LLM이 텍스트 기반 추론과 코딩에서 놀라운 성과를 내면서 AGI가 임박했다는 분위기지만, Physical AI는 완전히 다른 게임이다. 박종현은 Moravec’s Paradox를 인용하며 “체스는 어렵지만 주머니에서 열쇠를 꺼내는 것은 쉽다”는 인간의 착각을 지적한다. 실제로 1초도 안 되는 시간에 핀을 집는 동작 하나에도 수백만 개의 촉각 신호와 고차원 시각 정보가 실시간으로 처리된다. 이는 언어(이산 토큰, 저차원, 효율적)와 물리적 세계(연속, 고차원, Reporting Bias로 누락된 정보 투성)의 근본적 차이 때문이다. 언어는 추상화 덕분에 학습 효율이 높지만, 물리적 지능은 수억 년의 진화를 통해 체화된 지식으로, 이를 AI로 구현하려면 단순한 데이터 스케일링을 넘어선 새로운 접근이 필요하다.
근거
“저희가 이게 가장 유명한 예시가 있습니다. DARPA Challenge… 아무도 문을 못 여는 그런 경우… 이런 걸 Moravec’s Paradox, 역설이라고 얘기하는데… 저희가 주머니에 사탕도 있고 열쇠도 있고 동전도 있고 이런 거 했을 때 열쇠 꺼내는 걸 너무 쉽게 잘하거든요.” “텍스트의 세상은 이미 너무 효율적인 세상이에요… 쓸데없는 정보가 하나도 없어요. … Physical Intelligence라는 거는 그런 정보들을 다루는 문제다.” “언어에는 Reporting Bias가 있다… 의자가 어떻게 생겼는지 이런 얘기를 안 하거든요. 기본적인 누락된 정보가 많다.”
연결된 생각
- 20260607-physical-ai-vla-definition — VLA는 이 차이를 극복하기 위해 System 1/2 구조와 연속적인 action 생성을 도입했다.
- 20260607-data-bottleneck-as-opportunity — 물리적 세계의 고차원성과 데이터 부재는 역설적으로 새로운 데이터 수집 비즈니스 모델(teleop 서비스, 커뮤니티 플랫폼)을 창출한다.
출처
- 📎 클리핑: 20260613-ep98-ko-transcript