2027년이라고 상상해보자. 공원에 있는 개를 60초 동안 영상으로 촬영한다.

이제 그 영상의 첫 번째 프레임 단 한 장만을 당시 존재하는 가장 강력한 비디오 모델에 입력하고, 그 프레임만을 바탕으로 60초짜리 영상을 만들어 달라고 요청한다고 상상해보자.

비디오 모델의 발전 속도가 지금 우리가 보고 있는 궤적을 계속 따라간다면, 그때쯤에는 — 혹은 그리 멀지 않은 미래에는 — 이론적으로 원래 촬영했던 60초 영상과 완전히 동일한 영상을 생성할 수 있게 될 것이라고 예상할 수 있다.

생성된 영상은 실제 영상과 동등해진다.

움직임, 물리 법칙, 동작, 행동, 그리고 그 영상에서 벌어질 수 있는 모든 가능한 시나리오의 모든 가능한 결과가 모델의 잠재 공간(latents) 어딘가에 존재한다.

그중에서 우리가 실제로 경험한 현실을 나타내는 하나를 찾아낼 수 있다면, 결과적으로 당신이 직접 촬영한 영상과 똑같은 생성 영상을 얻게 되는 것이다.

하지만 이론적으로는 원래 영상에서 파생될 수 있는 모든 가능한 변형, 즉 가능한 모든 경우의 순열을 만들어낼 수도 있다.

그 말은 곧 우리가 마침내 현실의 시뮬레이션을 만들어냈다는 뜻이다.

지도(map)가 곧 영토(territory)가 된다.

이제 2028년이라고 상상해보자.

그리고 이 모든 것을 실시간으로 할 수 있게 된다면……