다음 내용을 10개의 요점으로 요약해드리겠습니다.

1. 리치 서튼(Rich Sutton)은 더 나은 딥러닝을 목표로 하는 새로운 비전을 제시하며, 특히 계속적 학습(continual learning)에 초점을 맞춘다.
2. 기존 딥러닝은 일시적인(transient) 학습만 가능하며, 이는 지속적인 학습이 필요한 실제 환경에서는 적합하지 않다고 주장한다.
3. 서튼은 "동적 딥러닝"(dynamic deep learning)을 제안하며, 네트워크가 시간에 따라 유닛 단위로 성장하고, 핵심 구조(백본)는 안정적인 상태를 유지하는 반면, 주변부는 더 탐색적이고 변화 가능하게 설계된다.
4. 딥러닝의 문제점으로 네트워크의 가소성이 시간이 지남에 따라 감소하고, 새로운 것을 학습할 때 기존의 중요한 정보를 잊는 현상(카타스트로픽 포게팅)이 발생한다고 설명한다.
5. 동적 딥러닝에서는 네트워크의 중요한 부분인 '백본'(backbone)을 보호하며 새로운 유닛을 추가해 확장해 나간다.
6. 백본은 이미 학습된 지식으로 구성되며, 이를 보호하면서 새로운 유닛을 학습하는 알고리즘이 필요하다고 강조한다.
7. 주변부 유닛들은 탐색적인 역할을 하며, 백본에 기여할 수 있을 경우 백본의 일부가 되어 유용한 기능을 수행하게 된다.
8. 새로운 유닛을 추가하는 과정에서는 '그림자 가중치'(shadow weights)라는 개념이 사용되며, 이를 통해 새로운 유닛이 백본에 기여할 기회를 얻는다.
9. 딥러닝의 구조는 더 유기적으로 설계되어, 고정된 설계가 아닌 성장하는 방식으로 유연성을 극대화한다.
10. 서튼은 딥러닝이 에이전트와 강화 학습에 더 적합하도록 개선될 수 있으며, 이 비전은 실현 가능하다고 긍정적으로 마무리한다.

이 요약은 동적 딥러닝과 관련된 주요 개념들을 다루며, 서튼의 비전과 딥러닝의 개선 필요성을 강조합니다.