How AI can bring on a second Industrial Revolution | Kevin Kelly

Translator: Leslie Gauthier Reviewer: Camille Martínez

번역: SeoBin Yoon 검토: keun_young Lee

I'm going to talk a little bit about where technology's going.

오늘 저는 기술이 어떤 방향으로 가고 있는지에 대해 얘기해볼까 합니다.

And often technology comes to us,

흔히, 기술을 처음 접할 때

we're surprised by what it brings.

우리는 기술이 가져다 주는 것에 대해 놀라곤 합니다.

But there's actually a large aspect of technology

하지만 사실 기술의 대부분은

예측이 가능합니다.

that's much more predictable,

and that's because technological systems of all sorts have leanings,

이는 모든 종류의 기술 시스템이 각각의 성향을 가지기 때문입니다.

기술마다 긴급한 부분이 있고

they have urgencies,

they have tendencies.

일정한 경향성을 띄기 마련입니다.

And those tendencies are derived from the very nature of the physics,

그리고 그런 경향들은 물리학의 본질이나

chemistry of wires and switches and electrons,

선과 스위치 간의 화학 ,그리고 전자등으로부터 유래되고

and they will make reoccurring patterns again and again.

이는 반복되는 패턴을 끊임없이 만들어냅니다.

And so those patterns produce these tendencies, these leanings.

그래서 그 패턴들은 경향성과 성향을 만듭니다.

You can almost think of it as sort of like gravity.

여러분은 이를 중력과 비슷하다고 생각할 수 있습니다.

Imagine raindrops falling into a valley.

계곡에 빗방울 떨어지는 모습을 상상해보세요.

The actual path of a raindrop as it goes down the valley

계곡을 내려가는 빗방울의 실제 경로는

is unpredictable.

예측할 수 없습니다.

We cannot see where it's going,

우리는 그들이 어디로 가는지 알 수 없지만

but the general direction is very inevitable:

대략적인 방향은 필연적입니다.

it's downward.

바로 아래 쪽이지요.

And so these baked-in tendencies and urgencies

이처럼 기술 시스템에 내장된

in technological systems

경향성과 촉발성은

우리에게 사건이 대략적으로 어떻게 진행되는지에 대해 알려줍니다.

give us a sense of where things are going at the large form.

그래서 크게 봤을 때

So in a large sense,

I would say that telephones were inevitable,

전화기의 발명은 필연적이었다고 봅니다.

그러나 아이폰은 아니었죠.

but the iPhone was not.

인터넷의 발명도 필연적이었지만

The Internet was inevitable,

but Twitter was not.

트위터는 아니었습니다.

그래서 현재 여러 흐름이 존재하는데

So we have many ongoing tendencies right now,

and I think one of the chief among them

저는 그 중에 가장 중요한 것이

is this tendency to make things smarter and smarter.

끊임없이 더욱 더 지능적 으로 고도화되는 경향성입니다.

그것을 'cognification' 이라 합니다. 제가 붙인 겁니다.

I call it cognifying -- cognification --

also known as artificial intelligence, or AI.

이 것은 인공지능 혹은 AI라고도 불립니다.

그리고 저는 이것이 앞으로 20년 동안 우리 사회 가장 영향력있는

And I think that's going to be one of the most influential developments

and trends and directions and drives in our society in the next 20 years.

발전이자 유행, 그리고 방향과 추동력이라고 생각합니다.

물론, 이미 큰 영향을 미치고 있습니다.

So, of course, it's already here.

우리는 이미 인공지능을 갖고 있어요.

We already have AI,

and often it works in the background,

이들은 주로 보이지 않는 곳에서 일하지요.

in the back offices of hospitals,

병원 사무실 뒷편에서

where it's used to diagnose X-rays better than a human doctor.

X선을 의사보다 더 잘 진단합니다.

또한 법률사무소에서

It's in legal offices,

where it's used to go through legal evidence

법적 증거 검토를

인간 준법률가보다 훨씬 잘 수행하죠.

better than a human paralawyer.

It's used to fly the plane that you came here with.

AI는 여러분이 타고 온 비행기 를 띄우기 위해서도 사용됩니다.

실제 조종사는 사실 7분에서 8분 정도 밖에 운전하지 않고

Human pilots only flew it seven to eight minutes,

the rest of the time the AI was driving.

그 외는 모두 AI가 운행합니다.

And of course, in Netflix and Amazon,

그리고 주지하듯 넷플릭스나 아마존에선

it's in the background, making those recommendations.

뒤에서 활동하며 추천을 많이 합니다.

That's what we have today.

그게 바로 오늘날의 AI입니다.

And we have an example, of course, in a more front-facing aspect of it,

너무나 대표적이고 당연한 예시로는

with the win of the AlphaGo, who beat the world's greatest Go champion.

세계 최고의 바둑 선수를 이긴 알파고가 있습니다.

But it's more than that.

하지만 그것이 다가 아닙니다.

If you play a video game, you're playing against an AI.

만약 비디오 게임을 한다면, 여러분은 인공지능을 상대로 게임 하는 겁니다.

But recently, Google taught their AI

하지만 최근에 구글에서 인공지능에게

to actually learn how to play video games.

비디오 게임 하는 법을 배우도록 가르쳤습니다.

Again, teaching video games was already done,

다시 말하자면 비디오 게임 자체 를 가르치는 건 기성취되었지만

but learning how to play a video game is another step.

비디오 게임 하는 법을 배우는 것은 한걸음 더 나아간 것 입니다.

That's artificial smartness.

그것이 바로 인공적인 총명입니다.

What we're doing is taking this artificial smartness

우리가 지금 하고있는것은 이 인공적인 총명을 가지고

더 똑똑하게 만드는 것 입니다.

and we're making it smarter and smarter.

There are three aspects to this general trend

저는 요즘의 트렌드에서 세 가지 부분이

that I think are underappreciated;

과소평과 되고있다고 생각합니다.

I think we would understand AI a lot better

우리가 이 세가지를 이해한다면

if we understood these three things.

인공지능에 대하여 더 잘 이해하게 될것입니다.

I think these things also would help us embrace AI,

또한, 이것들은 우리가 인공지능 을 수용하는데 도움을 줄것입니다.

because it's only by embracing it that we actually can steer it.

왜냐하면 인공지능을 받아들여야만 그를 진정으로 조종할 수 있으니까요.

We can actually steer the specifics by embracing the larger trend.

더 큰 추세를 받아들임으로써 세부적인 측면까지 조종할 수 있을 것입니다.

So let me talk about those three different aspects.

그 때문에 이 세가지 측면에 대해 설명을 해보겠습니다.

The first one is: our own intelligence has a very poor understanding

첫 번째, 우리의 지능은 지능이 무엇인지에 대해

제대로 이해하고 있지 못하다는 점입니다.

of what intelligence is.

우리는 지능이라는 것을 1차원으로 생각하기 쉽상이어서

We tend to think of intelligence as a single dimension,

that it's kind of like a note that gets louder and louder.

마치 음표소리가 점점 커져 가는 것과 비슷하게 생각합니다.

It starts like with IQ measurement.

대표적인 예시로 IQ 검사가 있습니다.

It starts with maybe a simple low IQ in a rat or mouse,

쥐의 아마 간단하고 낮은 아이큐부터 시작해서

and maybe there's more in a chimpanzee,

침팬지는 더 높을것이고

and then maybe there's more in a stupid person,

그리고 바보는 아마 그것 보다 높을 것으로 추측합니다.

저와 같은 평균적인 사람이 그 다음

and then maybe an average person like myself,

and then maybe a genius.

그리고 다음은 천재일 겁니다.

And this single IQ intelligence is getting greater and greater.

단수의 지능이 점점 복수의 IQ로 증가한다는 것은

That's completely wrong.

사실 완전히 틀린 관념입니다.

That's not what intelligence is -- not what human intelligence is, anyway.

그건 지능이 아닙니다. 물론 인간이 지닌 지능은 아니죠.

It's much more like a symphony of different notes,

지능은 단일음계가 아니라 다양한 인지의 악기가 연주하는

and each of these notes is played on a different instrument of cognition.

많은 음표의 교향곡과 더 유사합니다.

There are many types of intelligences in our own minds.

우리 안에는 다양한 유형의 지능이 존재합니다.

We have deductive reasoning,

연역 추리능력

we have emotional intelligence,

정서 지능

we have spatial intelligence;

공간 감각 등이 있죠.

we have maybe 100 different types that are all grouped together,

우리 안에는 대략 100가지도 넘는 유형의 지능이 함께 묶여 있고

and they vary in different strengths with different people.

이는 다양하게 나타나 사람마다 다른 장점을 가집니다.

And of course, if we go to animals, they also have another basket --

동물들의 경우도 마찬가지로 그 그릇의 지능내용이 다르고

another symphony of different kinds of intelligences,

다른 종류의 지능을 가진 다른 교향곡을 갖고 있을 것이고

and sometimes those same instruments are the same that we have.

몇몇 악기는 우리와 같은 것이겠죠.

They can think in the same way, but they may have a different arrangement,

같은 방식으로 생각을 하지만 다른 방식으로 배열할 수도 있고

and maybe they're higher in some cases than humans,

어쩌면 특정 부분에서는 사람보다 더 똑똑할 수도 있습니다.

예를들어 마치 다람쥐의 장기기억력은 천재에 가까워서

like long-term memory in a squirrel is actually phenomenal,

so it can remember where it buried its nuts.

어디 먹이를 파묻었나 기억하는데 쓰입니다.

But in other cases they may be lower.

그러나 다른 부분에서는 사람보다 낮을 수도 있습니다.

When we go to make machines,

우리는 기계를 만들 때

we're going to engineer them in the same way,

기계를 이런 방법으로 제작하려 합니다.

where we'll make some of those types of smartness much greater than ours,

우리보다 훨씬 더 높은 차원의 지능을 가지도록 하지만

and many of them won't be anywhere near ours,

그 지능의 수준은 대부분 인간보다 훨씬 못합니다.

because they're not needed.

이는 그것들이 필요하지 않기 때문이죠.

So we're going to take these things,

따라서 우리는 이런 것을 염두에 두고

these artificial clusters,

즉, 이 인공적 클러스터를 고려해서

and we'll be adding more varieties of artificial cognition to our AIs.

인공지능에 더 다양한 종류의 인지력을 추가해야합니다.

We're going to make them very, very specific.

우리는 이를 아주 구체적으로 만들어야 합니다.

So your calculator is smarter than you are in arithmetic already;

그래서 여러분의 계산기는 여러분의 산수능력보다 이미 더 똑똑하죠.

GPS는 우리보다 훨씬 길을 잘 찾고

your GPS is smarter than you are in spatial navigation;

Google, Bing, are smarter than you are in long-term memory.

구글과 빙은 우리보다 훨씬 긴 장기기억을 가집니다.

And we're going to take, again, these kinds of different types of thinking

우리는 이런 생각을 또 다시 다른 유형에도 적용할수 있습니다.

and we'll put them into, like, a car.

예를 들어 자동차가 있습니다.

The reason why we want to put them in a car so the car drives,

우리가 인공지능을 차 안에 넣어 차가 스스로 운전하게 하고자 하는 이유는

is because it's not driving like a human.

차가 인간처럼 운전하지 않는다는 점 때문입니다.

It's not thinking like us.

차는 우리처럼 생각을 하지 않습니다.

That's the whole feature of it.

이게 차의 특징입니다.

It's not being distracted,

즉, 다른 것에 정신이 분산 되지 않는다는 것입니다.

it's not worrying about whether it left the stove on,

가스레인지를 켜고 나왔는지

or whether it should have majored in finance.

혹은 금융 전공을 할지 말지 등에 고민하지 않고

그냥 운전만 합니다.

It's just driving.

(Laughter)

(웃음)

Just driving, OK?

그냥 운전만이요! 알겠나요?

And we actually might even come to advertise these

그리고 우리는 이런 특징을 광고할수도 있습니다!

as "consciousness-free."

"생각이 없다"는 식으로요.

They're without consciousness,

그들은 자각이 없고

they're not concerned about those things,

그런 종류의 걱정을 하지 않으며

they're not distracted.

다른 것에 정신이 팔리지 않습니다.

So in general, what we're trying to do

이처럼 대부분의 경우에서 우리가 하려는 것은

is make as many different types of thinking as we can.

우리가 할 수 있는 생각의 다양한 형태를 모두 만드는 겁니다.

We're going to populate the space

우리는 가능한 모든 형태, 종류의 다양한 생각들의

of all the different possible types, or species, of thinking.

영역을 모두 데이터화 해야 합니다.

사실 몇몇 문제들은

And there actually may be some problems

that are so difficult in business and science

과학적으로 힘들거나 혹은 시장현실에 맞지 않아

인간의 사고력만으로는 풀 수 없을 수도 있습니다.

that our own type of human thinking may not be able to solve them alone.

그래서 2단계의 프로그램이 필요할 것입니다.

We may need a two-step program,

먼저 새로운 종류의 생각을 창조해내

which is to invent new kinds of thinking

that we can work alongside of to solve these really large problems,

우리가 함께 이 큰 문제를 풀어가는 것입니다.

say, like dark energy or quantum gravity.

예를들어, 암흑물질과 양자중력처럼요.

What we're doing is making alien intelligences.

이런 작업은 외계지성체를 만드는 것과 다를바가 없습니다.

아마 여러분께 이 일을 외계인처럼

You might even think of this as, sort of, artificial aliens

in some senses.

낯설게 느낄수도 있어요.

And they're going to help us think different,

그리고 이는 우리가 다르게 사고할 수 있도록 도와줄것입니다.

because thinking different is the engine of creation

색다른 생각은 창조의 엔진이자

and wealth and new economy.

부와 경제의 새로운 시작을 열게 하니까요.

The second aspect of this is that we are going to use AI

이어서 두 번째 측면은 우리가 2차 산업혁명을 발생시키기 위해

to basically make a second Industrial Revolution.

인공지능을 사용하는 것입니다.

제1차 산업혁명은 우리가 소위 인공적인 힘이라는걸

The first Industrial Revolution was based on the fact

that we invented something I would call artificial power.

만들었다는 사실에 기반을 뒀습니다.

Previous to that,

이전에는

즉, 농업 혁명동안은

during the Agricultural Revolution,

모든 것이 사람의 노동력으로 만들어졌야 했습니다.

everything that was made had to be made with human muscle

or animal power.

아니면 동물의 힘으로요.

That was the only way to get anything done.

어떠한 목적이든지 인간과 동물의 육체적 노동은 불가피했습니다.

The great innovation during the Industrial Revolution was,

산업혁명 동안 일어난 혁신적인 변화는

we harnessed steam power, fossil fuels,

우리가 증기기관과 화석연료를 사용해

to make this artificial power that we could use

인간이 원했던 모든 것에 쓸 수 있는

to do anything we wanted to do.

인공적인 힘을 만들었다는 겁니다.

So today when you drive down the highway,

그래서 오늘날 여러분이 고속도로 주행시

you are, with a flick of the switch, commanding 250 horses --

단순히 스위치를 만지는 것으로 250마리의 말의 지휘효과를 가집니다.

250 마력은

250 horsepower --

which we can use to build skyscrapers, to build cities, to build roads,

고층 건물을 짓고 도시를 세우며 도로를 닦는데 쓸 수 있고

to make factories that would churn out lines of chairs or refrigerators

의자나 냉장고를 만드는 공장들이 돌아가게 만드는,

way beyond our own power.

인간을 한참 넘어서는 힘입니다.

And that artificial power can also be distributed on wires on a grid

그리고 이런 인공적인 힘은

모든 집과, 공장, 농가 등으로 그리드상에서 분배됩니다.

to every home, factory, farmstead,

and anybody could buy that artificial power,

누구나 인공적인 힘을 플러그를 꼽기만 하면 살 수 있습니다.

just by plugging something in.

So this was a source of innovation as well,

그래서 이는 혁신의 근원이었습니다.

because a farmer could take a manual hand pump,

왜냐하면 농부가 수동식 펌프에

and they could add this artificial power, this electricity,

이 인공적인 힘, 바로 전기를 적용하여

and he'd have an electric pump.

자동식 펌프를 가질 수 있으니까요.

And you multiply that by thousands or tens of thousands of times,

이런 경우가 몇 천, 몇 만번 반복되고

and that formula was what brought us the Industrial Revolution.

그렇게 생기는 공식이 우리를 산업혁명으로 이끌었습니다.

All the things that we see, all this progress that we now enjoy,

우리가 보는 모든것과 우리가 즐기는 모든 과정은

has come from the fact that we've done that.

우리가 그를 해냈다는 사실로부터 비롯됩니다.

We're going to do the same thing now with AI.

우리는 인공지능의 경우 에도 이를 적용해볼수 있습니다.

We're going to distribute that on a grid,

배전망을 통해 인공지능을 분배하여

여러분은 인공적인 힘이 더해진 자동펌프에

and now you can take that electric pump.

You can add some artificial intelligence,

인공적인 지능을 더할 수 있습니다.

and now you have a smart pump.

그렇다면 여러분은 스마트 펌프를 가질수 있죠.

And that, multiplied by a million times,

그리고 다시 이를 수 없이 반복하여

is going to be this second Industrial Revolution.

제 2차 산업혁명으로 나아갈 것입니다.

So now the car is going down the highway,

그에 따라서, 이제 고속도로를 달리는 차는

it's 250 horsepower, but in addition, it's 250 minds.

250 마력에다가 250개의 생각까지 갖춘

바로 자동주행 자동차가 되겠지요.

That's the auto-driven car.

It's like a new commodity;

이건 거의 새로운 상품입니다.

it's a new utility.

새로운 용도이니까요.

The AI is going to flow across the grid -- the cloud --

인공지능은 이제 상공이라는 새로운 길을 따라

in the same way electricity did.

전기가 그랬듯 퍼져나갈 것입니다.

So everything that we had electrified,

그럼으로써 전기로 작동하던 모든 것을

we're now going to cognify.

인공지능화(cognify)할 것입니다.

And I would suggest, then,

그리고 예언하건데,

미래에 많은 스타트업 사업의 시작을 열 공식은

that the formula for the next 10,000 start-ups

is very, very simple,

매우 간결합니다.

변수 x에 인공지능을 더하는 것이죠.

which is to take x and add AI.

이게 공식이고 바로 우리가 할 일입니다.

That is the formula, that's what we're going to be doing.

And that is the way in which we're going to make

이를 통해 우리는

this second Industrial Revolution.

2차 산업혁명을 일으킬 수 있습니다.

그나저나, 여러분은 지금 당장, 바로 여기서

And by the way -- right now, this minute,

you can log on to Google

구글에 로그인 해서

and you can purchase AI for six cents, 100 hits.

인공지능을 6센트에 100번 쓸 수 있습니다.

That's available right now.

이게 지금 당장 가능 한 거란 말이죠.

So the third aspect of this

이에 대한 세 번째 측면은

is that when we take this AI and embody it,

우리가 인공지능을 구체화시키고

로봇을 만들었을 때입니다.

we get robots.

And robots are going to be bots,

로봇은 수족이 될 것이고

they're going to be doing many of the tasks that we have already done.

그들은 우리가 했던 일들을 하게 되죠.

A job is just a bunch of tasks,

직업은 일의 뭉텅이이기 때문에

so they're going to redefine our jobs

로봇은 우리의 직업에 대한 개념을 재정립할겁니다.

because they're going to do some of those tasks.

그들이 바로 그 일을 맡게 될 것이기 때문이죠.

But they're also going to create whole new categories,

한편, 로봇은 우리가 전에는 원했는지조차 몰랐던

a whole new slew of tasks

일의 완전히 새로운 종류, 또 완전히 새로운 업무를

that we didn't know we wanted to do before.

만들어 낼 것입니다.

They're going to actually engender new kinds of jobs,

즉, 로봇의 탄생은 새로운 직업군과

new kinds of tasks that we want done,

인간이 달성하고 싶어할 과제를 새롭게 만들어낼 것입니다.

마치 자동화된 기기가 과거에는

just as automation made up a whole bunch of new things

that we didn't know we needed before,

필요했는지 조차도 몰랐던 것들을 만들어 냈고

and now we can't live without them.

이제는 우리가 그들 없이는 살 수 없는 것처럼요.

그래서 로봇들은 그들이 차지한 직업보다 더 많은 직업을 양상해 낼 것입니다.

So they're going to produce even more jobs than they take away,

그러나 중요한 점은 우리가 그들에게 할당하는 업무들의 대부분이

but it's important that a lot of the tasks that we're going to give them

are tasks that can be defined in terms of efficiency or productivity.

효율성과 생산성이라는 가치로 정의될수 있다는 것입니다.

If you can specify a task,

만약 당신이 일을 구체적으로 설명할수 있다면

either manual or conceptual,

육체적 노동이든 정신적 노동이든

that can be specified in terms of efficiency or productivity,

그 일은 효율성과 생산성의 관점에서

that goes to the bots.

로봇이 대신 할 수 있는 것으로 분류 될 수 있습니다.

Productivity is for robots.

생산성은 로봇의 몫이라는 겁니다.

What we're really good at is basically wasting time.

우리가 로봇보다 훨씬 잘하는 건 소위 시간을 낭비하는 것일테니까요.

(웃음)

(Laughter)

실제로 우리는 비효율적인 걸 잘합니다.

We're really good at things that are inefficient.

Science is inherently inefficient.

과학은 본질적으로 비효율적이죠.

It runs on that fact that you have one failure after another.

과학은 여러 번 실패했다는 점에 기반합니다.

It runs on the fact that you make tests and experiments that don't work,

여러분이 성공하지 못한 실험과 시험을 했다는 사실에 근거합니다.

otherwise you're not learning.

그렇지 않다면, 새로운 걸 배울 수 없습니다.

It runs on the fact

과학은 이처럼 효율성이 많이 부족하다는

that there is not a lot of efficiency in it.

점에 기반을 둡니다.

Innovation by definition is inefficient,

혁신을 정의하자면 바로 비효율일 겁니다.

because you make prototypes,

왜냐하면 여러분은 시제품을 만들 것이고

실패하거나 작동하지 않을 무언가를 시도해보겠죠.

because you try stuff that fails, that doesn't work.

Exploration is inherently inefficiency.

모험도 근본적 비효율성을 가집니다.

예술도 효율적이지 않아요.

Art is not efficient.

Human relationships are not efficient.

인간관계 또한 효율적이지 못합니다.

These are all the kinds of things we're going to gravitate to,

이런 것들은 우리가 자연스럽게 끌리는 일들입니다.

because they're not efficient.

바로 그들이 비효율적이기 때문입니다.

Efficiency is for robots.

효율성은 인간이 아니라 로봇들에게 중요한 것이죠.

We're also going to learn that we're going to work with these AIs

우리는 앞으로 이 인공지능들과 함께 일해야 하는 것에 대해 배워야합니다.

because they think differently than us.

그들은 우리보다 다르게 생각하니까요.

딥 블루가 세계 제일의 체스 챔피언에게 이겼을 때

When Deep Blue beat the world's best chess champion,

people thought it was the end of chess.

사람들은 그것이 체스의 끝이라고 생각했습니다.

But actually, it turns out that today, the best chess champion in the world

하지만 실제로는, 요즘 세계제일의 체스 챔피언은

is not an AI.

인공지능이 아닙니다.

And it's not a human.

인간도 아닙니다.

바로 인공지능과 인간의 팀이죠.

It's the team of a human and an AI.

The best medical diagnostician is not a doctor, it's not an AI,

제일의 의료분석가는 의사도 아니고 인공지능도 아닌

it's the team.

바로 의사와 인공지능의 팀입니다.

우리는 앞으로 이런 인공지능들과 일하게 될 겁니다.

We're going to be working with these AIs,

and I think you'll be paid in the future

그리고 여러분이 미래에 얼마나 로봇과 일을 잘 할수 있는지에 따라

by how well you work with these bots.

연봉이 결정될거라고 생각합니다.

저의 세번째 포인트는 바로 이겁니다. 그들이 다르다는 것.

So that's the third thing, is that they're different,

they're utility

그들은 도구예요.

and they are going to be something we work with rather than against.

그래서 그들은 우리가 적대심을 가지는 게 아니라 함께 할 존재입니다.

We're working with these rather than against them.

우리는 그들을 거부하지 않고 함께 일하려고 해야합니다.

So, the future:

그래서 미래에는

Where does that take us?

이 미래에 우리는 어떻게 될까요?

I think that 25 years from now, they'll look back

저는 25년 후에 지금을 돌아봤을 때

and look at our understanding of AI and say,

인공지능에 대한 우리의 이해를 보곤 이런 말을 할 거라고 생각합니다.

"You didn't have AI. In fact, you didn't even have the Internet yet,

"너희는 AI를 가지고 있지 않아. 솔직히 말하자면 너희가 가진 건

앞으로 25년 간 있을 것에 비하면 인터넷 정도도 안돼."

compared to what we're going to have 25 years from now."

There are no AI experts right now.

지금 당장은 인공지능 전문가가 단 하나도 없습니다.

There's a lot of money going to it,

현재 많은 돈이 인공지능에 쓰이고 있어요.

there are billions of dollars being spent on it;

수십억 달러쯤은 투자되고 있는

it's a huge business,

매우 큰 사업이죠.

하지만, 20년 후와 비교하면 전문가라고 할만한게 없죠.

but there are no experts, compared to what we'll know 20 years from now.

그래서 우리는 지금 정말 아주 초기 단계에 있습니다.

So we are just at the beginning of the beginning,

we're in the first hour of all this.

이 모든것의 시작점에 있는 것이죠.

우리는 인터넷의 시작점에 있고.

We're in the first hour of the Internet.

앞으로 닥쳐올 것의 시작점에 있습니다.

We're in the first hour of what's coming.

The most popular AI product in 20 years from now,

20년 후 모두가 사용하고 있을

that everybody uses,

가장 영향력있는 인공지능은

has not been invented yet.

아직은 발명되지 않았습니다.

That means that you're not late.

그건 여러분이 늦지 않았단 걸 뜻합니다.

Thank you.

감사합니다.

(Laughter)

(웃음)

(Applause)

(박수)