The incredible inventions of intuitive AI | Maurice Conti

Translator: Leslie Gauthier Reviewer: Camille Martínez

번역: Joo Young Moon 검토: yongkyu lee

How many of you are creatives,

이 자리에 크리에이터나

designers, engineers, entrepreneurs, artists,

디자이너, 엔지니어,기업가, 예술가

or maybe you just have a really big imagination?

풍부한 상상력을 가진 분이 있다면

Show of hands? (Cheers)

손을 들어 보세요.

That's most of you.

거의 다군요.

I have some news for us creatives.

그러한 여러분에게 전해드릴 소식이 있습니다.

Over the course of the next 20 years,

지금으로부터 20년 동안

more will change around the way we do our work

지난 2000년간 인간이 일했던 방식의 변화보다

than has happened in the last 2,000.

더 많은 변화가 있을 것입니다.

In fact, I think we're at the dawn of a new age in human history.

저는 인류사에 새로운 시대의 새벽이 왔다고 봅니다.

Now, there have been four major historical eras defined by the way we work.

인간이 일하는 방식으로 크게 네 시대로 나눌 수 있습니다.

The Hunter-Gatherer Age lasted several million years.

수렵과 채집의 시대는 수백만 년간 지속됐죠.

And then the Agricultural Age lasted several thousand years.

그 다음엔 농경 시대가 수천 년간 지속됐으며

The Industrial Age lasted a couple of centuries.

산업 시대는 수 세기간 이어졌습니다.

And now the Information Age has lasted just a few decades.

그리고 정보 시대는 몇십 년간 지속되고 있습니다.

And now today, we're on the cusp of our next great era as a species.

오늘날 우리는 한 종으로서 그 다음 위대한 시대의 시작에 있어요.

Welcome to the Augmented Age.

증강의 시대에 오신 것을 환영합니다.

In this new era, your natural human capabilities are going to be augmented

이 새로운 시대에서는 인간의 사고를 돕는

by computational systems that help you think,

컴퓨터 시스템을 통해 인간의 자연 능력이 증강될 겁니다.

robotic systems that help you make,

로봇 시스템은 제작을 도우며

and a digital nervous system

디지털 신경계는

that connects you to the world far beyond your natural senses.

타고난 자연적인 감각너머의 세계와 여러분을 연결할 것입니다.

Let's start with cognitive augmentation.

인식의 증강부터 시작하죠.

How many of you are augmented cyborgs?

여러분 중 몇 분이 증강된 사이보그일까요?

(Laughter)

(웃음 소리)

I would actually argue that we're already augmented.

전 인간이 이미 증강됐다고 주장할 테니까요.

Imagine you're at a party,

파티에 갔다고 상상하면

and somebody asks you a question that you don't know the answer to.

누군가 당신이 답을 알지 못하는 질문을 했을때

If you have one of these, in a few seconds, you can know the answer.

이것만 있다면 몇 초 만에 답을 알 수 있습니다.

But this is just a primitive beginning.

하지만 이는 겨우 시작일 뿐입니다.

Even Siri is just a passive tool.

심지어 'Siri'조차도 수동적인 도구에 지나지 않습니다.

In fact, for the last three-and-a-half million years,

사실 지난 350만 년 동안

the tools that we've had have been completely passive.

인류가 사용했던 도구는 완벽하게 수동적 이었습니다.

They do exactly what we tell them and nothing more.

그것은 인간의 명확한 지시 없이는 아무것도 하지 못했습니다.

Our very first tool only cut where we struck it.

최초의 도구는 인간이 정한 지점만 잘라냈죠.

The chisel only carves where the artist points it.

예술가의 의도 없이 끌은 조각도 못 하죠.

And even our most advanced tools do nothing without our explicit direction.

가장 진보한 도구조차도 인간의 지시 없이는 아무것도 못 합니다.

In fact, to date, and this is something that frustrates me,

사실 오늘날까지 문자 그대로 인간이 항상 손으로

we've always been limited

심지어 컴퓨터도 의도를 가지고

by this need to manually push our wills into our tools --

일일히 누르거나 해야 한다는

like, manual, literally using our hands,

한계를 항상 가진다는 것은

even with computers.

저에게 실망감을 줍니다

But I'm more like Scotty in "Star Trek."

전 스타 트렉의 Scotty처럼

(Laughter)

(웃음 소리)

I want to have a conversation with a computer.

컴퓨터와 대화하고 싶습니다.

I want to say, "Computer, let's design a car,"

"자동차를 디자인해 보자"라고 컴퓨터에 말하면

and the computer shows me a car.

컴퓨터가 자동차를 보여 주고

And I say, "No, more fast-looking, and less German,"

"더 빠르게 좀 덜 독일제처럼"이라고 하면

and bang, the computer shows me an option.

컴퓨터가 제게 선택지를 제시하는 것처럼요.

(Laughter)

(웃음 소리)

That conversation might be a little ways off,

위에서 언급한 대화는

probably less than many of us think,

많은 분들의 생각과는 거리가 있지만

but right now,

지금 우리는 이런 것을

we're working on it.

연구하고 있습니다.

Tools are making this leap from being passive to being generative.

시키는 것만 가능했던 도구에서 생산적인 것으로 변화 중입니다.

Generative design tools use a computer and algorithms

생산적인 디자인 도구는 기하학적 구조를 다루는

to synthesize geometry

컴퓨터와 알고리즘을 사용하여

to come up with new designs all by themselves.

스스로 새로운 디자인을 만듭니다.

All it needs are your goals and your constraints.

여러분이 가진 목표와 제약만 알려주면 됩니다.

I'll give you an example.

예들 들어보면

In the case of this aerial drone chassis,

'무인 항공기 차대'를 원하는 경우

all you would need to do is tell it something like,

이렇게 말하면 됩니다.

it has four propellers,

4개의 프로펠러를 가지면서

you want it to be as lightweight as possible,

가능한 가볍고

and you need it to be aerodynamically efficient.

공기역학적으로 효율적인 것을 원한다.

Then what the computer does is it explores the entire solution space:

컴퓨터는 모든 해결 가능한 방법들을 탐색하고

every single possibility that solves and meets your criteria --

수백만개의 해법들이 여러분의 기준에 맞는지

millions of them.

맞춰 볼 것입니다.

It takes big computers to do this.

이러한 작업을 커다란 컴퓨터가 담당합니다.

But it comes back to us with designs

하지만 우리에게 돌아오는 결과는

that we, by ourselves, never could've imagined.

우리는 상상도 못 했던 디자인이죠.

And the computer's coming up with this stuff all by itself --

그리고 컴퓨터가 제안한 것은

no one ever drew anything,

아무도 그려본 적 없고

and it started completely from scratch.

완전히 무에서부터 시작된 것입니다.

And by the way, it's no accident

그리고 무인 항공기 몸체가

that the drone body looks just like the pelvis of a flying squirrel.

날다람쥐의 골반처럼 생긴 것은 우연이 아닙니다.

(Laughter)

(웃음 소리)

It's because the algorithms are designed to work

진화와 동일한 방식으로 작동하도록

the same way evolution does.

알고리즘을 설계했기 때문이죠.

What's exciting is we're starting to see this technology

현실에서 이러한 기술의 시작을 보는 것은

out in the real world.

매우 설레는 일입니다.

We've been working with Airbus for a couple of years

지난 몇년간 저희는 'Airbus`와 협력하여

on this concept plane for the future.

미래 지향적인 비행기를 연구중이지만

It's a ways out still.

여전히 제자리걸음입니다.

But just recently we used a generative-design AI

하지만 최근 인공지능을 이용하여

to come up with this.

다음과 같은 결과를 얻었습니다.

This is a 3D-printed cabin partition that's been designed by a computer.

이것은 컴퓨터가 디자인한 것을 3D 프린터로 출력한 칸막이입니다.

It's stronger than the original yet half the weight,

기존의 것보다 더 튼튼하나 무게는 절반입니다.

and it will be flying in the Airbus A320 later this year.

그리고 올해 말쯤 Airbus A320에 탑재될 예정입니다.

So computers can now generate;

컴퓨터는 이제 잘 정의된 문제에

they can come up with their own solutions to our well-defined problems.

스스로 해법을 찾아낼 수 있습니다.

But they're not intuitive.

하지만 직관적이지는 않습니다.

They still have to start from scratch every single time,

컴퓨터들은 학습한 적이 없기에

and that's because they never learn.

매번 완전히 무로부터 작업합니다.

Unlike Maggie.

Maggie는 다릅니다.

(Laughter)

(웃음 소리)

Maggie's actually smarter than our most advanced design tools.

Maggie는 현재 제일 진보한 도구들보다 똑똑합니다.

What do I mean by that?

무슨 의미일까요?

If her owner picks up that leash,

Maggie는 주인이 목줄을 들면

Maggie knows with a fair degree of certainty

이제 산책을 할 시간이라는 것을

it's time to go for a walk.

정확하게 알거든요.

And how did she learn?

어떻게 아는 것일까요?

Well, every time the owner picked up the leash, they went for a walk.

아마 목줄을 들었을 때마다 함께 산책했기 때문일 것입니다.

And Maggie did three things:

Maggie는 세 가지를 했습니다.

she had to pay attention,

그녀는 집중했고

she had to remember what happened

무슨일이 일어났는지 기억했고

and she had to retain and create a pattern in her mind.

기억을 유지하면서 머릿속에 그 패턴을 만들었죠.

Interestingly, that's exactly what

흥미롭게도 그 과정은 컴퓨터 과학자들이

computer scientists have been trying to get AIs to do

60년 혹은 그보다 더 오랫동안 인공 지능에

for the last 60 or so years.

적용하려 한 것과 정확히 일치합니다.

Back in 1952,

1952년에 과학자들은

they built this computer that could play Tic-Tac-Toe.

'틱택토' 게임을 할 수 있는 컴퓨터를 설계했는데요.

Big deal.

대단하네요.

Then 45 years later, in 1997,

그 후 45년이 지난 1997년엔

Deep Blue beats Kasparov at chess.

Deep Blue는 체스에서 Kasparov를 이겼죠.

2011, Watson beats these two humans at Jeopardy,

2011년 Watson은 컴퓨터로선 체스보다 더 많이 어려운

which is much harder for a computer to play than chess is.

Jeopardy에서 두 사람을 이겼습니다.

In fact, rather than working from predefined recipes,

사실 미리 설정된 방안을 사용하기보다는

Watson had to use reasoning to overcome his human opponents.

Watson이 인간을 뛰어넘으려면 추론을 해야 했죠.

And then a couple of weeks ago,

그리고 몇 주 전에

DeepMind's AlphaGo beats the world's best human at Go,

DeepMind의 AlphaGo는 세계에서 제일 어려운 게임중 하나인

which is the most difficult game that we have.

바둑에서 세계 최고수를 이겼습니다.

In fact, in Go, there are more possible moves

사실 바둑은 우주에 있는 원자들보다

than there are atoms in the universe.

더 많은 경우의 수를 가지고 있습니다.

So in order to win,

그래서 이기기 위해서는

what AlphaGo had to do was develop intuition.

AlphaGo가 직관을 가지도록 개발해야 했습니다.

And in fact, at some points, AlphaGo's programmers didn't understand

사실은 일부 수는 AlphaGo의 프로그래머들조차도

why AlphaGo was doing what it was doing.

AlphaGo가 왜 그렇게 했는지 이해 못 했다고 합니다.

And things are moving really fast.

모든것이 빠르게 변하고 있습니다.

I mean, consider -- in the space of a human lifetime,

사람의 생애와 같은 시간안에

computers have gone from a child's game

컴퓨터가 아이들의 게임기에서

to what's recognized as the pinnacle of strategic thought.

전략적 사고의 정점으로 인식되는 상황까지 왔습니다.

What's basically happening

무슨 일이 일어난 것이냐면

is computers are going from being like Spock

Spock 같은 상태의 컴퓨터가 점점 더 Kirk처럼 되어가는

to being a lot more like Kirk.

상황이라고 할 수 있습니다.

(Laughter)

(웃음 소리)

Right? From pure logic to intuition.

순수한 논리로부터 직관으로 이어지는 것입니다.

Would you cross this bridge?

이 다리를 건너시겠습니까?

Most of you are saying, "Oh, hell no!"

대부분이 "싫어요"라고 하시겠죠.

(Laughter)

(웃음 소리)

And you arrived at that decision in a split second.

결정을 내리는 것은 순간이었을 것입니다.

You just sort of knew that bridge was unsafe.

여러분은 다리가 위험한 것을 아니까요.

And that's exactly the kind of intuition

그것이 바로 우리가 개발을 시작한

that our deep-learning systems are starting to develop right now.

딥러닝 시스템이 가진 직관의 일종입니다.

Very soon, you'll literally be able

가까운 시일내에

to show something you've made, you've designed,

여러분이 만들거나 디자인한 것을

to a computer,

컴퓨터에게 보여주면

and it will look at it and say,

이렇게 말할 것입니다.

"Sorry, homie, that'll never work. You have to try again."

'미안한데 작동을 하지 않아 다시 해 봐'

Or you could ask it if people are going to like your next song,

내가 만든 노래를 사람들이 좋아할지를 묻거나

or your next flavor of ice cream.

아이스크림의 향도 요청할 수 있을 겁니다.

Or, much more importantly,

또는 매우 중요한 일로

you could work with a computer to solve a problem

이전에 만나지 못했던 문제를 해결하기 위해

that we've never faced before.

컴퓨터로 작업할 수 있습니다.

For instance, climate change.

예를 들어 기후 변화 문제는

We're not doing a very good job on our own,

인간의 힘만으론 풀지 못하니까

we could certainly use all the help we can get.

도움받을 수 있는 모든 것을 총동원할 수 있죠.

That's what I'm talking about,

제가 말하고자 하는 것은

technology amplifying our cognitive abilities

기술은 우리의 인지력을 증폭시킬 수 있고

so we can imagine and design things that were simply out of our reach

그런 기술이 없던 시대의 사람들이 하지 못했던 것을

as plain old un-augmented humans.

상상하고 디자인할 수 있도록 합니다.

So what about making all of this crazy new stuff

그럼 인간이 고안하고 디자인한 새로운 것들을

that we're going to invent and design?

모조리 만들면 어떨까요?

I think the era of human augmentation is as much about the physical world

저는 인간 증강 시대가 가상적이고 지적인 영역만큼이나

as it is about the virtual, intellectual realm.

현실 세계와도 관련이 깊다고 생각합니다.

How will technology augment us?

어떻게 기술이 인간을 증강시킬까요?

In the physical world, robotic systems.

현실 세계에서는 로봇 시스템이 있죠.

OK, there's certainly a fear

우리는 로봇들이

that robots are going to take jobs away from humans,

일자리를 뺏을 것을 두려워 하고 있는데

and that is true in certain sectors.

몇몇 분야에서는 그럴 것입니다.

But I'm much more interested in this idea

하지만 흥미로운 점도 있습니다.

that humans and robots working together are going to augment each other,

인간과 로봇이 함께 작업하는 것이 서로를 증강시키며

and start to inhabit a new space.

새로운 세상에서 살기 시작할 것입니다.

This is our applied research lab in San Francisco,

이곳은 샌프란시스코에 있는 응용 연구소로서

where one of our areas of focus is advanced robotics,

그곳에서 우리 관심분야 중의 하나는 차세대 로봇인데

specifically, human-robot collaboration.

특별히 인간과 로봇의 협업입니다.

And this is Bishop, one of our robots.

이건 우리의 로봇 중 하나인 'Bishop'이죠.

As an experiment, we set it up

실험적으로 공사장에서

to help a person working in construction doing repetitive tasks --

벽에 콘센트나 전등 스위치의 구멍을 내는 것 같이

tasks like cutting out holes for outlets or light switches in drywall.

반복적인 일을 하는 사람을 돕기 위해 Bishop을 만들었습니다.

(Laughter)

(웃음 소리)

So, Bishop's human partner can tell what to do in plain English

Bishop의 인간 파트너가 개한테 하는 것처럼

and with simple gestures,

간단한 영어나 몸짓으로

kind of like talking to a dog,

무엇을 해야 할지 지시하면

and then Bishop executes on those instructions

Bishop은 그 지시를

with perfect precision.

완벽하게 수행하죠.

We're using the human for what the human is good at:

우리는 인간을 이용하여 인간의 장점인

awareness, perception and decision making.

인식과 지각 그리고 의사결정을 합니다.

And we're using the robot for what it's good at:

로봇을 이용하여 로봇의 장점인

precision and repetitiveness.

정밀도와 반복은 수행합니다.

Here's another cool project that Bishop worked on.

여기 또 다른 멋진 프로젝트가 있습니다.

The goal of this project, which we called the HIVE,

HIVE라는 이 프로젝트의 목표는

was to prototype the experience of humans, computers and robots

인간과 컴퓨터 그리고 로봇이 함께

all working together to solve a highly complex design problem.

매우 복잡한 문제를 풀기 위한 시범 경험을 만드는 것입니다.

The humans acted as labor.

인간은 노동자의 역할입니다.

They cruised around the construction site, they manipulated the bamboo --

그들은 공사 현장을 돌아다니면서 대나무를 다뤘습니다.

which, by the way, because it's a non-isomorphic material,

대나무는 동일한 형태가 아니어서

is super hard for robots to deal with.

로봇이 다루기에는 매우 어렵습니다.

But then the robots did this fiber winding,

로봇들은 섬유를 감는 작업을 했는데

which was almost impossible for a human to do.

인간에게 거의 불가능한 일이죠.

And then we had an AI that was controlling everything.

그리고 모든 것을 통제하기 위하여 인공지능을 사용했습니다.

It was telling the humans what to do, telling the robots what to do

인공지능은 인간과 로봇이 무엇을 해야 할지 알려 주고

and keeping track of thousands of individual components.

계속하여 수천 개의 개별 구성 요소를 추적했죠.

What's interesting is,

흥미로운 점은

building this pavilion was simply not possible

이 임시 구조물을 세우는 일은 인간과 로봇 그리고 인공지능이

without human, robot and AI augmenting each other.

서로를 증강시키지 않고서는 불가능하다는 것입니다.

OK, I'll share one more project. This one's a little bit crazy.

약간 미친 짓 같지만 또 다른 프로젝트도 있습니다.

We're working with Amsterdam-based artist Joris Laarman and his team at MX3D

우리는 Amsterdam에서 활동하는 예술가인 Joris Laarman 및 그의 팀과

to generatively design and robotically print

함께 MX3D에서 디자인을 만들고 로봇으로 출력하여

the world's first autonomously manufactured bridge.

세계 최초로 다리를 스스로 만드는 작업을 하고 있습니다.

So, Joris and an AI are designing this thing right now, as we speak,

말씀드린 대로 지금 Amsterdam에서 Joris와 인공 지능이

in Amsterdam.

디자인하고 있습니다.

And when they're done, we're going to hit "Go,"

그들이 작업을 완료해서 우리가 Go버튼을 누르면

and robots will start 3D printing in stainless steel,

로봇은 스테인리스 스틸로 3D 프린팅을 시작할 것입니다.

and then they're going to keep printing, without human intervention,

그들은 인간의 개입 없이 다리가 완성될 때까지

until the bridge is finished.

출력을 계속할 겁니다.

So, as computers are going to augment our ability

이렇게 컴퓨터는 새로운 것을 상상하고 디자인 하도록

to imagine and design new stuff,

우리의 능력을 증강시킬 것이고

robotic systems are going to help us build and make things

로봇 시스템은 전에는 인간이 만들 수 없었던 것을

that we've never been able to make before.

만들고 짓도록 도울 텐데요.

But what about our ability to sense and control these things?

하지만 인간이 이러한 것을 판단하고 제어하는 능력은 어떤가요?

What about a nervous system for the things that we make?

우리가 만든 것들을 위한 신경계은 어떨까요?

Our nervous system, the human nervous system,

우리의 신경계, 인간의 신경계은

tells us everything that's going on around us.

우리 주변에서 일어난 모든 것을 파악합니다.

But the nervous system of the things we make is rudimentary at best.

하지만 우리가 만든 것들의 신경계은 이제 시작입니다.

For instance, a car doesn't tell the city's public works department

예를 들어 자동차가 도시의 공공 사업국에다

that it just hit a pothole at the corner of Broadway and Morrison.

어디의 길모퉁이 도로에 움푹 팬 곳이 있단 말을 못 하고

A building doesn't tell its designers

건물은 디자이너에게 그 안에 있는 사람들이

whether or not the people inside like being there,

좋아하는지 아닌지 말하진 않거든요.

and the toy manufacturer doesn't know

그리고 장난감 제조 업체는

if a toy is actually being played with --

장난감을 실제로 갖고 노는 대상이

how and where and whether or not it's any fun.

언제 어디서 즐겁게 혹은 재미없게 노는지 알지 못합니다.

Look, I'm sure that the designers imagined this lifestyle for Barbie

보세요, 분명히 디자이너는 바비 인형을 디자인할 때

when they designed her.

이런 삶을 상상했겠죠.

(Laughter)

(웃음 소리)

But what if it turns out that Barbie's actually really lonely?

하지만 바비 인형이 현실에선 이렇게 외롭게 있다면서요?

(Laughter)

(웃음 소리)

If the designers had known

디자이너들이 현실에서

what was really happening in the real world

그들이 디자인한 도로와 건물과 바비에게

with their designs -- the road, the building, Barbie --

무슨 일이 일어났는지 알면

they could've used that knowledge to create an experience

그 정보를 사용자에게 더 나은 것을 만들기 위해서

that was better for the user.

사용할 수도 있겠죠.

What's missing is a nervous system

부족한 부분은 신경계로서

connecting us to all of the things that we design, make and use.

우리가 디자인하고 만들고 사용하는 것을 모두 연결하는 신경계입니다.

What if all of you had that kind of information flowing to you

만일 여러분 모두가 여러분이 만든 것에 대한 충분한 정보를

from the things you create in the real world?

가지고 있다면 어떨까요?

With all of the stuff we make,

우리가 만드는 모든 것들에서

we spend a tremendous amount of money and energy --

수많은 시간과 에너지가 사용됩니다.

in fact, last year, about two trillion dollars --

작년에 약 2조 달러가

convincing people to buy the things we've made.

제품을 사도록 소비자를 설득하는데 사용되었습니다.

But if you had this connection to the things that you design and create

하지만 만일 당신이 디자인하고 만든 것이 현실 세계에 출시된 후라도

after they're out in the real world,

신경 시스템과 연결된다면

after they've been sold or launched or whatever,

그것들이 팔린 후나 출시하는 시점이나 언제라도.

we could actually change that,

우리는 그것을 바꿀 수도 있고

and go from making people want our stuff,

제품을 소비자가 원하도록 만드는 것에서

to just making stuff that people want in the first place.

처음부터 소비자가 원하는 것을 만들게 될 것입니다.

The good news is, we're working on digital nervous systems

희소식은 지금 개발 중인 디지털 신경계가

that connect us to the things we design.

우리를 디자인한 것들과 연결해 준다는 겁니다.

We're working on one project

저희는 현재 LA에서

with a couple of guys down in Los Angeles called the Bandito Brothers

Bandito형제 및 그의 팀과 함께 프로젝트를 하나

and their team.

진행중입니다.

And one of the things these guys do is build insane cars

그들이 만든 것 중 하나로 광란의 질주를 하는 차가 있는데

that do absolutely insane things.

제정신이 아니에요.

These guys are crazy --

그들은 미쳤죠.

(Laughter)

(웃음 소리)

in the best way.

그게 최선이겠지만요.

And what we're doing with them

저희가 진행한 일은

is taking a traditional race-car chassis

전통적인 경주차의 차대에

and giving it a nervous system.

신경계를 제공한 것입니다.

So we instrumented it with dozens of sensors,

그래서 수십 개의 센서를 달고

put a world-class driver behind the wheel,

세계적인 수준의 운전자를 태워

took it out to the desert and drove the hell out of it for a week.

사막으로 가서 일주일간 사정없이 달렸습니다.

And the car's nervous system captured everything

자동차의 신경계는 자동차에서 일어나는 모든 일을

that was happening to the car.

저장했습니다.

We captured four billion data points;

우리는 차에 가해진 모든 힘들을 포함한

all of the forces that it was subjected to.

40억개의 데이터를 얻었습니다.

And then we did something crazy.

그 후 정신 나간 짓 같지만

We took all of that data,

우리는 모든 데이터를 모아서

and plugged it into a generative-design AI we call "Dreamcatcher."

디자인을 하는 인공 지능인 'Dreamcatcher'에 넣었습니다.

So what do get when you give a design tool a nervous system,

그렇게 우리는 신경계를 디자인 도구에게 주었고

and you ask it to build you the ultimate car chassis?

최고로 좋은 차대를 만들라고 요청했다면 어떻게 될까요?

You get this.

이것을 얻을 수 있습니다.

This is something that a human could never have designed.

이는 이전에 인간이 한 번도 디자인하지 않았던 것입니다.

Except a human did design this,

인간이 한 디자인을 제외하고

but it was a human that was augmented by a generative-design AI,

디자인을 만드는 인공 지능으로 증강된 인간이 한 겁니다.

a digital nervous system

디지털 신경계와

and robots that can actually fabricate something like this.

로봇은 실제로 이런 것을 제작할 수 있습니다.

So if this is the future, the Augmented Age,

만일 이것이 미래이고, 증강 시대라면,

and we're going to be augmented cognitively, physically and perceptually,

우리는 인지적, 육체적, 지각적으로 증강될 것이고

what will that look like?

그러면 무엇처럼 보일까요?

What is this wonderland going to be like?

그런 세상은 이렇지 않을까요?

I think we're going to see a world

제 생각에는 우리는 이제

where we're moving from things that are fabricated

물건을 제작하는 것에서 물건을 키우는 것으로 옮겨가는

to things that are farmed.

세상을 볼 것입니다.

Where we're moving from things that are constructed

건설하는 것에서 성장하는 것으로

to that which is grown.

옮겨갈 것입니다.

We're going to move from being isolated

고립된 것에서 연결되는 것으로

to being connected.

이동할 것입니다.

And we'll move away from extraction

그리고 또한 추출하는 것에서

to embrace aggregation.

축적하는 방향으로 나아갈 겁니다.

I also think we'll shift from craving obedience from our things

또한 주변의 사물에 지시하기보다는 자율성에 가치를 두는 쪽으로

to valuing autonomy.

변할 것입니다.

Thanks to our augmented capabilities,

인간의 능력이 증강하는 것에 감사하고

our world is going to change dramatically.

우리의 세상은 극적인 변화를 맞이할 겁니다.

We're going to have a world with more variety, more connectedness,

세상은 더욱 다양해지고 더욱 연결되며

more dynamism, more complexity,

더욱 역동적이면서 더욱 복잡해질 것이고

more adaptability and, of course,

더욱 수용적일 것이면서 당연스럽게

more beauty.

더 아름다울 것입니다.

The shape of things to come

앞으로 다가올 모습은

will be unlike anything we've ever seen before.

이전의 어떤 것과도 다를 것입니다.

Why?

왜 그럴까요?

Because what will be shaping those things is this new partnership

새로운 세상의 모습은 기술과 자연와 인간 사이의

between technology, nature and humanity.

새로운 협력 관계 덕분입니다.

That, to me, is a future well worth looking forward to.

저에겐 기대할 만한 가치가 충분한 미래입니다.

Thank you all so much.

감사합니다.

(Applause)

(박수 소리)