TEDxPortland
Maurice Conti: The incredible inventions of intuitive AI
모리스 콘티 (Maurice Conti): 직관적 인공 지능의 놀라운 발명
Filmed:
Readability: 4.6
6,173,221 views
디자인 작업 도구에 디지털 신경계를 접목하면 무엇을 얻을 수 있을까요?
그러한 컴퓨터라면 인간의 사고력과 상상력을 향상시킬 것이며 로봇 시스템은 교량, 자동차, 무인 항공기 등의 급진적이며 신선한 디자인을 모두 다 자율적으로 제시할 수 있습니다. 미래 학자 Maurice Conti와 함께 '증강 시대'를 둘러보시고 로봇만으로 그리고 인간만으론 할 수 없는 작업을 인간과 로봇이 함께 어우러져 수행하는 모습도 미리 보시죠.
Maurice Conti - Designer, futurist
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio
Maurice Conti explores new partnerships between technology, nature and humanity. Full bio
Double-click the English transcript below to play the video.
00:12
How many of you are creatives,
0
735
2289
이 자리에 크리에이터나
00:15
designers, engineers,
entrepreneurs, artists,
entrepreneurs, artists,
1
3048
3624
디자이너, 엔지니어,기업가, 예술가
00:18
or maybe you just have
a really big imagination?
a really big imagination?
2
6696
2387
풍부한 상상력을 가진 분이 있다면
00:21
Show of hands? (Cheers)
3
9107
1848
손을 들어 보세요.
00:22
That's most of you.
4
10979
1181
거의 다군요.
00:25
I have some news for us creatives.
5
13334
2294
그러한 여러분에게
전해드릴 소식이 있습니다.
전해드릴 소식이 있습니다.
00:28
Over the course of the next 20 years,
6
16714
2573
지금으로부터 20년 동안
00:33
more will change around
the way we do our work
the way we do our work
7
21471
2973
지난 2000년간
인간이 일했던 방식의 변화보다
인간이 일했던 방식의 변화보다
00:37
than has happened in the last 2,000.
8
25382
2157
더 많은 변화가 있을 것입니다.
00:40
In fact, I think we're at the dawn
of a new age in human history.
of a new age in human history.
9
28511
4628
저는 인류사에 새로운 시대의
새벽이 왔다고 봅니다.
새벽이 왔다고 봅니다.
00:45
Now, there have been four major historical
eras defined by the way we work.
eras defined by the way we work.
10
33645
4761
인간이 일하는 방식으로
크게 네 시대로 나눌 수 있습니다.
크게 네 시대로 나눌 수 있습니다.
00:51
The Hunter-Gatherer Age
lasted several million years.
lasted several million years.
11
39404
3275
수렵과 채집의 시대는
수백만 년간 지속됐죠.
수백만 년간 지속됐죠.
00:55
And then the Agricultural Age
lasted several thousand years.
lasted several thousand years.
12
43163
3576
그 다음엔 농경 시대가
수천 년간 지속됐으며
수천 년간 지속됐으며
00:59
The Industrial Age lasted
a couple of centuries.
a couple of centuries.
13
47195
3490
산업 시대는
수 세기간 이어졌습니다.
수 세기간 이어졌습니다.
01:02
And now the Information Age
has lasted just a few decades.
has lasted just a few decades.
14
50709
4287
그리고 정보 시대는
몇십 년간 지속되고 있습니다.
몇십 년간 지속되고 있습니다.
01:07
And now today, we're on the cusp
of our next great era as a species.
of our next great era as a species.
15
55020
5220
오늘날 우리는 한 종으로서
그 다음 위대한 시대의 시작에 있어요.
그 다음 위대한 시대의 시작에 있어요.
01:13
Welcome to the Augmented Age.
16
61296
2680
증강의 시대에
오신 것을 환영합니다.
오신 것을 환영합니다.
01:16
In this new era, your natural human
capabilities are going to be augmented
capabilities are going to be augmented
17
64000
3693
이 새로운 시대에서는
인간의 사고를 돕는
인간의 사고를 돕는
01:19
by computational systems
that help you think,
that help you think,
18
67717
3068
컴퓨터 시스템을 통해
인간의 자연 능력이 증강될 겁니다.
인간의 자연 능력이 증강될 겁니다.
01:22
robotic systems that help you make,
19
70809
2186
로봇 시스템은 제작을 도우며
01:25
and a digital nervous system
20
73019
1648
디지털 신경계는
01:26
that connects you to the world
far beyond your natural senses.
far beyond your natural senses.
21
74691
3690
타고난 자연적인 감각너머의 세계와
여러분을 연결할 것입니다.
여러분을 연결할 것입니다.
01:31
Let's start with cognitive augmentation.
22
79437
1942
인식의 증강부터 시작하죠.
01:33
How many of you are augmented cyborgs?
23
81403
2200
여러분 중 몇 분이
증강된 사이보그일까요?
증강된 사이보그일까요?
01:36
(Laughter)
24
84133
2650
(웃음 소리)
01:38
I would actually argue
that we're already augmented.
that we're already augmented.
25
86807
2821
전 인간이 이미 증강됐다고
주장할 테니까요.
주장할 테니까요.
01:42
Imagine you're at a party,
26
90288
1504
파티에 갔다고 상상하면
01:43
and somebody asks you a question
that you don't know the answer to.
that you don't know the answer to.
27
91816
3520
누군가 당신이 답을
알지 못하는 질문을 했을때
알지 못하는 질문을 했을때
01:47
If you have one of these,
in a few seconds, you can know the answer.
in a few seconds, you can know the answer.
28
95360
3760
이것만 있다면
몇 초 만에 답을 알 수 있습니다.
몇 초 만에 답을 알 수 있습니다.
01:51
But this is just a primitive beginning.
29
99869
2299
하지만 이는 겨우 시작일 뿐입니다.
01:54
Even Siri is just a passive tool.
30
102863
3331
심지어 'Siri'조차도
수동적인 도구에 지나지 않습니다.
수동적인 도구에 지나지 않습니다.
01:58
In fact, for the last
three-and-a-half million years,
three-and-a-half million years,
31
106660
3381
사실 지난 350만 년 동안
02:02
the tools that we've had
have been completely passive.
have been completely passive.
32
110065
3109
인류가 사용했던 도구는
완벽하게 수동적 이었습니다.
완벽하게 수동적 이었습니다.
02:06
They do exactly what we tell them
and nothing more.
and nothing more.
33
114203
3655
그것은 인간의 명확한
지시 없이는 아무것도 하지 못했습니다.
지시 없이는 아무것도 하지 못했습니다.
02:09
Our very first tool only cut
where we struck it.
where we struck it.
34
117882
3101
최초의 도구는 인간이
정한 지점만 잘라냈죠.
정한 지점만 잘라냈죠.
02:13
The chisel only carves
where the artist points it.
where the artist points it.
35
121822
3040
예술가의 의도 없이
끌은 조각도 못 하죠.
끌은 조각도 못 하죠.
02:17
And even our most advanced tools
do nothing without our explicit direction.
do nothing without our explicit direction.
36
125343
5641
가장 진보한 도구조차도
인간의 지시 없이는 아무것도 못 합니다.
인간의 지시 없이는 아무것도 못 합니다.
02:23
In fact, to date, and this
is something that frustrates me,
is something that frustrates me,
37
131008
3181
사실 오늘날까지 문자 그대로
인간이 항상 손으로
인간이 항상 손으로
02:26
we've always been limited
38
134213
1448
심지어 컴퓨터도 의도를 가지고
02:27
by this need to manually
push our wills into our tools --
push our wills into our tools --
39
135685
3501
일일히 누르거나 해야 한다는
02:31
like, manual,
literally using our hands,
literally using our hands,
40
139210
2297
한계를 항상 가진다는 것은
02:33
even with computers.
41
141531
1428
저에게 실망감을 줍니다
02:36
But I'm more like Scotty in "Star Trek."
42
144072
2463
전 스타 트렉의 Scotty처럼
02:38
(Laughter)
43
146559
1850
(웃음 소리)
02:40
I want to have a conversation
with a computer.
with a computer.
44
148433
2146
컴퓨터와 대화하고 싶습니다.
02:42
I want to say, "Computer,
let's design a car,"
let's design a car,"
45
150603
2970
"자동차를 디자인해 보자"라고
컴퓨터에 말하면
컴퓨터에 말하면
02:45
and the computer shows me a car.
46
153597
1539
컴퓨터가 자동차를 보여 주고
02:47
And I say, "No, more fast-looking,
and less German,"
and less German,"
47
155160
2608
"더 빠르게
좀 덜 독일제처럼"이라고 하면
좀 덜 독일제처럼"이라고 하면
02:49
and bang, the computer shows me an option.
48
157792
2163
컴퓨터가 제게 선택지를
제시하는 것처럼요.
제시하는 것처럼요.
02:51
(Laughter)
49
159979
1865
(웃음 소리)
02:54
That conversation might be
a little ways off,
a little ways off,
50
162208
2306
위에서 언급한 대화는
02:56
probably less than many of us think,
51
164538
2665
많은 분들의 생각과는 거리가 있지만
02:59
but right now,
52
167227
1763
지금 우리는 이런 것을
03:01
we're working on it.
53
169014
1151
연구하고 있습니다.
03:02
Tools are making this leap
from being passive to being generative.
from being passive to being generative.
54
170189
4033
시키는 것만 가능했던 도구에서
생산적인 것으로 변화 중입니다.
생산적인 것으로 변화 중입니다.
03:06
Generative design tools
use a computer and algorithms
use a computer and algorithms
55
174831
3308
생산적인 디자인 도구는
기하학적 구조를 다루는
기하학적 구조를 다루는
03:10
to synthesize geometry
56
178163
2608
컴퓨터와 알고리즘을 사용하여
03:12
to come up with new designs
all by themselves.
all by themselves.
57
180795
2754
스스로 새로운 디자인을 만듭니다.
03:15
All it needs are your goals
and your constraints.
and your constraints.
58
183996
2748
여러분이 가진
목표와 제약만 알려주면 됩니다.
목표와 제약만 알려주면 됩니다.
03:18
I'll give you an example.
59
186768
1408
예들 들어보면
03:20
In the case of this aerial drone chassis,
60
188200
2788
'무인 항공기 차대'를 원하는 경우
03:23
all you would need to do
is tell it something like,
is tell it something like,
61
191012
2626
이렇게 말하면 됩니다.
03:25
it has four propellers,
62
193662
1273
4개의 프로펠러를 가지면서
03:26
you want it to be
as lightweight as possible,
as lightweight as possible,
63
194959
2131
가능한 가볍고
03:29
and you need it to be
aerodynamically efficient.
aerodynamically efficient.
64
197114
2270
공기역학적으로
효율적인 것을 원한다.
효율적인 것을 원한다.
03:31
Then what the computer does
is it explores the entire solution space:
is it explores the entire solution space:
65
199408
4914
컴퓨터는 모든 해결 가능한
방법들을 탐색하고
방법들을 탐색하고
03:36
every single possibility that solves
and meets your criteria --
and meets your criteria --
66
204346
3927
수백만개의 해법들이
여러분의 기준에 맞는지
여러분의 기준에 맞는지
03:40
millions of them.
67
208297
1442
맞춰 볼 것입니다.
03:41
It takes big computers to do this.
68
209763
1975
이러한 작업을
커다란 컴퓨터가 담당합니다.
커다란 컴퓨터가 담당합니다.
03:43
But it comes back to us with designs
69
211762
1955
하지만 우리에게 돌아오는 결과는
03:45
that we, by ourselves,
never could've imagined.
never could've imagined.
70
213741
3143
우리는 상상도 못 했던 디자인이죠.
03:49
And the computer's coming up
with this stuff all by itself --
with this stuff all by itself --
71
217326
2912
그리고 컴퓨터가 제안한 것은
03:52
no one ever drew anything,
72
220262
1678
아무도 그려본 적 없고
03:53
and it started completely from scratch.
73
221964
2086
완전히 무에서부터 시작된 것입니다.
03:57
And by the way, it's no accident
74
225038
2387
그리고 무인 항공기 몸체가
03:59
that the drone body looks just like
the pelvis of a flying squirrel.
the pelvis of a flying squirrel.
75
227449
3481
날다람쥐의 골반처럼 생긴 것은
우연이 아닙니다.
우연이 아닙니다.
04:03
(Laughter)
76
231287
2007
(웃음 소리)
04:06
It's because the algorithms
are designed to work
are designed to work
77
234040
2302
진화와 동일한 방식으로 작동하도록
04:08
the same way evolution does.
78
236366
1637
알고리즘을 설계했기 때문이죠.
04:10
What's exciting is we're starting
to see this technology
to see this technology
79
238715
2660
현실에서 이러한
기술의 시작을 보는 것은
기술의 시작을 보는 것은
04:13
out in the real world.
80
241399
1159
매우 설레는 일입니다.
04:14
We've been working with Airbus
for a couple of years
for a couple of years
81
242582
2452
지난 몇년간 저희는
'Airbus`와 협력하여
'Airbus`와 협력하여
04:17
on this concept plane for the future.
82
245058
1909
미래 지향적인
비행기를 연구중이지만
비행기를 연구중이지만
04:18
It's a ways out still.
83
246991
2070
여전히 제자리걸음입니다.
04:21
But just recently we used
a generative-design AI
a generative-design AI
84
249085
3780
하지만 최근 인공지능을 이용하여
04:24
to come up with this.
85
252889
1807
다음과 같은 결과를 얻었습니다.
04:27
This is a 3D-printed cabin partition
that's been designed by a computer.
that's been designed by a computer.
86
255609
5153
이것은 컴퓨터가 디자인한 것을
3D 프린터로 출력한 칸막이입니다.
3D 프린터로 출력한 칸막이입니다.
04:32
It's stronger than the original
yet half the weight,
yet half the weight,
87
260786
2824
기존의 것보다 더 튼튼하나
무게는 절반입니다.
무게는 절반입니다.
04:35
and it will be flying
in the Airbus A320 later this year.
in the Airbus A320 later this year.
88
263634
3146
그리고 올해 말쯤 Airbus A320에
탑재될 예정입니다.
탑재될 예정입니다.
04:39
So computers can now generate;
89
267405
1559
컴퓨터는 이제 잘 정의된 문제에
04:40
they can come up with their own solutions
to our well-defined problems.
to our well-defined problems.
90
268988
4595
스스로 해법을 찾아낼 수 있습니다.
04:46
But they're not intuitive.
91
274677
1310
하지만 직관적이지는 않습니다.
04:48
They still have to start from scratch
every single time,
every single time,
92
276011
3086
컴퓨터들은 학습한 적이 없기에
04:51
and that's because they never learn.
93
279121
2565
매번 완전히 무로부터 작업합니다.
04:54
Unlike Maggie.
94
282368
1766
Maggie는 다릅니다.
04:56
(Laughter)
95
284158
1581
(웃음 소리)
04:57
Maggie's actually smarter
than our most advanced design tools.
than our most advanced design tools.
96
285763
3297
Maggie는 현재 제일 진보한
도구들보다 똑똑합니다.
도구들보다 똑똑합니다.
05:01
What do I mean by that?
97
289467
1440
무슨 의미일까요?
05:02
If her owner picks up that leash,
98
290931
1590
Maggie는 주인이 목줄을 들면
05:04
Maggie knows with a fair
degree of certainty
degree of certainty
99
292545
2068
이제 산책을 할 시간이라는 것을
05:06
it's time to go for a walk.
100
294637
1404
정확하게 알거든요.
05:08
And how did she learn?
101
296065
1185
어떻게 아는 것일까요?
05:09
Well, every time the owner picked up
the leash, they went for a walk.
the leash, they went for a walk.
102
297274
3324
아마 목줄을 들었을 때마다
함께 산책했기 때문일 것입니다.
함께 산책했기 때문일 것입니다.
05:12
And Maggie did three things:
103
300622
1878
Maggie는 세 가지를 했습니다.
05:14
she had to pay attention,
104
302524
1869
그녀는 집중했고
05:16
she had to remember what happened
105
304417
2082
무슨일이 일어났는지 기억했고
05:18
and she had to retain and create
a pattern in her mind.
a pattern in her mind.
106
306523
4017
기억을 유지하면서
머릿속에 그 패턴을 만들었죠.
머릿속에 그 패턴을 만들었죠.
05:23
Interestingly, that's exactly what
107
311429
2095
흥미롭게도 그 과정은
컴퓨터 과학자들이
컴퓨터 과학자들이
05:25
computer scientists
have been trying to get AIs to do
have been trying to get AIs to do
108
313548
2523
60년 혹은 그보다
더 오랫동안 인공 지능에
더 오랫동안 인공 지능에
05:28
for the last 60 or so years.
109
316095
1859
적용하려 한 것과 정확히 일치합니다.
05:30
Back in 1952,
110
318683
1349
1952년에 과학자들은
05:32
they built this computer
that could play Tic-Tac-Toe.
that could play Tic-Tac-Toe.
111
320056
3801
'틱택토' 게임을 할 수 있는
컴퓨터를 설계했는데요.
컴퓨터를 설계했는데요.
05:37
Big deal.
112
325081
1160
대단하네요.
05:39
Then 45 years later, in 1997,
113
327029
3000
그 후 45년이 지난 1997년엔
05:42
Deep Blue beats Kasparov at chess.
114
330053
2472
Deep Blue는 체스에서
Kasparov를 이겼죠.
Kasparov를 이겼죠.
05:46
2011, Watson beats these two
humans at Jeopardy,
humans at Jeopardy,
115
334046
4968
2011년 Watson은
컴퓨터로선 체스보다 더 많이 어려운
컴퓨터로선 체스보다 더 많이 어려운
05:51
which is much harder for a computer
to play than chess is.
to play than chess is.
116
339038
2928
Jeopardy에서
두 사람을 이겼습니다.
두 사람을 이겼습니다.
05:53
In fact, rather than working
from predefined recipes,
from predefined recipes,
117
341990
3812
사실 미리 설정된
방안을 사용하기보다는
방안을 사용하기보다는
05:57
Watson had to use reasoning
to overcome his human opponents.
to overcome his human opponents.
118
345826
3323
Watson이 인간을 뛰어넘으려면
추론을 해야 했죠.
추론을 해야 했죠.
06:02
And then a couple of weeks ago,
119
350393
2439
그리고 몇 주 전에
06:04
DeepMind's AlphaGo beats
the world's best human at Go,
the world's best human at Go,
120
352856
4262
DeepMind의 AlphaGo는
세계에서 제일 어려운 게임중 하나인
세계에서 제일 어려운 게임중 하나인
06:09
which is the most difficult
game that we have.
game that we have.
121
357142
2212
바둑에서 세계 최고수를 이겼습니다.
06:11
In fact, in Go, there are more
possible moves
possible moves
122
359378
2896
사실 바둑은 우주에 있는 원자들보다
06:14
than there are atoms in the universe.
123
362298
2024
더 많은 경우의 수를 가지고 있습니다.
06:18
So in order to win,
124
366210
1826
그래서 이기기 위해서는
06:20
what AlphaGo had to do
was develop intuition.
was develop intuition.
125
368060
2618
AlphaGo가 직관을 가지도록
개발해야 했습니다.
개발해야 했습니다.
06:23
And in fact, at some points,
AlphaGo's programmers didn't understand
AlphaGo's programmers didn't understand
126
371098
4110
사실은 일부 수는
AlphaGo의 프로그래머들조차도
AlphaGo의 프로그래머들조차도
06:27
why AlphaGo was doing what it was doing.
127
375232
2286
AlphaGo가 왜 그렇게 했는지
이해 못 했다고 합니다.
이해 못 했다고 합니다.
06:31
And things are moving really fast.
128
379451
1660
모든것이 빠르게 변하고 있습니다.
06:33
I mean, consider --
in the space of a human lifetime,
in the space of a human lifetime,
129
381135
3227
사람의 생애와 같은 시간안에
06:36
computers have gone from a child's game
130
384386
2233
컴퓨터가 아이들의 게임기에서
06:39
to what's recognized as the pinnacle
of strategic thought.
of strategic thought.
131
387920
3048
전략적 사고의 정점으로
인식되는 상황까지 왔습니다.
인식되는 상황까지 왔습니다.
06:43
What's basically happening
132
391999
2417
무슨 일이 일어난 것이냐면
06:46
is computers are going
from being like Spock
from being like Spock
133
394440
3310
Spock 같은 상태의 컴퓨터가
점점 더 Kirk처럼 되어가는
점점 더 Kirk처럼 되어가는
06:49
to being a lot more like Kirk.
134
397774
1949
상황이라고 할 수 있습니다.
06:51
(Laughter)
135
399747
3618
(웃음 소리)
06:55
Right? From pure logic to intuition.
136
403389
3424
순수한 논리로부터
직관으로 이어지는 것입니다.
직관으로 이어지는 것입니다.
07:00
Would you cross this bridge?
137
408184
1743
이 다리를 건너시겠습니까?
07:02
Most of you are saying, "Oh, hell no!"
138
410609
2323
대부분이 "싫어요"라고 하시겠죠.
07:04
(Laughter)
139
412956
1308
(웃음 소리)
07:06
And you arrived at that decision
in a split second.
in a split second.
140
414288
2657
결정을 내리는 것은
순간이었을 것입니다.
순간이었을 것입니다.
07:08
You just sort of knew
that bridge was unsafe.
that bridge was unsafe.
141
416969
2428
여러분은 다리가 위험한 것을 아니까요.
07:11
And that's exactly the kind of intuition
142
419421
1989
그것이 바로 우리가 개발을 시작한
07:13
that our deep-learning systems
are starting to develop right now.
are starting to develop right now.
143
421434
3568
딥러닝 시스템이 가진
직관의 일종입니다.
직관의 일종입니다.
07:17
Very soon, you'll literally be able
144
425722
1707
가까운 시일내에
07:19
to show something you've made,
you've designed,
you've designed,
145
427453
2206
여러분이 만들거나 디자인한 것을
07:21
to a computer,
146
429683
1153
컴퓨터에게 보여주면
07:22
and it will look at it and say,
147
430860
1489
이렇게 말할 것입니다.
07:24
"Sorry, homie, that'll never work.
You have to try again."
You have to try again."
148
432373
2823
'미안한데 작동을 하지 않아
다시 해 봐'
다시 해 봐'
07:27
Or you could ask it if people
are going to like your next song,
are going to like your next song,
149
435854
3070
내가 만든 노래를
사람들이 좋아할지를 묻거나
사람들이 좋아할지를 묻거나
07:31
or your next flavor of ice cream.
150
439773
2063
아이스크림의 향도
요청할 수 있을 겁니다.
요청할 수 있을 겁니다.
07:35
Or, much more importantly,
151
443549
2579
또는 매우 중요한 일로
07:38
you could work with a computer
to solve a problem
to solve a problem
152
446152
2364
이전에 만나지 못했던
문제를 해결하기 위해
문제를 해결하기 위해
07:40
that we've never faced before.
153
448540
1637
컴퓨터로 작업할 수 있습니다.
07:42
For instance, climate change.
154
450201
1401
예를 들어 기후 변화 문제는
07:43
We're not doing a very
good job on our own,
good job on our own,
155
451626
2020
인간의 힘만으론 풀지 못하니까
07:45
we could certainly use
all the help we can get.
all the help we can get.
156
453670
2245
도움받을 수 있는 모든 것을
총동원할 수 있죠.
총동원할 수 있죠.
07:47
That's what I'm talking about,
157
455939
1458
제가 말하고자 하는 것은
07:49
technology amplifying
our cognitive abilities
our cognitive abilities
158
457421
2555
기술은 우리의 인지력을
증폭시킬 수 있고
증폭시킬 수 있고
07:52
so we can imagine and design things
that were simply out of our reach
that were simply out of our reach
159
460000
3552
그런 기술이 없던
시대의 사람들이 하지 못했던 것을
시대의 사람들이 하지 못했던 것을
07:55
as plain old un-augmented humans.
160
463576
2559
상상하고 디자인할 수 있도록 합니다.
07:59
So what about making
all of this crazy new stuff
all of this crazy new stuff
161
467984
2941
그럼 인간이 고안하고
디자인한 새로운 것들을
디자인한 새로운 것들을
08:02
that we're going to invent and design?
162
470949
2441
모조리 만들면 어떨까요?
08:05
I think the era of human augmentation
is as much about the physical world
is as much about the physical world
163
473952
4093
저는 인간 증강 시대가
가상적이고 지적인 영역만큼이나
가상적이고 지적인 영역만큼이나
08:10
as it is about the virtual,
intellectual realm.
intellectual realm.
164
478069
3065
현실 세계와도
관련이 깊다고 생각합니다.
관련이 깊다고 생각합니다.
08:13
How will technology augment us?
165
481833
1921
어떻게 기술이
인간을 증강시킬까요?
인간을 증강시킬까요?
08:16
In the physical world, robotic systems.
166
484261
2473
현실 세계에서는
로봇 시스템이 있죠.
로봇 시스템이 있죠.
08:19
OK, there's certainly a fear
167
487620
1736
우리는 로봇들이
08:21
that robots are going to take
jobs away from humans,
jobs away from humans,
168
489380
2488
일자리를 뺏을 것을
두려워 하고 있는데
두려워 하고 있는데
08:23
and that is true in certain sectors.
169
491892
1830
몇몇 분야에서는 그럴 것입니다.
08:26
But I'm much more interested in this idea
170
494174
2878
하지만 흥미로운 점도 있습니다.
08:29
that humans and robots working together
are going to augment each other,
are going to augment each other,
171
497076
5010
인간과 로봇이 함께 작업하는 것이
서로를 증강시키며
서로를 증강시키며
08:34
and start to inhabit a new space.
172
502110
2058
새로운 세상에서 살기 시작할 것입니다.
08:36
This is our applied research lab
in San Francisco,
in San Francisco,
173
504192
2362
이곳은 샌프란시스코에 있는
응용 연구소로서
응용 연구소로서
08:38
where one of our areas of focus
is advanced robotics,
is advanced robotics,
174
506578
3142
그곳에서 우리 관심분야 중의 하나는
차세대 로봇인데
차세대 로봇인데
08:41
specifically, human-robot collaboration.
175
509744
2511
특별히 인간과 로봇의 협업입니다.
08:45
And this is Bishop, one of our robots.
176
513034
2759
이건 우리의 로봇 중
하나인 'Bishop'이죠.
하나인 'Bishop'이죠.
08:47
As an experiment, we set it up
177
515817
1789
실험적으로 공사장에서
08:49
to help a person working in construction
doing repetitive tasks --
doing repetitive tasks --
178
517630
3460
벽에 콘센트나 전등 스위치의
구멍을 내는 것 같이
구멍을 내는 것 같이
08:53
tasks like cutting out holes for outlets
or light switches in drywall.
or light switches in drywall.
179
521984
4194
반복적인 일을 하는 사람을 돕기 위해
Bishop을 만들었습니다.
Bishop을 만들었습니다.
08:58
(Laughter)
180
526202
2466
(웃음 소리)
09:01
So, Bishop's human partner
can tell what to do in plain English
can tell what to do in plain English
181
529877
3111
Bishop의 인간 파트너가
개한테 하는 것처럼
개한테 하는 것처럼
09:05
and with simple gestures,
182
533012
1305
간단한 영어나 몸짓으로
09:06
kind of like talking to a dog,
183
534341
1447
무엇을 해야 할지 지시하면
09:07
and then Bishop executes
on those instructions
on those instructions
184
535812
2143
Bishop은 그 지시를
09:09
with perfect precision.
185
537979
1892
완벽하게 수행하죠.
09:11
We're using the human
for what the human is good at:
for what the human is good at:
186
539895
2989
우리는 인간을 이용하여 인간의 장점인
09:14
awareness, perception and decision making.
187
542908
2333
인식과 지각 그리고 의사결정을 합니다.
09:17
And we're using the robot
for what it's good at:
for what it's good at:
188
545265
2240
로봇을 이용하여 로봇의 장점인
09:19
precision and repetitiveness.
189
547529
1748
정밀도와 반복은 수행합니다.
09:22
Here's another cool project
that Bishop worked on.
that Bishop worked on.
190
550252
2367
여기 또 다른 멋진 프로젝트가 있습니다.
09:24
The goal of this project,
which we called the HIVE,
which we called the HIVE,
191
552643
3075
HIVE라는 이 프로젝트의 목표는
09:27
was to prototype the experience
of humans, computers and robots
of humans, computers and robots
192
555742
3851
인간과 컴퓨터 그리고 로봇이 함께
09:31
all working together to solve
a highly complex design problem.
a highly complex design problem.
193
559617
3220
매우 복잡한 문제를 풀기 위한
시범 경험을 만드는 것입니다.
시범 경험을 만드는 것입니다.
09:35
The humans acted as labor.
194
563793
1451
인간은 노동자의 역할입니다.
09:37
They cruised around the construction site,
they manipulated the bamboo --
they manipulated the bamboo --
195
565268
3473
그들은 공사 현장을 돌아다니면서
대나무를 다뤘습니다.
대나무를 다뤘습니다.
09:40
which, by the way,
because it's a non-isomorphic material,
because it's a non-isomorphic material,
196
568765
2756
대나무는 동일한 형태가 아니어서
09:43
is super hard for robots to deal with.
197
571545
1874
로봇이 다루기에는 매우 어렵습니다.
09:45
But then the robots
did this fiber winding,
did this fiber winding,
198
573443
2022
로봇들은 섬유를 감는 작업을 했는데
09:47
which was almost impossible
for a human to do.
for a human to do.
199
575489
2451
인간에게 거의 불가능한 일이죠.
09:49
And then we had an AI
that was controlling everything.
that was controlling everything.
200
577964
3621
그리고 모든 것을 통제하기 위하여
인공지능을 사용했습니다.
인공지능을 사용했습니다.
09:53
It was telling the humans what to do,
telling the robots what to do
telling the robots what to do
201
581609
3290
인공지능은 인간과 로봇이
무엇을 해야 할지 알려 주고
무엇을 해야 할지 알려 주고
09:56
and keeping track of thousands
of individual components.
of individual components.
202
584923
2915
계속하여 수천 개의
개별 구성 요소를 추적했죠.
개별 구성 요소를 추적했죠.
09:59
What's interesting is,
203
587862
1180
흥미로운 점은
10:01
building this pavilion
was simply not possible
was simply not possible
204
589066
3141
이 임시 구조물을 세우는 일은
인간과 로봇 그리고 인공지능이
인간과 로봇 그리고 인공지능이
10:04
without human, robot and AI
augmenting each other.
augmenting each other.
205
592231
4524
서로를 증강시키지 않고서는
불가능하다는 것입니다.
불가능하다는 것입니다.
10:09
OK, I'll share one more project.
This one's a little bit crazy.
This one's a little bit crazy.
206
597890
3320
약간 미친 짓 같지만
또 다른 프로젝트도 있습니다.
또 다른 프로젝트도 있습니다.
10:13
We're working with Amsterdam-based artist
Joris Laarman and his team at MX3D
Joris Laarman and his team at MX3D
207
601234
4468
우리는 Amsterdam에서 활동하는
예술가인 Joris Laarman 및 그의 팀과
예술가인 Joris Laarman 및 그의 팀과
10:17
to generatively design
and robotically print
and robotically print
208
605726
2878
함께 MX3D에서 디자인을 만들고
로봇으로 출력하여
로봇으로 출력하여
10:20
the world's first autonomously
manufactured bridge.
manufactured bridge.
209
608628
2995
세계 최초로 다리를 스스로
만드는 작업을 하고 있습니다.
만드는 작업을 하고 있습니다.
10:24
So, Joris and an AI are designing
this thing right now, as we speak,
this thing right now, as we speak,
210
612315
3685
말씀드린 대로 지금 Amsterdam에서
Joris와 인공 지능이
Joris와 인공 지능이
10:28
in Amsterdam.
211
616024
1172
디자인하고 있습니다.
10:29
And when they're done,
we're going to hit "Go,"
we're going to hit "Go,"
212
617220
2321
그들이 작업을 완료해서
우리가 Go버튼을 누르면
우리가 Go버튼을 누르면
10:31
and robots will start 3D printing
in stainless steel,
in stainless steel,
213
619565
3311
로봇은 스테인리스 스틸로
3D 프린팅을 시작할 것입니다.
3D 프린팅을 시작할 것입니다.
10:34
and then they're going to keep printing,
without human intervention,
without human intervention,
214
622900
3283
그들은 인간의 개입 없이
다리가 완성될 때까지
다리가 완성될 때까지
10:38
until the bridge is finished.
215
626207
1558
출력을 계속할 겁니다.
10:41
So, as computers are going
to augment our ability
to augment our ability
216
629099
2928
이렇게 컴퓨터는 새로운 것을
상상하고 디자인 하도록
상상하고 디자인 하도록
10:44
to imagine and design new stuff,
217
632051
2150
우리의 능력을 증강시킬 것이고
10:46
robotic systems are going to help us
build and make things
build and make things
218
634225
2895
로봇 시스템은 전에는
인간이 만들 수 없었던 것을
인간이 만들 수 없었던 것을
10:49
that we've never been able to make before.
219
637144
2084
만들고 짓도록 도울 텐데요.
10:52
But what about our ability
to sense and control these things?
to sense and control these things?
220
640347
4160
하지만 인간이 이러한 것을
판단하고 제어하는 능력은 어떤가요?
판단하고 제어하는 능력은 어떤가요?
10:56
What about a nervous system
for the things that we make?
for the things that we make?
221
644531
4031
우리가 만든 것들을 위한
신경계은 어떨까요?
신경계은 어떨까요?
11:00
Our nervous system,
the human nervous system,
the human nervous system,
222
648586
2512
우리의 신경계,
인간의 신경계은
인간의 신경계은
11:03
tells us everything
that's going on around us.
that's going on around us.
223
651122
2311
우리 주변에서 일어난
모든 것을 파악합니다.
모든 것을 파악합니다.
11:06
But the nervous system of the things
we make is rudimentary at best.
we make is rudimentary at best.
224
654186
3684
하지만 우리가 만든 것들의
신경계은 이제 시작입니다.
신경계은 이제 시작입니다.
11:09
For instance, a car doesn't tell
the city's public works department
the city's public works department
225
657894
3563
예를 들어 자동차가
도시의 공공 사업국에다
도시의 공공 사업국에다
11:13
that it just hit a pothole at the corner
of Broadway and Morrison.
of Broadway and Morrison.
226
661481
3130
어디의 길모퉁이 도로에
움푹 팬 곳이 있단 말을 못 하고
움푹 팬 곳이 있단 말을 못 하고
11:16
A building doesn't tell its designers
227
664635
2032
건물은 디자이너에게
그 안에 있는 사람들이
그 안에 있는 사람들이
11:18
whether or not the people inside
like being there,
like being there,
228
666691
2684
좋아하는지 아닌지
말하진 않거든요.
말하진 않거든요.
11:21
and the toy manufacturer doesn't know
229
669399
3010
그리고 장난감 제조 업체는
11:24
if a toy is actually being played with --
230
672433
2007
장난감을 실제로 갖고 노는 대상이
11:26
how and where and whether
or not it's any fun.
or not it's any fun.
231
674464
2539
언제 어디서 즐겁게 혹은
재미없게 노는지 알지 못합니다.
재미없게 노는지 알지 못합니다.
11:29
Look, I'm sure that the designers
imagined this lifestyle for Barbie
imagined this lifestyle for Barbie
232
677620
3814
보세요, 분명히 디자이너는
바비 인형을 디자인할 때
바비 인형을 디자인할 때
11:33
when they designed her.
233
681458
1224
이런 삶을 상상했겠죠.
11:34
(Laughter)
234
682706
1447
(웃음 소리)
11:36
But what if it turns out that Barbie's
actually really lonely?
actually really lonely?
235
684177
2906
하지만 바비 인형이 현실에선
이렇게 외롭게 있다면서요?
이렇게 외롭게 있다면서요?
11:39
(Laughter)
236
687107
3147
(웃음 소리)
11:43
If the designers had known
237
691266
1288
디자이너들이 현실에서
11:44
what was really happening
in the real world
in the real world
238
692578
2107
그들이 디자인한
도로와 건물과 바비에게
도로와 건물과 바비에게
11:46
with their designs -- the road,
the building, Barbie --
the building, Barbie --
239
694709
2583
무슨 일이 일어났는지 알면
11:49
they could've used that knowledge
to create an experience
to create an experience
240
697316
2694
그 정보를 사용자에게
더 나은 것을 만들기 위해서
더 나은 것을 만들기 위해서
11:52
that was better for the user.
241
700034
1400
사용할 수도 있겠죠.
11:53
What's missing is a nervous system
242
701458
1791
부족한 부분은 신경계로서
11:55
connecting us to all of the things
that we design, make and use.
that we design, make and use.
243
703273
3709
우리가 디자인하고 만들고 사용하는 것을
모두 연결하는 신경계입니다.
모두 연결하는 신경계입니다.
11:59
What if all of you had that kind
of information flowing to you
of information flowing to you
244
707915
3555
만일 여러분 모두가
여러분이 만든 것에 대한 충분한 정보를
여러분이 만든 것에 대한 충분한 정보를
12:03
from the things you create
in the real world?
in the real world?
245
711494
2183
가지고 있다면 어떨까요?
12:07
With all of the stuff we make,
246
715432
1451
우리가 만드는 모든 것들에서
12:08
we spend a tremendous amount
of money and energy --
of money and energy --
247
716907
2435
수많은 시간과 에너지가 사용됩니다.
12:11
in fact, last year,
about two trillion dollars --
about two trillion dollars --
248
719366
2376
작년에 약 2조 달러가
12:13
convincing people to buy
the things we've made.
the things we've made.
249
721766
2854
제품을 사도록 소비자를
설득하는데 사용되었습니다.
설득하는데 사용되었습니다.
12:16
But if you had this connection
to the things that you design and create
to the things that you design and create
250
724644
3388
하지만 만일 당신이 디자인하고 만든 것이
현실 세계에 출시된 후라도
현실 세계에 출시된 후라도
12:20
after they're out in the real world,
251
728056
1727
신경 시스템과 연결된다면
12:21
after they've been sold
or launched or whatever,
or launched or whatever,
252
729807
3614
그것들이 팔린 후나
출시하는 시점이나 언제라도.
출시하는 시점이나 언제라도.
12:25
we could actually change that,
253
733445
1620
우리는 그것을 바꿀 수도 있고
12:27
and go from making people want our stuff,
254
735089
3047
제품을 소비자가
원하도록 만드는 것에서
원하도록 만드는 것에서
12:30
to just making stuff that people
want in the first place.
want in the first place.
255
738160
3434
처음부터 소비자가 원하는 것을
만들게 될 것입니다.
만들게 될 것입니다.
12:33
The good news is, we're working
on digital nervous systems
on digital nervous systems
256
741618
2787
희소식은 지금 개발 중인
디지털 신경계가
디지털 신경계가
12:36
that connect us to the things we design.
257
744429
2801
우리를 디자인한 것들과
연결해 준다는 겁니다.
연결해 준다는 겁니다.
12:40
We're working on one project
258
748365
1627
저희는 현재 LA에서
12:42
with a couple of guys down in Los Angeles
called the Bandito Brothers
called the Bandito Brothers
259
750016
3712
Bandito형제 및 그의 팀과
함께 프로젝트를 하나
함께 프로젝트를 하나
12:45
and their team.
260
753752
1407
진행중입니다.
12:47
And one of the things these guys do
is build insane cars
is build insane cars
261
755183
3433
그들이 만든 것 중 하나로
광란의 질주를 하는 차가 있는데
광란의 질주를 하는 차가 있는데
12:50
that do absolutely insane things.
262
758640
2873
제정신이 아니에요.
12:54
These guys are crazy --
263
762905
1450
그들은 미쳤죠.
12:56
(Laughter)
264
764379
1036
(웃음 소리)
12:57
in the best way.
265
765439
1403
그게 최선이겠지만요.
13:00
And what we're doing with them
266
768993
1763
저희가 진행한 일은
13:02
is taking a traditional race-car chassis
267
770780
2440
전통적인 경주차의 차대에
13:05
and giving it a nervous system.
268
773244
1585
신경계를 제공한 것입니다.
13:06
So we instrumented it
with dozens of sensors,
with dozens of sensors,
269
774853
3058
그래서 수십 개의 센서를 달고
13:09
put a world-class driver behind the wheel,
270
777935
2635
세계적인 수준의 운전자를 태워
13:12
took it out to the desert
and drove the hell out of it for a week.
and drove the hell out of it for a week.
271
780594
3357
사막으로 가서
일주일간 사정없이 달렸습니다.
일주일간 사정없이 달렸습니다.
13:15
And the car's nervous system
captured everything
captured everything
272
783975
2491
자동차의 신경계는
자동차에서 일어나는 모든 일을
자동차에서 일어나는 모든 일을
13:18
that was happening to the car.
273
786490
1482
저장했습니다.
13:19
We captured four billion data points;
274
787996
2621
우리는 차에 가해진
모든 힘들을 포함한
모든 힘들을 포함한
13:22
all of the forces
that it was subjected to.
that it was subjected to.
275
790641
2310
40억개의 데이터를 얻었습니다.
13:24
And then we did something crazy.
276
792975
1659
그 후 정신 나간 짓 같지만
13:27
We took all of that data,
277
795268
1500
우리는 모든 데이터를 모아서
13:28
and plugged it into a generative-design AI
we call "Dreamcatcher."
we call "Dreamcatcher."
278
796792
3736
디자인을 하는 인공 지능인
'Dreamcatcher'에 넣었습니다.
'Dreamcatcher'에 넣었습니다.
13:33
So what do get when you give
a design tool a nervous system,
a design tool a nervous system,
279
801270
3964
그렇게 우리는 신경계를
디자인 도구에게 주었고
디자인 도구에게 주었고
13:37
and you ask it to build you
the ultimate car chassis?
the ultimate car chassis?
280
805258
2882
최고로 좋은 차대를
만들라고 요청했다면 어떻게 될까요?
만들라고 요청했다면 어떻게 될까요?
13:40
You get this.
281
808723
1973
이것을 얻을 수 있습니다.
13:44
This is something that a human
could never have designed.
could never have designed.
282
812293
3713
이는 이전에 인간이 한 번도
디자인하지 않았던 것입니다.
디자인하지 않았던 것입니다.
13:48
Except a human did design this,
283
816707
1888
인간이 한 디자인을 제외하고
13:50
but it was a human that was augmented
by a generative-design AI,
by a generative-design AI,
284
818619
4309
디자인을 만드는 인공 지능으로 증강된
인간이 한 겁니다.
인간이 한 겁니다.
13:54
a digital nervous system
285
822952
1231
디지털 신경계와
13:56
and robots that can actually
fabricate something like this.
fabricate something like this.
286
824207
3005
로봇은 실제로 이런 것을
제작할 수 있습니다.
제작할 수 있습니다.
13:59
So if this is the future,
the Augmented Age,
the Augmented Age,
287
827680
3595
만일 이것이 미래이고,
증강 시대라면,
증강 시대라면,
14:03
and we're going to be augmented
cognitively, physically and perceptually,
cognitively, physically and perceptually,
288
831299
4261
우리는 인지적, 육체적, 지각적으로
증강될 것이고
증강될 것이고
14:07
what will that look like?
289
835584
1408
그러면 무엇처럼 보일까요?
14:09
What is this wonderland going to be like?
290
837576
3321
그런 세상은 이렇지 않을까요?
14:12
I think we're going to see a world
291
840921
1709
제 생각에는 우리는 이제
14:14
where we're moving
from things that are fabricated
from things that are fabricated
292
842654
3068
물건을 제작하는 것에서
물건을 키우는 것으로 옮겨가는
물건을 키우는 것으로 옮겨가는
14:17
to things that are farmed.
293
845746
1445
세상을 볼 것입니다.
14:20
Where we're moving from things
that are constructed
that are constructed
294
848159
3453
건설하는 것에서
성장하는 것으로
성장하는 것으로
14:23
to that which is grown.
295
851636
1704
옮겨갈 것입니다.
14:26
We're going to move from being isolated
296
854134
2188
고립된 것에서 연결되는 것으로
14:28
to being connected.
297
856346
1610
이동할 것입니다.
14:30
And we'll move away from extraction
298
858634
2411
그리고 또한 추출하는 것에서
14:33
to embrace aggregation.
299
861069
1873
축적하는 방향으로 나아갈 겁니다.
14:35
I also think we'll shift
from craving obedience from our things
from craving obedience from our things
300
863967
3767
또한 주변의 사물에 지시하기보다는
자율성에 가치를 두는 쪽으로
자율성에 가치를 두는 쪽으로
14:39
to valuing autonomy.
301
867758
1641
변할 것입니다.
14:42
Thanks to our augmented capabilities,
302
870510
1905
인간의 능력이 증강하는 것에 감사하고
14:44
our world is going to change dramatically.
303
872439
2377
우리의 세상은
극적인 변화를 맞이할 겁니다.
극적인 변화를 맞이할 겁니다.
14:47
We're going to have a world
with more variety, more connectedness,
with more variety, more connectedness,
304
875576
3246
세상은 더욱 다양해지고
더욱 연결되며
더욱 연결되며
14:50
more dynamism, more complexity,
305
878846
2287
더욱 역동적이면서
더욱 복잡해질 것이고
더욱 복잡해질 것이고
14:53
more adaptability and, of course,
306
881157
2318
더욱 수용적일 것이면서
당연스럽게
당연스럽게
14:55
more beauty.
307
883499
1217
더 아름다울 것입니다.
14:57
The shape of things to come
308
885231
1564
앞으로 다가올 모습은
14:58
will be unlike anything
we've ever seen before.
we've ever seen before.
309
886819
2290
이전의 어떤 것과도 다를 것입니다.
15:01
Why?
310
889133
1159
왜 그럴까요?
15:02
Because what will be shaping those things
is this new partnership
is this new partnership
311
890316
3755
새로운 세상의 모습은
기술과 자연와 인간 사이의
기술과 자연와 인간 사이의
15:06
between technology, nature and humanity.
312
894095
3670
새로운 협력 관계 덕분입니다.
15:11
That, to me, is a future
well worth looking forward to.
well worth looking forward to.
313
899279
3804
저에겐 기대할 만한 가치가
충분한 미래입니다.
충분한 미래입니다.
15:15
Thank you all so much.
314
903107
1271
감사합니다.
15:16
(Applause)
315
904402
5669
(박수 소리)
ABOUT THE SPEAKER
Maurice Conti - Designer, futuristMaurice Conti explores new partnerships between technology, nature and humanity.
Why you should listen
Maurice Conti is a designer, futurist and innovator. He's worked with startups, government agencies, artists and corporations to explore the things that will matter to us in the future, and to design solutions to get us there.
Conti is currently Chief Innovation Officer at Alpha -- Europe's first moonshot factory, powered by Telefónica. Conti and his team are responsible for coming up with the ideas, prototypes and proofs of concepts that will go on to become full-blown moonshots at Alpha: projects that will affect 100 million people or more, be a force for good on the planet and grow into billion-euro businesses.
Previously, Conti was Director of Applied Research & Innovation at Autodesk where built and led Autodesk's Applied Research Lab. Conti's work focuses on applied machine learning, advanced robotics, augmented and virtual realities, and the future of work, cities and mobility.
Conti is also an explorer of geographies and cultures. He has circumnavigated the globe once and been half-way around twice. In 2009 he was awarded the Medal for Exceptional Bravery at Sea by the United Nations, the New Zealand Bravery Medal and a US Coast Guard Citation for Bravery for risking his own life to save three shipwrecked sailors.
Conti lives in Barcelona, Spain, and travels around the world speaking to groups about innovation, technology trends, the future, and high adventure.
Maurice Conti | Speaker | TED.com