이 모델 개발에 참여한 DeepMind 연구자로서, DeepMind는 일하기 좋은 곳임. Gemini·Gemma, 로보틱스, 날씨·생물학 같은 과학 등 지능과 관련된 거의 모든 분야를 오갈 수 있는 몇 안 되는 독특한 연구소이며 훌륭한 동료가 많으니 합류를 고려해볼 만함

프런티어 모델 개발과 공개 모델 개발은 구체적으로 무엇이 다른지 궁금함. 공개 모델은 보통 더 작고 안전성 검사를 더 거치지만 본질적으로 비슷하며, 일반적인 AI 연구 대부분이 양쪽에 모두 적용되지 않나 싶음

정부·기업·군대의 악용을 어떻게 막고 있는지 진지하게 궁금함. 이 기술이 보통 사람의 삶을 개선하는 데 얼마나 쓰이고, 감시와 통제를 강화하는 데 얼마나 쓰일지도 알고 싶음

“유일한 연구소”라는 표현은 과함. Allen Institute for AI(AI2) 도 프런티어 수준은 덜하지만 대부분의 영역을 다루며, NSF의 1억 5,200만 달러 지원과 Nvidia 협력도 기대됨. 로보틱스 분야에는 MolmoBot, MolmoSpaces, MolmoAct 등이 있음: https://allenai.org/embodied-ai

2007년부터 AGI Conference를 운영한 AGI Society의 전무이사로서, 내년 행사에서 연구를 발표해주길 초청하고 싶음. 올해는 Alexander Lerchner의 발표가 훌륭했으며 선호하는 이메일을 알려주면 연락하겠음

Google은 여러 신기술의 최전선에서 묵묵히 유능한 회사처럼 움직이는 반면, OpenAI와 Anthropic의 최신 챗봇은 “통제 불능 AI”, “너무 위험해 금지해야 함” 같은 과장된 보도를 받음. 이런 과대광고 순환이 신생 경쟁사들의 터무니없는 기업가치를 떠받치고 있음

Google DeepMind는 AI 최전선에서 새로운 개념을 개발하는 반면, 다른 곳들은 벤치마크 점수 몇 퍼센트를 좇는 중임

단백질 접힘 연구와 노벨상도 빼놓을 수 없음

로봇의 동작은 느리고 매끄럽지 않지만 초기 ChatGPT도 매우 둔해 보였음. LLM만큼 빠르게 발전한다면 몇 년 안에 활용 범위가 엄청나게 커질 수 있음

가사 작업은 사람이 하는 것보다 오래 걸려도 상관없음. 퇴근 전에 청소를 끝내기만 하면 충분함

GPT-2에서 GPT-3까지와 Gemini Robotics 1에서 2까지 모두 15개월이 걸렸지만, 전자는 엄청난 도약이었던 반면 후자는 거의 달라지지 않았음: https://blog.google/products-and-platforms/products/gemini/h...
느리고 정적인 로봇 동작과 빠르고 유연한 동작은 난이도가 완전히 다름. 빠르게 움직이면 여러 관절과 질량의 회전 관성, 균형 변화를 초당 수백~수천 번 계산해야 함. 티셔츠를 정지 상태에서 90% 확률로 접는 것은 쉽지만, 99% 성공률이나 빠른 접기는 믿기 어려울 만큼 복잡함

실시간 속도로도 합리적으로 보이는 첫 홍보 영상임. 다만 다른 자료의 성공률 50~75% 가 첫 시도 기준인지 최종 성공 기준인지는 불명확함

동작은 매끄럽지만 느리며, 아마 안전 때문일 가능성이 큼. 강력한 모터를 단 로봇은 실제로 사람을 다치게 할 수 있어서 산업용 로봇도 안전 펜스 안에서 작동함
디지털 인형처럼 역기구학 동작을 그대로 흉내 내리라 기대하면 안 됨. 최적화 목표가 에너지 소비 절감이라면 다관절 전동 팔의 움직임이 다소 이상하게 보일 수 있음

휴머노이드 로봇은 액추에이터의 한계 때문에 기대를 접었음. Honda ASIMO 이후 혁신이 거의 없었고, 80kg짜리 흔들리는 금속 덩어리를 집이나 직장에 두고 싶어 할 사람은 없을 것 같음
최종 로봇 혁명은 뇌를 대체한 유전자변형 인간·동물의 몸을 이용할 수도 있음. 의식이 없도록 만든 곰을 Neuralink와 LLM으로 제어하면 건설 노동자로 더 적합하고, 빠른 동물은 배송에, 기린은 창고에 활용할 수 있다고 봄

기린은 키만 클 뿐 무게를 거의 들지 못하므로 창고에서 쓸모가 의문임. 액추에이터 혁신이 없었다는 주장도 믿기 어려우며, MIT Cheetah의 액추에이터는 역구동성과 가변 강성 면에서 ASIMO와 전혀 다르고 탄성 요소를 결합하는 연구도 활발함

Cortical Labs가 이 분야를 연구하며 한때 Doom 시연도 공개했음. 생체형은 범용성이 있지만 많은 작업에는 금속형이 더 튼튼하고, 뇌는 대역폭이 낮고 지연이 커서 추론에는 실리콘 칩이 유리함
3D 프린팅 분야의 흥미로운 작업을 보며 액추에이터도 많이 발전한다고 생각했기에, 뒤처졌다는 주장에 대해 더 알고 싶음

액추에이터가 발전하지 않았다는 데 전혀 동의할 수 없음. Ben Katz의 MIT Mini Cheetah 연구 이후 토크 밀도와 가격이 크게 개선됐고, 이를 기반으로 한 Unitree G1 액추에이터는 작지만 강력하며 준직결 구동에 가까움. BD E-Atlas 모터도 완전 수동 냉각식이면서 토크 밀도가 좋아 보이며 지금처럼 빠르게 발전한 적이 없음

그런 미래는 끔찍하지만 기술적 난도와 실험 허가 장벽 때문에 아주 멀리 있을 듯함. 다만 휴머노이드 형태는 막다른 길이라는 데는 동의함
식기세척기처럼 입력을 처리해 결과를 내는 거대한 상자를 만들면 됨. 사람 손을 흉내 내기보다 세탁기·건조기에 대응하는 의류 접기 장치나 통합형 로봇 주방을 만드는 편이 훨씬 효율적임

생체를 개조하는 일은 휴머노이드 로봇 제작보다 몇 자릿수는 더 어려워 보임. 아직 소 없이도 시장성 있는 가격으로 햄버거를 만들지 못함

이 기술의 실제 수준을 솔직히 평가해줄 사람이 필요함. 필요한 계측 장비, 상호작용 품질, 문손잡이 돌리기와 낙상 복구, 충돌 회피 같은 비정형 일상 작업의 성능이 궁금함

이 분야에서 일하며 휴머노이드가 아닌 시각-언어-행동 모델(VLA), 즉 ChatGPT를 로봇 팔에 연결한 주제로 학사 논문을 썼음. 아직 실용 단계가 아니며, 조립 부품은 정확한 명칭이 없는 경우도 있어 사람이 이해할 모호한 지시를 로봇은 처리하지 못할 수 있음
신뢰할 만한 정확도 자료도 부족하고 LIBERO 같은 벤치마크는 거의 모두 95%를 기록해 포화됐으며, 회사와 연구자마다 자체 평가를 사용함. 시연을 속이거나 사람 가까이에서 위험하게 작동시키는 회사도 많음
문손잡이와 낙상 복구 자체보다 제조 과정에서 벽돌이나 부품을 정확히 정렬하는 일이 어려움. 관리할 관절이 많고 복잡한 휴머노이드보다는 Mobile ALOHA 같은 바퀴 달린 로봇 팔이 호텔 객실 정리나 작업이 일정한 식당 조리에 더 적합해 보임

로봇 업계에는 특정 시연만을 위해 정교하게 꾸민 영상과, 자율 작동이라고 해놓고 실제로는 원격 조종한 사기까지 눈속임이 매우 많음. 로봇개나 무인 지상차량도 과대광고와 달리 실용성이 떨어짐
로보틱스는 협동로봇 분야를 제외하면 틈새 산업이며, 예외는 체공 시간 문제만 해결하면 큰 잠재력이 있는 드론임. 휴머노이드는 실제 환경에서 유용해지려면 아직 멀었고, 대부분의 무인 지상차량은 계단에서 후진조차 못함

AI 로보틱스가 진짜 혁명임. 지금은 자본 보유자가 더 많은 자본을 얻으려면 인간 노동이 필요하지만, 로봇 추론 비용이 인건비보다 낮아지면 더는 인간 노동이 필요하지 않게 됨. AI는 비육체 노동에도 영향을 주지만 세계 인구 상당수는 육체노동에 종사함

추론 외 비용을 무시하고 그 최종 상태를 받아들인다면, 자본이 민주화될 경우 매우 좋지만 소수 계층에 계속 집중되면 종말에 가까운 결과가 됨

추론 비용만의 문제는 아님. 현실에서 물건이나 생물을 잘못 다뤘을 때의 피해는 비물질적 응용과 전혀 다르므로 고장 안전장치와 독립 제한기가 필요할 수 있음

그 변화가 정말 좋은 것인지 의문임

자녀가 없는 47세 남성으로서, 노년에 돌봄 로봇의 도움을 받을 가능성을 기대하고 있음

살아 있는 동안 Star Wars 같은 드로이드를 볼 가능성이 커졌다는 사실이 놀라운데, 모두 너무 평범한 일처럼 받아들이는 듯함

50대로서 80대 부모를 둔 지금 당장도 매우 유용할 것임. 주변 친구 다수도 비슷한 처지임

많은 가사 작업은 휴머노이드 없이 자동화할 수 있음. Roomba가 바닥을 청소하고, 주택에 자동 쓰레기 처리와 식료품 반입·분류·보관 시스템을 넣을 수 있음 휴머노이드는 불쾌하고 신뢰하기 어려움. 제작자의 정치적 관점에 반대하는 상황에서도 그런 로봇이 집 안에 있는데 편히 잘 수 있을지 의문임

기존 아파트, 연립주택, 반독립형 주택에는 그런 설비를 도입하기가 사실상 불가능하고 신축 단독주택에서도 비싼 해법임. 기존 인간 환경이 휴머노이드에 맞춰져 있으므로 휴머노이드 형태가 유용함

Roomba는 바닥의 80~90%만 청소하며 실제 진공청소기만큼 깨끗하지도 않음. 개 장난감 치우기와 먼지통 비우기까지 고려하면 실제로는 60% 정도라서 100%를 처리하려면 인간형 전체가 필요함

로봇을 신뢰해야 하는 상황 자체가 없어야 함. Roomba나 식기세척기가 오작동해도 손가락을 절단할 수 없고 엿듣거나 감시할 수도 없는데, 이런 것이 좋은 로봇임

유한한 지구에서 계속 늘어나는 인간에 더해 왜 로봇 몸체까지 추가하려는지 의문임. 데이터센터 AI는 적어도 물리적으로 나와 어깨를 맞대고 경쟁하지 않는데, 인간이 있는데도 정교한 로봇을 원하는 이유를 모르겠음

인간의 무한한 팽창은 멈출 조짐이 많음. 정교한 로봇이 필요한 명백한 이유는 허리가 부서질 만큼 힘들거나, 더럽거나, 위험하거나, 지루해서 인간이 하기 싫은 일을 맡기기 위해서임

로봇 구동에 전체 LLM을 사용하면 너무 무거워서 강력한 GPU로도 최소 지연 시간이 1~2초일 가능성이 크며, 실용 로봇에는 적합하지 않음
기계 시각은 머신러닝이 담당하되 동작 구동은 전통적인 PID 기반 선형·비선형 제어에 맡겨야 하며, 전체 LLM을 제어기로 쓰면 하드웨어 한계에 부딪힐 듯함

현재 지연 시간 문제는 맞지만 추론 최적화 여지가 커서 가까운 미래에는 달라질 가능성이 높음. PID 같은 해석·최적화 기반 제어는 수십 년간 정체된 반면, 종단 간 제어는 보행 에너지 효율과 낙엽 더미를 밟아도 넘어지지 않는 강건성에서 뛰어난 성능을 보였고 새 로봇에 적용하기도 훨씬 쉬움
Physical Intelligence 같은 회사는 지능과 지연 시간을 함께 해결하기 위해 빠른 계층과 느린 계층을 결합한 계층형 구조에서도 좋은 결과를 내고 있음

Nvidia는 자사 칩에서 20억 매개변수 VLA를 10Hz로 실행하며, 공개한 5억 매개변수 모델도 10Hz로 작동하는 것으로 알고 있음