1
00:00:00,200 --> 00:00:02,220
Sequoia Capital — Jim Fan

2
00:00:02,320 --> 00:00:06,080
먼저, 제 친구 짐 팬을
소개하게 되어 기쁩니다.
And up first, I'm delighted to introduce my friend Jim Fan.

3
00:00:06,080 --> 00:00:09,544
짐은 엔비디아의
체화(embodied) 자율 연구
Jim leads the embodied autonomous research group at Nvidia, otherwise known as Nvidia Robotics.

4
00:00:09,544 --> 00:00:12,880
그룹, 즉 엔비디아
로보틱스를 이끌고 있습니다.

5
00:00:12,880 --> 00:00:17,240
로봇은 앞으로 일어날 일 중 가장
흥미진진한 것 중 하나라고 생각합니다.
I think that robots are just one of the most thrilling things that's going to happen.

6
00:00:17,240 --> 00:00:19,779
자동차도 기본적으로는 큰
로봇이지만, 저는 삐빅삐빅 소리를
A car basically is a big robot, but I'm excited for robots that can go beep-boop and lift things for us.

7
00:00:19,779 --> 00:00:22,160
내며 우리 대신 물건을 들어주는
로봇이 더 기대됩니다.

8
00:00:22,160 --> 00:00:24,788
짐은 작년 AI 어센트에서도 단연
And so, Jim was a standout at last year's AI Ascent, and we're delighted to have you back.

9
00:00:24,788 --> 00:00:28,000
돋보였는데, 다시 모시게 되어 기쁩니다.

10
00:00:28,000 --> 00:00:28,680
여러분, 감사합니다.
Thanks, everyone.

11
00:00:28,680 --> 00:00:30,680
감사합니다.
Thanks.

12
00:00:30,680 --> 00:00:32,960
때는 2016년의 어느 여름날이었습니다.
So, it was a summer day in 2016.

13
00:00:32,960 --> 00:00:36,680
사실 지금 우리가 앉아 있는
바로 이 사무실에서였죠.
Actually, right in this office that we're sitting in.

14
00:00:36,680 --> 00:00:40,098
번쩍이는 가죽 재킷을
입고 팔뚝이 우람한 한
There's a guy in a shiny leather jacket, big biceps, hurling this large metal tray.

15
00:00:40,098 --> 00:00:43,800
남자가 커다란 금속 쟁반을
번쩍 들어올렸습니다.

16
00:00:43,800 --> 00:00:49,667
그 커다란 금속판에는 이렇게 적혀
있었습니다. "일론과 오픈AI 팀에게,
And on this large piece of metal, he wrote, "To Elon and the OpenAI team, to the future of computing and humanity, I present you the world's first DGX-1."

17
00:00:49,667 --> 00:00:55,240
컴퓨팅과 인류의 미래를 위해, 세계
최초의 DGX-1을 선사합니다."

18
00:00:55,240 --> 00:00:57,920
그렇게 저는 젠슨 황을 처음 만났습니다.
So, that was the first time I met Jensen.

19
00:00:57,920 --> 00:01:00,624
인턴이라면 누구나 그랬겠죠. 저도 줄을
And as any good intern would do, I rushed to get in line to sign my name on it.

20
00:01:00,624 --> 00:01:03,200
서서 제 이름을 적으러 달려갔습니다.

21
00:01:03,200 --> 00:01:05,199
제 이름, 보이시나요?
So, can you spot it, my name?

22
00:01:05,199 --> 00:01:06,240
여기 있습니다.
It's here.

23
00:01:06,240 --> 00:01:08,240
다른 이름도 보이시나요?
And can you spot another?

24
00:01:08,240 --> 00:01:09,960
저기, 안드레이입니다.
That's Andre, right there.

25
00:01:09,960 --> 00:01:13,800
안드레이, 우리는 이제
컴퓨터 역사 박물관행이네요.
So, Andre, we're going to the Computer History Museum.

26
00:01:13,800 --> 00:01:16,440
제가 공룡이 된 기분이에요.
I feel like a dinosaur.

27
00:01:16,440 --> 00:01:21,040
그때는 제가 무슨 일에
뛰어드는지 전혀 몰랐죠.
You know, back then, I had no clue what I was signing up for.

28
00:01:21,040 --> 00:01:23,811
그다음에 일어난 일은, 일리야 본인의
And then, no one can describe what happened next better than Ilya himself.

29
00:01:23,811 --> 00:01:26,720
말보다 더 잘 설명할 수 없을 겁니다.

30
00:01:26,720 --> 00:01:31,280
딥러닝을 믿으면, 딥러닝도
여러분을 믿어줄 겁니다.
If you believe in deep learning, deep learning will believe in you.

31
00:01:31,280 --> 00:01:36,600
그리고 오, 딥러닝은 정말 크게
우리 모두를 믿어줬습니다.
And oh boy, did deep learning believe in all of us big time.

32
00:01:36,600 --> 00:01:39,280
세 번의 계단 함수, 6년.
Three step functions, six years.

33
00:01:39,280 --> 00:01:42,400
그것만으로 오늘 이 자리까지
올 수 있었습니다.
That's how all it took to bring us here today.

34
00:01:42,400 --> 00:01:46,160
첫 번째 틱은 GPT-3,
사전학습입니다.
The first tick, GPT-3, pre-training.

35
00:01:46,160 --> 00:01:51,720
다음 토큰 예측은 사실 문법 규칙,
언어의 형태를 배우는 것입니다.
Next token prediction is really about learning the rules of grammar, the shape of language.

36
00:01:51,720 --> 00:01:54,889
생각과 코드, 그리고
문자열 일반이 어떻게
It's about simulating how thoughts and code and strings in general should unfold.

37
00:01:54,889 --> 00:01:57,920
전개돼야 하는지를 시뮬레이션하는 것이죠.

38
00:01:57,920 --> 00:02:02,226
2022년, InstructGPT의
지도 파인튜닝(SFT)이
2022, InstructGPT supervised fine-tuning aligned the simulation to do useful work.

39
00:02:02,226 --> 00:02:05,880
이 시뮬레이션을 유용한
작업을 하도록 정렬했습니다.

40
00:02:05,880 --> 00:02:11,594
o1의 추론은 강화학습(RL)으로
모방학습을 뛰어넘었고, 마지막으로
O1 reasoning, using reinforcement learning to surpass imitation learning, and finally auto research, accelerating the whole loop beyond what's humanly possible.

41
00:02:11,594 --> 00:02:17,000
오토 리서치는 이 전체 루프를
인간의 한계 너머로 가속했습니다.

42
00:02:17,000 --> 00:02:22,760
그래서 안드레이가 말했듯, 모든 랩들이
최종 보스전에 다다르고 있습니다.
So, as Andre said, all the labs are getting to the final boss fight.

43
00:02:22,760 --> 00:02:27,200
즉 LLM은 지금 엔드게임
한복판에 있는 겁니다.
So, for LLMs, they're in the thick of the end game.

44
00:02:27,200 --> 00:02:29,080
솔직히, 정말 부럽습니다.
And honestly, I'm very jealous.

45
00:02:29,080 --> 00:02:33,480
안드레이가 얼마나 행복해했는지
보세요, 얼굴에 함박웃음이 가득했죠.
Look at how happy Andre was, big smile on his face.

46
00:02:33,480 --> 00:02:37,840
LLM 쪽 사람들은 인생 최고의
파티를 즐기고 있는 겁니다.
The LLM folks are having the party of their lifetime.

47
00:02:37,840 --> 00:02:40,972
그들은 말 그대로
'미토스(Mythos)'라 불리는 신화
They're speedrunning AGI on mystical creatures literally called Mythos.

48
00:02:40,972 --> 00:02:43,800
속 생명체를 타고 AGI를
스피드런하고 있는 거죠.

49
00:02:43,800 --> 00:02:47,320
그러니 왜 로보틱스는 이
재미에 낄 수 없을까요?
So, why can't robotics get a piece of fun?

50
00:02:47,320 --> 00:02:50,716
그래서 자존심 있는
과학자라면 누구나 그러듯,
So, as any self-respecting scientist would do, I copy homework and I give it a new name.

51
00:02:50,716 --> 00:02:53,840
저도 숙제를 베끼고
새 이름을 붙였습니다.

52
00:02:53,840 --> 00:02:56,440
저는 이걸 '위대한
평행'이라고 부릅니다.
I call it the great parallel.

53
00:02:56,440 --> 00:02:59,098
그렇다면 문자열을
시뮬레이션하는 대신, 다음
So, instead of simulating strings, can we simulate the next physical world state?

54
00:02:59,098 --> 00:03:02,200
물리적 세계 상태를 시뮬레이션할
수 있지 않을까요?

55
00:03:02,200 --> 00:03:06,060
그런 다음 액션 파인튜닝을
통해, 실제 로봇에 중요한
And then we can align through action fine-tuning onto a thin slice of that simulation that matters for real robots.

56
00:03:06,060 --> 00:03:09,920
그 시뮬레이션의 얇은 조각으로
정렬시킬 수 있습니다.

57
00:03:09,920 --> 00:03:14,440
그리고 마지막 구간은
강화학습(RL)이 맡게 하는 거죠.
And we let reinforcement learning carry the last mile.

58
00:03:14,440 --> 00:03:16,040
그게 다입니다.
And that's it.

59
00:03:16,040 --> 00:03:18,920
위대한 평행, LLM의
성공을 그대로 베끼는 겁니다.
The great parallel, copying the LLM success.

60
00:03:18,920 --> 00:03:20,840
이길 수 없다면, 합류하라는 거죠.
If you can't beat them, join them.

61
00:03:20,840 --> 00:03:26,000
그럼 함께 새로운 에피소드를
봐주시죠, '로보틱스: 엔드게임'.
So, please join me in a new episode, Robotics: The End Game.

62
00:03:26,000 --> 00:03:27,120
죄송합니다, 도저히 참을 수가 없었어요.
I'm sorry, I just couldn't resist.

63
00:03:27,120 --> 00:03:28,519
나노 바나나가 너무 잘 만들어줘서요.
Nano Banana's too good.

64
00:03:28,519 --> 00:03:31,320
감사합니다, 데미스.
Thanks, Demis.

65
00:03:31,320 --> 00:03:33,040
자, 그럼 엔드게임을
어떻게 플레이할까요?
So, how do we play the end game?

66
00:03:33,040 --> 00:03:37,320
결국 두 가지로 귀결됩니다,
모델 전략과 데이터 전략입니다.
It boils down to two things, model strategy and data strategy.

67
00:03:37,320 --> 00:03:39,800
먼저 모델부터 보겠습니다.
Let's look at the model first.

68
00:03:39,800 --> 00:03:44,063
지난 3년은 VLA(비전-언어-액션
모델)가 주도했고,
The last 3 years were dominated by VLAs, or vision-language-action models, and models like PaLM-E and GR00T fall in this category.

69
00:03:44,063 --> 00:03:49,320
PaLM(-E)나 GR00T(그루트)
같은 모델들이 여기 속합니다.

70
00:03:49,320 --> 00:03:52,487
그래서 사전학습은 VLA가 맡는다고
So, we assume that the pre-training is done by a VLA, and we simply graft an action head on top of it.

71
00:03:52,487 --> 00:03:56,320
가정하고, 그 위에
액션 헤드만 얹습니다.

72
00:03:56,320 --> 00:04:00,558
하지만 사실 이 모델들을
보면 LVA나 다름없습니다,
But really, if you think about these models, they're LVAs, because the most amount of parameters are dedicated to language.

73
00:04:00,558 --> 00:04:03,920
파라미터 대부분이
언어에 쏠려 있으니까요.

74
00:04:03,920 --> 00:04:08,400
그러니까 언어가 일급 시민이고,
그다음이 비전, 액션 순입니다.
So, language is first-class citizen, followed by vision and action.

75
00:04:08,400 --> 00:04:11,706
설계상 VLA는 지식과
명사를 인코딩하는 데는
And by design, VLAs are great at encoding knowledge and nouns, but not so much at physics and verbs.

76
00:04:11,706 --> 00:04:14,880
뛰어나지만, 물리와
동사는 그렇지 못합니다.

77
00:04:14,880 --> 00:04:18,720
말하자면 엉뚱한 곳에
무게가 쏠려 있는 셈이죠.
It's kind of head-heavy in the wrong places.

78
00:04:18,720 --> 00:04:22,440
이건 제가 제일 좋아하는, 원조
VLA 논문 속 예시입니다.
This is my favorite example from the original VLA paper.

79
00:04:22,440 --> 00:04:25,320
"콜라 캔을 테일러 스위프트
사진 쪽으로 옮겨라."
Move the Coke can to a picture of Taylor Swift.

80
00:04:25,320 --> 00:04:27,400
네, 테일러 스위프트를
본 적은 없습니다.
Yes, it has not seen Taylor Swift before.

81
00:04:27,400 --> 00:04:29,080
네, 일반화는 해냅니다.
Yes, it's able to generalize.

82
00:04:29,080 --> 00:04:32,800
하지만 이게 우리가 원하는
사전학습 능력은 딱히 아닙니다.
But this is not quite the pre-training ability that we're looking for.

83
00:04:32,800 --> 00:04:35,919
그럼 두 번째 사전학습
패러다임은 뭘까요?
So, what's the second pre-training paradigm?

84
00:04:35,919 --> 00:04:39,840
저는 늘 뭔가 대단한
것이리라 생각했습니다.
And I always thought that it would be something glorious.

85
00:04:39,840 --> 00:04:45,000
안타깝게도 알고 보니, 이른바
'AI 비디오 슬랍'이었습니다.
Unfortunately, it turns out that this is AI video slop that we call.

86
00:04:45,000 --> 00:04:48,800
보안캠에 밴조 치는 고양이,
하루 종일 볼 수 있죠.
You know, I can watch these cats playing banjo on security cam all day.

87
00:04:48,800 --> 00:04:51,320
인터넷의 정수죠.
It's peak internet.

88
00:04:51,320 --> 00:04:53,800
그런데 정말, 이걸 보세요.
But really, look at this.

89
00:04:53,800 --> 00:04:58,505
아무도 진지하게 안 봅니다 — 이
비디오 모델들이 내부적으로 다음
No one can take this seriously — until we realize that these video models are learning to simulate next world state internally.

90
00:04:58,505 --> 00:05:03,080
월드 상태를 시뮬레이션하도록 학습
중이란 걸 깨닫기 전까지는요.

91
00:05:03,080 --> 00:05:06,080
이건 Veo 3의 롤아웃 몇 가지입니다.
So, these are some rollouts from Veo 3.

92
00:05:06,080 --> 00:05:13,240
보시다시피 모델이 중력, 부력,
조명, 반사, 굴절을 스스로 익힙니다.
You can see that the models, they pick up gravity, buoyancy, lighting, reflection, refraction all by themselves.

93
00:05:13,240 --> 00:05:15,560
이 중 어느 것도 코딩된 게 아닙니다.
None of this is coded in.

94
00:05:15,560 --> 00:05:21,280
물리 법칙은 대규모로 다음 픽셀
덩어리를 예측하는 과정에서 발현됩니다.
Physics emerge by predicting the next blob of pixels at scale.

95
00:05:21,280 --> 00:05:23,840
심지어 시각적 플래닝까지 발현됩니다.
And even visual planning emerges.

96
00:05:23,840 --> 00:05:27,640
Veo가 이 미로들을
어떻게 푸는지 보시죠.
Look at how Veo solves these mazes.

97
00:05:27,640 --> 00:05:32,160
픽셀 공간에서 시뮬레이션을
앞으로 돌려서 푸는 겁니다.
It solves them by running simulation forward in pixel space.

98
00:05:32,160 --> 00:05:34,720
여기 오른쪽 아래 구석을 주목해 주세요.
And draw attention to the lower right corner here.

99
00:05:34,720 --> 00:05:36,240
이게 제가 제일 좋아하는 예시입니다.
This is my favorite example.

100
00:05:36,240 --> 00:05:37,040
한번 보시죠.
Let's watch.

101
00:05:37,040 --> 00:05:43,120
깜빡하면 Veo 3가 이걸
어떻게 푸는지 놓치실 거예요.
And you blink if you miss how Veo 3 solves this one.

102
00:05:43,120 --> 00:05:44,000
정말 똑똑하죠.
It's super smart.

103
00:05:44,000 --> 00:05:46,829
Veo 3는 보고 있지 않으면 기하학
You know, Veo 3 figures out that if you're not looking, geometry is optional.

104
00:05:46,829 --> 00:05:49,800
따위는 선택 사항이라는 걸 알아냅니다.

105
00:05:49,800 --> 00:05:53,200
저는 이걸 '물리 법칙'이라고 부르죠.
I call this physics law.

106
00:05:53,200 --> 00:05:56,400
그럼 이 월드 모델을
어떻게 쓸모 있게 만들까요?
So, how do we make these world models useful?

107
00:05:56,400 --> 00:05:59,400
바로 액션 파인튜닝을 합니다.
Well, we do action fine-tuning.

108
00:05:59,400 --> 00:06:04,244
가능한 모든 미래
상태의 중첩을 정렬해서,
We align the superposition of all possible future states and collapse that onto a thin slice that matters for real robots.

109
00:06:04,244 --> 00:06:09,720
실로봇에 필요한 얇은
조각으로 붕괴시키는 거죠.

110
00:06:09,720 --> 00:06:12,120
Dreamer를 소개합니다.
Introducing Dreamer.

111
00:06:12,120 --> 00:06:15,663
몇 초 뒤의 미래를 꿈꾸고 그에 맞춰
It's a new type of policy model that dreams a couple seconds into the future and acts accordingly.

112
00:06:15,663 --> 00:06:19,560
행동하는 새로운 유형의 정책 모델입니다.

113
00:06:19,560 --> 00:06:24,560
그리고 아시다시피 모터 액션은
고차원 연속 신호입니다.
And you know that motor actions, they're high-dimensional continuous signals.

114
00:06:24,560 --> 00:06:26,560
그러니 이건 픽셀과 똑같이 생겼죠.
So, that looks just like pixels.

115
00:06:26,560 --> 00:06:30,000
비디오를 렌더링하는 동시에
이것도 렌더링할 수 있습니다.
We can render it at the same time as we render the videos.

116
00:06:30,000 --> 00:06:32,592
그래서 Dreamer는 다음 월드
So, Dreamer jointly decodes the next world states and next actions.

117
00:06:32,592 --> 00:06:35,760
상태와 다음 액션을 동시에 디코딩합니다.

118
00:06:35,760 --> 00:06:39,980
그 결과 학습 때 본 적 없는 태스크와
And as a result, it's able to zero-shot solve tasks and verbs that it has never seen in training.

119
00:06:39,980 --> 00:06:44,200
동작도 제로샷으로 해결할 수 있습니다.

120
00:06:44,200 --> 00:06:47,919
로봇이 실행하는 동안 무엇을 꿈꾸고
있는지 시각화할 수 있습니다.
And as a robot executes, we can visualize what it's dreaming about.

121
00:06:47,919 --> 00:06:49,760
그리고 그 상관관계가 아주 긴밀합니다.
And the correlation is very tight.

122
00:06:49,760 --> 00:06:52,280
비디오 예측이 맞으면 액션도 맞고,
If the video prediction works, the action works.

123
00:06:52,280 --> 00:06:55,440
비디오가 환각을 일으키면
액션도 실패합니다.
If the video hallucinates, the action fails.

124
00:06:55,440 --> 00:07:00,080
그러니 다시 한번, 비전과
액션이 이제 일급 시민입니다.
So, once again, vision and action are now first-class citizens.

125
00:07:00,080 --> 00:07:02,040
그리고 Dreamer로 정말
재미있게 놀고 있습니다.
And we have a lot of fun with Dreamer.

126
00:07:02,040 --> 00:07:05,095
그래서 저희는 그냥 로봇을
실험실 안에서 돌아다니게
So, we just roll the robot around in our lab and then type random things into the prompt box.

127
00:07:05,095 --> 00:07:08,040
하고, 프롬프트 박스에
아무 말이나 입력해봅니다.

128
00:07:08,040 --> 00:07:11,800
물론 Dreamer가 이 모든
작업을 100% 완벽하게 해내는
And of course, Dreamer is not going to get all of these tasks 100% robust, but it's kind of like GPT-2.

129
00:07:11,800 --> 00:07:15,560
건 아니지만, 말하자면 로보틱스의
GPT-2 같은 존재입니다.

130
00:07:15,560 --> 00:07:19,800
매번 움직임의 형태만이라도
정확히 맞추려는 거죠.
It's trying to get the shape of the motion correct in every case.

131
00:07:19,800 --> 00:07:23,289
그래서 Dreamer는 로보틱스를
위한 open-ended,
So, Dreamer is our first step towards open-ended, open-vocabulary prompting for robotics.

132
00:07:23,289 --> 00:07:27,200
open-vocabulary
프롬프팅으로 가는 저희의 첫걸음입니다.

133
00:07:27,200 --> 00:07:29,603
그리고 저희는 이 새로운 유형의 모델을
And we call this new type of model world action models, or WAM.

134
00:07:29,603 --> 00:07:32,120
월드 액션 모델(WAM)이라고 부릅니다.

135
00:07:32,120 --> 00:07:37,680
자, 우리의 오랜 친구 VLA를
위해 잠시 묵념하겠습니다.
So, let's all take a moment of silence for our dear friend VLA.

136
00:07:37,680 --> 00:07:38,840
그동안 저희를 잘 섬겨줬습니다.
They served us well.

137
00:07:38,840 --> 00:07:40,360
편히 잠들기를.
Rest in peace.

138
00:07:40,360 --> 00:07:43,090
WAM 만세.
Long live world action models.

139
00:07:43,090 --> 00:07:46,840
다음은 데이터 전략입니다.
And next, data strategy.

140
00:07:46,840 --> 00:07:50,224
이분은 엔비디아 수석 과학자
빌 댈리인데, 저희 실험실에서
This is Nvidia's chief scientist, Bill Dally, operating teleoperation inside our lab.

141
00:07:50,224 --> 00:07:53,080
텔레오퍼레이션(텔레옵)을
직접 조작하고 있습니다.

142
00:07:53,080 --> 00:07:57,153
그리고 그의 연봉을 생각하면,
이건 아마 저희 데이터셋에서
And given his salary, I think this is by far the most expensive teleop trajectory ever collected in our data set.

143
00:07:57,153 --> 00:08:01,480
지금까지 수집된 것 중 단연 가장
비싼 텔레옵 궤적일 겁니다.

144
00:08:01,480 --> 00:08:05,440
지난 3년은 텔레옵이
지배해온 시기였습니다.
The past 3 years have been dominated by teleoperation.

145
00:08:05,440 --> 00:08:07,080
그야말로 황금기였죠.
It's the golden era.

146
00:08:07,080 --> 00:08:12,334
VR 헤드셋, 스트리밍을 위해
극도로 최적화된 지연시간,
All right, VR headsets, extremely optimized latency for streaming, and these complex rigs that look like medieval torture devices.

147
00:08:12,334 --> 00:08:17,080
그리고 중세 고문기구 같은
복잡한 리그까지 있었죠.

148
00:08:17,080 --> 00:08:21,960
업계의 엄청난 투자, 그리고
그만큼의 고통이었습니다.
You know, so much investment in industry, so much pain and suffering.

149
00:08:21,960 --> 00:08:25,898
그런데도 텔레옵은 로봇
1대당 하루 24시간이라는
And yet, for teleop, it's upper bounded by 24 hours per robot per day, the fundamental physical limit.

150
00:08:25,898 --> 00:08:28,960
근본적인 물리적 한계에 갇혀 있습니다.

151
00:08:28,960 --> 00:08:30,240
아니, 사실 누굴 속이겠습니까?
And actually, who am I kidding?

152
00:08:30,240 --> 00:08:32,320
실제로는 로봇 1대당
하루 3시간에 가깝죠,
It's more like 3 hours per robot per day,

153
00:08:32,320 --> 00:08:34,768
그것도 로봇의 신이 자비로울 때나
and only when the robot god is merciful, because they throw tantrums all the time.

154
00:08:34,768 --> 00:08:37,760
그렇습니다. 로봇들은 늘 떼를 쓰거든요.

155
00:08:37,760 --> 00:08:39,840
그럼 어떻게 하면 더 잘할 수 있을까요?
So, how can we do better?

156
00:08:39,840 --> 00:08:41,520
자, 이건 어떨까요?
Well, how about this?

157
00:08:41,520 --> 00:08:45,760
그냥 로봇 손을 내
손에 착용하는 겁니다.
You just wear the robot hand on your own hand.

158
00:08:45,760 --> 00:08:48,960
이건 UMI(유니버설 머니퓰레이션
인터페이스)라고 하는데,
So, this is called UMI, or universal manipulation interface, and it's a deceptively simple idea.

159
00:08:48,960 --> 00:08:51,960
얼핏 단순해 보이지만 실은
아주 영리한 아이디어입니다.

160
00:08:51,960 --> 00:08:56,520
로봇 액추에이터를 손에 착용하고,
사람이 직접 데이터를 수집하는 거죠,
You wear the robot actuator on your hand and directly collect the data as humans,

161
00:08:56,520 --> 00:09:01,120
로봇 몸체의 나머지
부분은 루프 밖에 두고요.
while getting the rest of the robot body out of the loop.

162
00:09:01,120 --> 00:09:03,964
그래도 UMI는 로봇
데이터 분야에서 아마 역대
Yet, I will say UMI is perhaps one of the greatest papers ever written in robotics data,

163
00:09:03,964 --> 00:09:06,480
최고의 논문 중 하나라고
말하고 싶습니다.

164
00:09:06,480 --> 00:09:09,240
그리고 유니콘 스타트업을
두 개나 낳았죠.
and it spawned two unicorn startups.

165
00:09:09,240 --> 00:09:11,659
왼쪽은 졸스(Joles)가
이 디자인을 개선해서,
On the left hand side is Joles improving this design, so you can wear the gripper here,

166
00:09:11,659 --> 00:09:13,720
여기에 그리퍼를 착용할
수 있게 한 거고,

167
00:09:13,720 --> 00:09:18,680
오른쪽은 선데이(Sunday)가
만든 이 3지 데이터 글러브입니다.
and on the right hand side, Sunday made these three-finger data gloves.

168
00:09:18,680 --> 00:09:21,080
그래서 작년에 저희는 한
걸음 더 나아갔습니다.
So, last year, we took one step further.

169
00:09:21,080 --> 00:09:25,354
5지 덱스터러스 로봇 핸드와
일대일로 매핑되는 이 외골격을
We designed this exoskeleton that has a one-to-one mapping with five-finger dexterous robot hands, and we call it Dex-UMI.

170
00:09:25,354 --> 00:09:28,960
설계했고,
덱스UMI(DexUMI)라고 부릅니다.

171
00:09:28,960 --> 00:09:31,200
실제로 작동하는 모습을 보시죠.
Let's look at it in action.

172
00:09:31,200 --> 00:09:35,600
왼쪽은 인간이 직접 데이터를 수집하는
모습인데, 역시 가장 빠릅니다.
On the left, the human directly collecting the data, always the fastest.

173
00:09:35,600 --> 00:09:38,640
오른쪽은 텔레옵이
얼마나 어려운지 보세요.
On the right, look at how difficult teleop is, right?

174
00:09:38,640 --> 00:09:41,489
여기 저희 팀에서 가장 숙련된 박사과정
The human operator, here one of our most skilled PhDs, he has to align very carefully, right?

175
00:09:41,489 --> 00:09:44,880
오퍼레이터가, 아주
조심스럽게 정렬해야 하죠.

176
00:09:44,880 --> 00:09:46,440
그리고 엄청 느립니다.
And then it's super slow.

177
00:09:46,440 --> 00:09:49,840
게다가 성공률도 아주 낮고요.
Also, the success rate is very low as well.

178
00:09:49,840 --> 00:09:55,200
가운데는 이 외골격을 착용하기만
하면 바로 데이터를 수집합니다.
And in the middle, you just wear this exoskeleton and you collect data directly.

179
00:09:55,200 --> 00:09:58,080
그리고 이 데이터로 로봇
정책을 학습시킵니다.
And we train a robot policy on this data.

180
00:09:58,080 --> 00:10:02,151
여기 보시는 건 텔레옵
데이터를 전혀 쓰지
So, here what you see is a fully autonomous rollout of a policy that's trained on zero teleoperation data.

181
00:10:02,151 --> 00:10:06,400
않고 학습한 정책의 완전
자율 롤아웃입니다.

182
00:10:06,400 --> 00:10:09,514
그래서 로봇 1대당 하루
24시간이라는 저주를 깨고,
So, we're able to break the curse of 24 hours per robot per day and see how happy these robots are.

183
00:10:09,514 --> 00:10:12,520
이 로봇들이 얼마나 행복해하는지
보실 수 있습니다.

184
00:10:12,520 --> 00:10:16,200
더 이상 데이터 수집을 위해 루프
안에 있을 필요가 없으니까요.
Because they no longer need to be in the loop for data collection.

185
00:10:16,200 --> 00:10:18,000
그럼 이게 답일까요?
So, is this the answer?

186
00:10:18,000 --> 00:10:21,720
로보틱스의 스케일링
문제를 해결한 걸까요?
Have we solved scaling for robotics?

187
00:10:21,720 --> 00:10:23,760
여기 테슬라나 웨이모
타시는 분 계신가요?
Anyone driving Tesla or Waymo here?

188
00:10:23,760 --> 00:10:26,000
있으시네요, 그렇죠?
Anyone? Right?

189
00:10:26,000 --> 00:10:30,021
사실 운전하실 때,
여러분은 가장 거대한 물리
You know, when you're driving, you're actually contributing to the biggest physical data flywheel.

190
00:10:30,021 --> 00:10:33,560
데이터 플라이휠에 기여하고 계신 겁니다.

191
00:10:33,560 --> 00:10:36,957
그리고 멋진 건 FSD를
쓰는 동안 전혀 못 느낀다는
And the beauty is you don't even feel it during FSD because the data upload is an ambient process.

192
00:10:36,957 --> 00:10:40,120
거예요, 데이터 업로드가
백그라운드 과정이니까요.

193
00:10:40,120 --> 00:10:41,613
그런데 이런 구식 모캡이나 데이터
Yet, wearing these old mocap or data wearables, it's still cumbersome, right?

194
00:10:41,613 --> 00:10:43,520
웨어러블을 착용하는
건, 여전히 번거롭죠?

195
00:10:43,520 --> 00:10:44,640
거추장스럽습니다.
It's intrusive.

196
00:10:44,640 --> 00:10:48,160
그냥 차를 몰고 출근하는
것만큼 매끄럽지는 않죠.
It's not as seamless as just driving to work.

197
00:10:48,160 --> 00:10:53,000
그래서 FSD에 해당하는
무언가가 필요합니다.
So, we need an FSD equivalent.

198
00:10:53,000 --> 00:10:57,600
데이터 수집이 방해가 되지 않고
배경 속으로 사라져야 합니다.
The data collection needs to get out of the way, fade into the background.

199
00:10:57,600 --> 00:11:01,835
그래야 온갖 삶의 방식과
경제적 가치를 지닌 모든 노동에
So we can capture the full glory of human dexterity across all walks of lives, across all labors of economic value.

200
00:11:01,835 --> 00:11:06,480
걸쳐, 인간의 정교한 손 조작을
온전히 담아낼 수 있으니까요.

201
00:11:06,480 --> 00:11:11,940
그래서 저희는 손 위치 추적이나
촘촘한 언어 주석 같은 세밀한
So, we're going all in on human egocentric videos that come with these detailed annotations, like hand position tracking and dense language annotations.

202
00:11:11,940 --> 00:11:17,560
주석이 달린 인간의 에고센트릭
영상에 완전히 올인하고 있습니다.

203
00:11:17,560 --> 00:11:20,080
에고스케일(EgoScale)을
소개합니다.
Introducing EgoScale.

204
00:11:20,080 --> 00:11:26,520
이 모델 학습의 99.9%가 인간의
에고센트릭 영상을 기반으로 합니다.
Where 99.9% of the training that goes into this is based on human egocentric videos.

205
00:11:26,520 --> 00:11:31,240
그 결과물이 바로, 이 카메라
픽셀에서 22자유도의 매우
And the result is an end-to-end policy that maps directly from the camera pixels here to 22 degrees of freedom high dexterity robot hands.

206
00:11:31,240 --> 00:11:35,960
정교한 로봇 손으로 곧장
매핑하는 엔드투엔드 정책입니다.

207
00:11:35,960 --> 00:11:39,760
지금 보시는 건 완전 자율입니다.
What you see here is fully autonomous.

208
00:11:39,760 --> 00:11:42,924
저희는 로봇 데이터를 단
한 시간도 쓰지 않고, 실제
We pre-train EgoScale on 21K hours of in-the-wild egocentric human data with zero robot data whatsoever.

209
00:11:42,924 --> 00:11:46,087
환경에서 촬영된 2만
1,000시간 분량의 에고센트릭

210
00:11:46,087 --> 00:11:49,360
인간 데이터만으로 EgoScale을
사전학습시켰습니다.

211
00:11:49,360 --> 00:11:54,000
그리고 사전학습 동안, 저희는 이
손 관절과 손목 자세를 예측합니다.
And during pre-training, we predict these hand joints and wrist poses.

212
00:11:54,000 --> 00:11:58,100
그다음 액션 파인튜닝에서는,
50시간 분량의 고정밀
Then, action fine-tuning, we collect only 50 hours of high precision mocap data gloves and 4 hours of teleop.

213
00:11:58,100 --> 00:12:02,200
모캡 데이터 글러브와 4시간의
텔레옵만 수집합니다.

214
00:12:02,200 --> 00:12:04,640
그 텔레옵이 겨우 4시간입니다.
That's 4 hours of teleop.

215
00:12:04,640 --> 00:12:09,320
저희 학습 데이터 구성의
0.1%도 안 됩니다.
Less than 0.1% of our training mix.

216
00:12:09,320 --> 00:12:14,018
이걸로 EgoScale은 카드
분류나 주사기 조작 같은
And with this, EgoScale is able to generalize to these very dexterous tasks like sorting card or manipulating syringe, right?

217
00:12:14,018 --> 00:12:18,560
매우 정교한 작업까지 일반화할
수 있습니다, 그렇죠?

218
00:12:18,560 --> 00:12:20,802
아니면 액체를 옮기는 것도요 — 언젠가는
Or transferring the liquid — you know, someday we might have robot nurses at home.

219
00:12:20,802 --> 00:12:22,840
집에 로봇 간호사가 있을지도 모르죠.

220
00:12:22,840 --> 00:12:25,040
이왕이면 한번 시도해보는 거죠.
Might as well try this.

221
00:12:25,040 --> 00:12:29,479
그리고 이런 작업들에서는,
테스트 시점에 원샷 시연
And for these tasks, it takes only one-shot demonstration at test time to learn different shirt folding strategies.

222
00:12:29,479 --> 00:12:33,760
한 번만으로 다양한 셔츠
개기 전략을 학습합니다.

223
00:12:33,760 --> 00:12:38,229
그리고 아마 이 논문에서 가장
흥미로운 발견은, 저희가
And perhaps the most fascinating finding from the paper is that we discovered this neural scaling law for dexterity.

224
00:12:38,229 --> 00:12:42,400
손 조작의 스케일링 법칙을
발견했다는 점일 겁니다.

225
00:12:42,400 --> 00:12:45,920
사전학습에 투입한 시간과 최적 검증 손실
It's a very clean relationship between the amount of hours we put into pre-training and the optimal validation loss.

226
00:12:45,920 --> 00:12:49,280
사이에 아주 깔끔한 관계가 나타납니다.

227
00:12:49,280 --> 00:12:53,880
사실 이건 깔끔한 로그-선형
수학 방정식입니다.
In fact, it's a clean log-linear mathematical equation.

228
00:12:53,880 --> 00:12:59,040
언어 모델을 위한 최초의 스케일링
법칙이 나온 지 6년 만입니다.
6 years after the original neural scaling law for language models.

229
00:12:59,040 --> 00:13:02,921
자, 이 모든 데이터 전략들을
이 차트에 올려보면,
So, if we put all of these data strategies on this chart, X axis is alignment to the robot hardware, Y axis is scalability.

230
00:13:02,921 --> 00:13:07,080
X축은 로봇 하드웨어와의
정합성, Y축은 확장성입니다.

231
00:13:07,080 --> 00:13:08,520
이런 모습이 됩니다.
This is what it looks like.

232
00:13:08,520 --> 00:13:10,680
텔레옵, 확장성은 가장 낮습니다.
Teleop, the least scalable.

233
00:13:10,680 --> 00:13:14,360
데이터 웨어러블은 수십만
시간까지 갈 수 있고요.
Data wearables, you can go up to hundreds of thousands of hours.

234
00:13:14,360 --> 00:13:18,334
에고센트릭 영상은
FSD처럼 플라이휠을 돌릴
And egocentric video, if we're able to spin the FSD flywheel, easily 10 million hours in the next year or so.

235
00:13:18,334 --> 00:13:22,640
수 있다면 내년쯤 1,000만
시간도 쉽습니다.

236
00:13:22,640 --> 00:13:26,144
여기 선을 하나 그으면,
왼쪽 전부가 바로
And if we draw a line here, everything to the left of this line is the paradigm — sensorized human data.

237
00:13:26,144 --> 00:13:29,800
그 패러다임입니다 —
센서화된 인간 데이터.

238
00:13:29,800 --> 00:13:31,960
자, 몇 가지 예측을 해보겠습니다.
So, let me make a few predictions.

239
00:13:31,960 --> 00:13:37,880
1~2년 안에 텔레옵은 계속 줄어들어
거의 무시할 수준이 될 겁니다.
In the next year or two, we'll see Teleop dropping and dropping to almost negligible amount.

240
00:13:37,880 --> 00:13:40,997
그리고 하드웨어와 용도별로 맞춤 설계된
And then, there will be an ensemble of data wearables custom-designed for different hardware and use cases.

241
00:13:40,997 --> 00:13:44,560
데이터 웨어러블들이
다양하게 등장할 겁니다.

242
00:13:44,560 --> 00:13:49,600
그리고 결국 로보틱스의 주된 데이터원은
에고센트릭 영상이 될 겁니다.
And finally, the main diet for robotics will be egocentric videos.

243
00:13:49,600 --> 00:13:53,520
자, 우리의 오랜 친구 텔레옵을
위해 잠시 묵념하겠습니다.
So, a moment of silence for our dear friend Teleop.

244
00:13:53,520 --> 00:13:54,520
그동안 수고 많았습니다.
You have served us well.

245
00:13:54,520 --> 00:13:55,840
편히 잠들기를.
Rest in peace.

246
00:13:55,840 --> 00:13:59,080
센서화된 인간 데이터 만세.
Long live sensorized human data.

247
00:13:59,080 --> 00:14:01,240
자, 데이터 전략은 이걸로 끝일까요?
Are we done with the data strategy yet?

248
00:14:01,240 --> 00:14:04,240
데이터 전략에 원이 두 개
그려진 거 눈치채셨나요?
Did you notice I put two rings on data strategy?

249
00:14:04,240 --> 00:14:06,760
그럼 바깥쪽 원은 뭘까요?
What's the outer ring here?

250
00:14:06,760 --> 00:14:11,046
오래된 곳이든 프론티어
연구소든, 이제 강화학습용 코딩
All the old and frontier labs have spent significant budget now on acquiring millions of coding environments to do reinforcement learning.

251
00:14:11,046 --> 00:14:15,760
환경을 수백만 개 확보하는 데
상당한 예산을 쓰고 있습니다.

252
00:14:15,760 --> 00:14:17,200
로보틱스도 마찬가지입니다.
So, robotics is the same.

253
00:14:17,200 --> 00:14:20,720
환경을 시급히 스케일업해야 합니다.
We're in urgent need to scale up environments.

254
00:14:20,720 --> 00:14:25,560
물론 실제 로봇에서 직접
강화학습을 할 수도 있죠.
And of course, you can always do reinforcement learning directly on the real robot.

255
00:14:25,560 --> 00:14:28,490
저희 연구실에서는 RL로 특정 태스크를
So, in our lab, we use RL to push certain tasks to almost 100% success rate.

256
00:14:28,490 --> 00:14:31,560
거의 100% 성공률까지 끌어올렸습니다.

257
00:14:31,560 --> 00:14:35,240
그래서 몇 시간이고 끊임없이
실행할 수 있습니다.
So you can do these continuous execution for hours on end.

258
00:14:35,240 --> 00:14:39,400
로봇들이 알아서 GPU를 조립하는
모습을 보면 묘하게 힐링됩니다.
You know, it's kind of therapeutic to see these robots assembling GPUs just by themselves.

259
00:14:39,400 --> 00:14:45,660
현자의 말을 빌리자면, "잘했어,
이 작업은 제 보스가 승인했어."
Or, as a wise man would say, "Good boy, this task has been approved by my boss."

260
00:14:45,960 --> 00:14:49,275
하지만 예전 방식대로
하면 로봇 100만 대가
Yet, we can't get to 1 million environments because that would require 1 million robots if you do it the previous way.

261
00:14:49,275 --> 00:14:53,120
필요하니, 100만 개
환경에는 도달할 수 없습니다.

262
00:14:53,120 --> 00:14:55,120
그러니 더 나은 방법이 필요합니다.
So, we need a better way.

263
00:14:55,120 --> 00:14:58,920
자, 예를 들어 아이폰으로
사진을 한 장 찍는다고 해보죠,
Here, let's say you take an iPhone picture,

264
00:14:58,920 --> 00:15:01,972
이 3D 월드 스캔
파이프라인에 통과시키면
and you can pass it through this 3D world scan pipeline to extract all the objects,

265
00:15:01,972 --> 00:15:04,360
모든 오브젝트를 추출할 수 있고,

266
00:15:04,360 --> 00:15:10,080
그걸 다시 클래식 물리 시뮬레이터
안에 자동으로 합성해 넣습니다.
and then automatically synthesize them again inside a classical physics simulator.

267
00:15:10,080 --> 00:15:14,120
그래서 스캔 후에는 이 오브젝트들이
실제로 전부 상호작용 가능해집니다.
So, all these objects are actually interactive after the scan.

268
00:15:14,120 --> 00:15:18,079
그리고 시뮬레이션 안에서 이걸
무한히 증강할 수 있는데,
And then, you can augment this infinitely in simulation with variations that we call digital cousins.

269
00:15:18,079 --> 00:15:21,400
저희는 이 변형들을 디지털
커즌이라고 부릅니다.

270
00:15:21,400 --> 00:15:26,640
그러니까 이제 아이폰이 사실상
포켓 월드 스캐너가 되는 겁니다.
So now, iPhone basically become a pocket world scanner.

271
00:15:26,640 --> 00:15:29,600
저희는 이 과정을
리얼-투-심-투-리얼이라고 부르는데,
In this process that we call real to sim to real,

272
00:15:29,600 --> 00:15:32,464
이런 식으로 물리 세계를 디지털 세계로
and in this way, we have a scalable way to port the physical world into the digital world.

273
00:15:32,464 --> 00:15:35,600
이식하는 확장 가능한
방법을 갖게 됩니다.

274
00:15:35,600 --> 00:15:39,400
하지만 이 방법은 여전히 클래식
그래픽스 엔진에 의존합니다.
But still this method relies on a classical graphics engine.

275
00:15:39,400 --> 00:15:41,240
더 잘할 수는 없을까요?
Can we do better?

276
00:15:41,240 --> 00:15:44,520
드림 도조(Dream
Dojo)를 소개합니다.
Introducing Dream Dojo.

277
00:15:44,520 --> 00:15:47,911
저희가 비디오 월드
모델을 재해석해, 완전한
So, it's our spin on video world model and turning them into full-fledged neural simulators.

278
00:15:47,911 --> 00:15:51,160
뉴럴 시뮬레이터로
탈바꿈시킨 결과물입니다.

279
00:15:51,160 --> 00:15:55,500
Dream Dojo는 이런
연속적인 액션 신호를 입력으로
Dream Dojo takes as input these continuous action signals and outputs the next RGB frames as well as sensor states in real time.

280
00:15:55,500 --> 00:16:00,400
받아, 실시간으로 다음 RGB
프레임과 센서 상태를 출력합니다.

281
00:16:00,400 --> 00:16:03,600
지금 보시는 픽셀 중 실제인
건 단 하나도 없습니다.
Not a single pixel you see here is real.

282
00:16:03,600 --> 00:16:06,860
그리고 Dream Dojo는
순수하게 데이터 기반
And Dream Dojo is able to capture and learn the mechanics of different robots through a purely data-driven approach.

283
00:16:06,860 --> 00:16:10,240
방식으로 여러 로봇의 역학을
포착하고 학습해냅니다.

284
00:16:10,240 --> 00:16:16,200
이 과정에는 물리 방정식도, 그래픽스
엔진도 전혀 관여하지 않습니다.
There's no physics equation, no graphics engine involved in this process.

285
00:16:16,200 --> 00:16:21,093
그래서 로보틱스의 새로운 사후학습
패러다임은, 소수의 실제
So, the new post-training paradigm for robotics is a massively parallel RL system that runs on a few real robot stations,

286
00:16:21,093 --> 00:16:25,680
로봇 스테이션에서 돌아가는
대규모 병렬 RL 시스템과,

287
00:16:25,680 --> 00:16:29,316
월드 스캔을 처리하는 다수의
그래픽스 코어, 그리고 월드
a bunch of graphics cores running world scans, and heavy inference compute running world models.

288
00:16:29,316 --> 00:16:32,600
모델을 구동하는 방대한 추론
컴퓨트로 이루어집니다.

289
00:16:32,600 --> 00:16:38,800
달리 말해, 이 방정식대로 이제 컴퓨트가
곧 환경이고, 곧 데이터입니다.
Or, as this equation goes, compute now equals environment now equals data.

290
00:16:38,800 --> 00:16:43,200
혹은, 어느 현자의 말을 빌리자면,
많이 살수록, 많이 아끼는 겁니다.
Or, as a wise man would say, the more you buy, the more you save.

291
00:16:43,200 --> 00:16:47,400
그리고 이 메시지는 제
보스의 승인을 받았습니다.
And this message has been approved by my boss.

292
00:16:47,400 --> 00:16:48,320
자, 여기까지입니다.
So, that's it.

293
00:16:48,320 --> 00:16:52,839
정리하자면, 이게 바로 로보틱스가
따라갈 위대한 평행입니다.
Putting it together, the great parallel that robotics will follow.

294
00:16:52,839 --> 00:16:54,960
그리고 이건 지금 이
순간에도 일어나고 있습니다.
And it's happening as we speak.

295
00:16:54,960 --> 00:16:59,560
우리는 지금 엔드게임의
시작을 보고 있는 겁니다.
And we're looking at the beginning of the end game.

296
00:16:59,560 --> 00:17:03,160
문명(Civilization)이라는
비디오 게임 해보셨나요?
You guys play the video game Civilization?

297
00:17:03,160 --> 00:17:05,199
지금도 제가 제일 좋아하는 게임입니다.
Still my favorite.

298
00:17:05,199 --> 00:17:08,390
저는 제 연구를 문명 테크 트리의
I like to think of my research as unlocking game achievements on the civilizational technology tree.

299
00:17:08,390 --> 00:17:12,291
업적을 해금하는 것으로 생각하곤 합니다.

300
00:17:12,291 --> 00:17:17,839
로보틱스 쪽에는 해금할 업적이 세
개 더 남아 있고, 그러면 끝입니다.
And there are three more achievements to unlock for robotics, and then we're done.

301
00:17:17,839 --> 00:17:20,959
그럼 저는 은퇴할 수
있는데, 정말 기다려지네요.
I can retire, and I can't wait for that.

302
00:17:20,959 --> 00:17:25,040
첫 번째는 피지컬 튜링
테스트를 통과하는 것입니다.
The first is passing the physical Turing test.

303
00:17:25,040 --> 00:17:29,597
다양한 활동에서,
인간이 하는 일과 로봇이
Across a wide range of activities, you cannot tell the difference between a human doing a task or a robot doing it.

304
00:17:29,597 --> 00:17:33,560
하는 일을 구별할 수 없어야 합니다.

305
00:17:33,560 --> 00:17:37,600
아마 취한 사람은 빼고요, 아시죠.
Maybe not drunk humans, but you know.

306
00:17:37,600 --> 00:17:40,380
피지컬 튜링 테스트는 단위 에너지 입력
Physical Turing test is about unit energy in and unit labor out.

307
00:17:40,380 --> 00:17:43,160
대비 단위 노동 출력에 관한 것입니다.

308
00:17:43,160 --> 00:17:47,880
이 로봇의 섹시한 포즈만 봐도, 저희가
할 일이 많다는 걸 알 수 있죠.
And just by judging at the sexy pose of this robot, I think the work is cut out for us.

309
00:17:47,880 --> 00:17:51,120
그러니 아마 2~3년
정도 남았을 겁니다.
So, maybe it's 2 to 3 years away.

310
00:17:51,120 --> 00:17:53,480
다음은 피지컬 API입니다.
And next, physical API.

311
00:17:53,480 --> 00:17:57,331
로봇 함대 전체를 다른
소프트웨어와 마찬가지로
You have a whole fleet of robots, and they can be configured just like any other software using APIs and command lines,

312
00:17:57,331 --> 00:18:00,720
API와 커맨드라인으로 구성할 수 있고,

313
00:18:00,720 --> 00:18:04,160
언젠가는 Opus 9.0이
이를 지휘하게 될 겁니다.
orchestrated someday by Opus 9.0.

314
00:18:04,160 --> 00:18:07,023
이 피지컬 API가 있으면,
소등 공장(lights-out
And if we have this physical API, we'll be able to realize lights-out factories.

315
00:18:07,023 --> 00:18:09,080
factory)을
실현할 수 있을 겁니다.

316
00:18:09,080 --> 00:18:11,920
이는 본질적으로 원자를
찍어내는 프린터입니다.
Those are essentially printers of atoms.

317
00:18:11,920 --> 00:18:15,670
마크다운 파일로 된
설계도를 입력받아, 완전히
They take as input design in markdown files, and then output fully assembled products, completely autonomous.

318
00:18:15,670 --> 00:18:19,120
조립된 제품을 완전
자율적으로 출력합니다.

319
00:18:19,120 --> 00:18:23,278
혹은 화학, 생물학, 의학 분야의
Or these wet labs that automate scientific discoveries in chemistry, biology, and medicine.

320
00:18:23,278 --> 00:18:28,360
과학적 발견을 자동화하는 웻랩도 있고요.

321
00:18:28,360 --> 00:18:31,400
그리고 마지막 정거장은
피지컬 오토 리서치입니다.
And the final stop, physical auto research.

322
00:18:31,400 --> 00:18:35,920
로봇이 인간의 능력을 훨씬
뛰어넘어, 스스로 다음
When the robots start to design, improve, and build the next iteration of themselves, far beyond what's humanly possible.

323
00:18:35,920 --> 00:18:40,440
세대를 설계하고 개선하고
만들기 시작하는 것이죠.

324
00:18:40,440 --> 00:18:43,640
그럼 이렇게 물으실 수도 있겠죠,
너무 공상과학 아니냐고.
So, you might ask, is this too science fiction?

325
00:18:43,640 --> 00:18:46,920
우리가 살아있는 동안
이걸 볼 수 있겠냐고요.
Like, are we going to see this in our lifetime?

326
00:18:46,920 --> 00:18:55,320
음, AI 커뮤니티가 2012년
알렉스넷의 첫 순전파부터,
Well, it took the AI community 14 years to go from the first forward pass of AlexNet in 2012,

327
00:18:55,320 --> 00:19:00,352
고양이와 개도 겨우 구분하던 모델에서,
에이전틱 AI 리서치를 이야기하는
a model that barely recognized cat versus dog, to AI ascent today, 2026, where we talk about agentic AI research.

328
00:19:00,352 --> 00:19:04,880
오늘, 2026년의 AI 어센트까지
오는 데 14년이 걸렸습니다.

329
00:19:04,880 --> 00:19:06,600
그럼 여기에 14년을 더해보죠.
And let's just add another 14 years.

330
00:19:06,600 --> 00:19:08,600
어떤가요?
How about that?

331
00:19:08,600 --> 00:19:14,160
2026년은 2012년과
2040년의 정확히 중간입니다.
2026 is right in the middle of 2012 and 2040.

332
00:19:14,160 --> 00:19:16,280
그리고 기술은 선형적으로
발전하지 않습니다.
And technology does not advance linearly.

333
00:19:16,280 --> 00:19:19,120
기하급수적으로 발전하죠.
It advances exponentially.

334
00:19:19,120 --> 00:19:25,352
그래서 저는 95% 확신을 갖고
말씀드립니다. 2040년이면
So, I can say with 95% certainty that we'll get to the end of the end game, the end of the technology tree, by 2040.

335
00:19:25,352 --> 00:19:30,640
엔드게임의 끝, 테크 트리의
끝에 도달할 거라고요.

336
00:19:30,640 --> 00:19:34,120
그때도 우리는 여전히 젊을 겁니다.
We'll still be young.

337
00:19:34,120 --> 00:19:38,280
로보틱스를 믿으면, 로보틱스도
여러분을 믿어줄 겁니다.
If you believe in robotics, robotics will believe in you.

338
00:19:38,280 --> 00:19:42,312
이 자리에 앉아 계신
우리 모두, 저는 우리
And to all of us here, sitting here, I think our generation was born too late to explore the Earth

339
00:19:42,312 --> 00:19:46,680
세대가 너무 늦게 태어나
지구를 탐험하지 못했고

340
00:19:46,680 --> 00:19:50,445
너무 일찍 태어나 별을
탐험하지 못했지만, 로보틱스를
and too early to explore the stars, but we are born just in time to solve robotics.

341
00:19:50,445 --> 00:19:53,560
풀어낼 때에 딱 맞춰
태어났다고 생각합니다.

342
00:19:53,560 --> 00:19:54,078
감사합니다.
Thank you.

343
00:19:54,078 --> 00:19:56,778
(박수)
[applause]