Translation of "”  " in Korean

When I was a boy,

저는 어렸을 때

I wanted to maximise my impact on the world,

세상에 제 역량을 최대한 발휘하고 싶었습니다.

And I was smart enough to realise that I am not very smart.

제가 매우 똑똑하지 않다는 정도는 잘 알고 있었습니다.

Such that it can solve all the problems that I cannot solve myself,

그래야 제가 해결 못하는 모든 문제를 로봇이 대신 해줄 수 있고

And I can retire.

그러면 저는 쉬러 갈 수 있겠죠.

And my first publication on that dates back 30 years: 1987.

그리하여 저의 첫 출판은 1987년 즉, 30년 전으로 거슬러 올라갑니다.

My diploma thesis,

저의 학위 논문에서

Where I already try to solve the grand problem of AI,

인공지능에 대한 큰 문제를 해결하는 내용을 다루었는데

But also learns to improve the learning algorithm itself.

스스로 학습 알고리즘을 향상시키도록 학습하는 내용이었습니다.

And the way it learns, the way it learns,

그렇게 로봇이 계속 학습을 해 나가고

And so on recursively, without any limits

어떠한 한계도 없이 꾸준하게 나아가게 됩니다.

Except the limits of logics and physics.

단 논리학과 물리학의 한계는 예외로 두고 말이죠.

And, I'm still working on the same old thing,

그리고 저는 지금도 여전히 같은 일을 하고 있습니다.

They are now on 3.000 million smartphones.

30억 개 정도의 스마트폰에 들어있기 때문이죠.

And all of you have them in your pockets.

여러분 모두 주머니에 갖고 계시겠죠.

Apple, Google, Facebook, Microsoft and Amazon.

즉 애플, 구글, 페이스북, 마이크로소프트, 아마존입니다.

And all of them are emphasising

이들 모두가 강조하는 것은

That AI, artificial intelligence,

AI, 인공지능이

Is central to what they are doing.

그들이 하는 일의 핵심이라는 점입니다.

And all of them are using heavily the deep learning methods

이 회사들은 딥 러닝 방식에 매우 의존하고 있는데

Especially something which is called: "the long short-term memory".

특히 장기 단기 기억이라 불리는 것을 연구했는데요.

Has anybody in this room ever heard of the long short-term memory,

혹시 이 장기 단기 기억에 대해 들어보신 분 계시나요?

Or the LSTM?

아니면 LSTM을 들어보신 분은?

Hands up, anybody ever heard of that?

들어 보신 분 손 한번 들어보시겠어요?

Okay.

알겠습니다.

[those] who didn't understand the question.

제 질문을 이해하지 못하신 분들이요.

The LSTM is a little bit like your brain:

LSTM은 여러분의 두뇌를 살짝 닮았습니다.

Which means that you have got a million billion connections.

즉, 여러분에게 셀 수 없이 많은 연결이 있다는 것입니다.

And each of these connections has a "strength"

각 연결은 강도가 있습니다.

Which says how much does this neuron over here

다시 말해, 이쪽에 있는 뉴런이

Influence that one over there at the next time step.

다음 단계에서 다른 쪽에 있는 뉴런에 얼마나 영향을 미치는지를 뜻합니다.

But then, through a smart learning algorithm,

스마트 러닝 알고리즘을 통해서

It learns from lots of examples to translate the incoming data,

들어오는 정보를 전환하기 위해 많은 예시들로 학습을 합니다.

Such as video through the cameras, or audio through the microphones,

카메라를 통한 영상, 또는 마이크를 통한 음향,

Or pain signals through the pain sensors.

통증 센서를 통한 통증 신호가 그러한 정보의 예입니다.

It learns to translate that into output actions,

이 지점은 정보 입력을 동작 출력으로 전환하는 것을 학습하는데

Because some of these neurons are output neurons,

이 뉴런들 중 일부가 출력을 담당해서

It can learn to solve all kinds of interesting problems,

모든 유형의 흥미로운 문제를 해결하는 것을 학습할 수 있습니다.

Such as driving a car

자동차 운전이나,

Or do the speech recognition on your smartphone.

스마트폰의 음성 인식 같은 것이 그 예입니다.

Because whenever you take out your smartphone,

여러분이 스마트폰을 꺼낼 때마다

An Android phone, for example,

예를 들어 안드로이드 폰이라 가정하고

And you speak to it, and you say:

여러분은 그 폰에 이렇게 말하는 거죠.

"Ok Google, show me the shortest way to Milano."

"OK, 구글, 밀라노로 가는 가장 빠른 방법을 알려줘."

Then it understands your speech.

그러면 스마트폰이 이를 알아 듣습니다.

Because there is a LSTM in there which has learned to understand speech.

음성을 이해하도록 설계된 LSTM이 그 안에 들어 있기 때문이죠.

Every ten milliseconds, 100 times a second,

백분의 1초 마다, 즉, 1초에 백 번씩

New inputs are coming from the microphone,

새로운 정보가 마이크를 통해 들어오고

And then are translated, after thinking,

정보 처리가 이루어진 후

Into letters

문자로 전환되어서

Which are then questioned to the search engine.

검색 엔진으로 질문이 넘어가게 됩니다.

And it has learned to do that

이런 정보 처리 학습은

By listening to lots of speech from women, from men, all kinds of people.

남녀 포함 많은 사람들의 다양한 음성을 경험하면서 이루어집니다.

The basic LSTM cell looks like that:

기본적인 LSTM 셀은 이렇습니다.

I don't have the time to explain that,

저걸 설명할 시간은 없지만

Well, speech recognition is only one example;

그런데 음성 인식은 단지 하나의 예일 뿐 입니다.

Are you sometimes clicking at the translate button?

혹시 번역 단추를 가끔 누르시나요?

Because somebody sent you something in a foreign language

누가 여러분에게 뭔가를 외국어로 보냈다면

And then you can translate it.

그 내용을 번역시킬 수 있습니다.

Is anybody doing that? Yeah.

혹시 사용하시는 분?

Whenever you do that,

그걸 사용할 때 마다

You are waking up, again, a long short term memory, an LSTM,

여러분은 LSTM을 사용하는 것이며

And Facebook is doing that four billion times a day,

그리고 페이스북은 번역을 하루에 40억 번을 하고 있는데

By an LSTM working for Facebook;

이렇게 LSTM이 페이스북에서 사용되는 것이죠.

And another 50,000 in the second; then another 50,000.

다시 5만 문장, 그리고 다음 5만 문장.

And to see how much this thing is now permitting the modern world,

현재 우리 삶에서 이 기술이 얼마나 많이 활용되고 있는지 보려면

And all these Google Data Centers,

이 모든 구글 데이터 센터들,

All these data centers of Google, all over the world,

전 세계 곳곳에 있는 센터들이

Is used for LSTM.

LSTM을 위해 사용된다는 점을 보면 됩니다.

You can ask a question and it answers you.

질문하고 답변을 들을 수 있을 것입니다.

And the voice that you hear it's not a recording;

여러분이 듣는 그 목소리는 녹음된 것이 아니며

It's an LSTM network

LSTM 망이라고 보시면 됩니다.

Which has learned from training examples

교육용 예문들로 학습해서

To sound like a female voice.

여성 목소리를 만들어 내는 것이죠.

If you have an iPhone, and you're using the quick type,

혹시 아이폰을 사용하신다면 퀵 타입을 사용하고 계신 겁니다.

Again, that's an LSTM which has learned to do that,

이 또한 그것을 수행할 수 있도록 학습을 거친 LSTM의 한 예입니다.

So it's on a billion iPhones.

10억 개의 아이폰에서 말이죠.

You are a large audience, by my standards:

제 기준에서 보면 아주 많은 분이 오셨습니다.

But when we started this work, decades ago, in the early '90s,

수십 년 전 이 일에 착수했을 때는, 90년대 초반이라 볼 수 있는데

Only few people were interested in that,

정말 극소수만이 이 분야에 관심을 가졌습니다.

Because computers were so slow and you couldn't do so much with it.

그 땐 컴퓨터가 너무 느려서 많은 것을 다룰 수가 없었죠.

And I remember I gave a talk at a conference,

제가 어떤 회의에서 강연을 했을 때가 기억납니다.

And there was just one single person in the audience,

청중이 단 한 사람 있었는데

A young lady.

젊은 여성분이셨죠.

And she said,

그런데 그 분이 말씀하시길

"OK, but please hurry: I am the next speaker!"

"좋아요, 부탁인데 서둘러 주세요. 왜냐하면 제가 다음 강연을 하거든요."

Which is an old trend that has held since 1941 at least.

이 점은 적어도 1941년 이래 굳어진 오래된 추세이죠.

Since this man, Konrad Zuse,

이 분, 콘라드 쥬스씨는

Built the first working program controlled computer in Berlin

베를린에서 프로그램 통제 컴퓨터를 최초로 만들었는데

And he could do, roughly, one operation per second.

거의 1초에 작업 하나를 다룰 수 있는 수준이었습니다.

One!

고작 하나 뿐이였죠!

And then ten years later, for the same price,

10년이 지나서, 같은 가격에

One could do 100 operations:

1초에 100번 작동하는 것이 가능해졌습니다.

30 years later,

30년 후,

1 million operations for the same price;

같은 가격에 백만 번 작동이 가능해졌고

And today, after 75 years, we can do

오늘날, 75년이 지나서 우리는

A million billion times as much for the same price.

같은 가격에 천문학적인 효율성을 가질 수 있게 되었습니다.

And the trend is not about to stop,

이 추세는 멈추지 않을 것입니다.

Because the physical limits are much further out there.

왜냐하면 물리적 한계는 아직 저 멀리 있기 때문이죠.

Rather soon, and not so many years or decades,

오히려 수십 년도 안되서