다.

Q2. 기존 예측과 무엇이 다른가요? 전통 방식은 수치를 통계 모델에 넣어 확률 하나를 얻습니다. 미로피시는 텍스트를 입력해 가상 사회를 짓고, 시간에 따른 여론·관계의 변화를 개별 에이전트까지 추적할 수 있게 보여줍니다. 확률 대신 ‘과정과 서사’를 줍니다.

Q3. 누가 만들었고 왜 화제인가요? 베이징우편전신대학 학부생 궈항장이 AI 코딩 도구로 약 10일 만에 만들었습니다. 2026년 3월 공개 후 깃허브 스타 6만 개를 넘겨 트렌딩 1위에 올랐고, 약 400만 달러 투자를 받았습니다. 개인이 단기간에 연구팀급 시스템을 만들었다는 점이 큰 화제가 됐습니다.

Q4. 예측이 정확한가요? 현재로선 현실 예측 정확도가 입증되지 않았습니다. 그럴듯한 서사가 곧 맞는 예측은 아니며, 초기 조건에 민감하고 API 비용도 큽니다. ‘정답 기계’보다 ‘시나리오를 탐색하는 실험 도구’로 보는 것이 적절합니다.

---

이 글은 2026년 7월 공개된 정보를 바탕으로 한 일반적 해설이며, 특정 종목·상품의 투자 판단을 권유하는 조언이 아니다.