2015년경 내가 처음으로 이미지 캡셔닝(이미지에서 텍스트로) 네트워크를 보여줬을 때 페이페이가 내게 했던 말: "정말 멋져, 이제 거꾸로 해봐!"

나: "하하 그건 불가능해요"  알고 보니 ~B 규모의 대체 텍스트 데이터셋 스크랩, 트랜스포머, 디퓨전, 그리고 ~1천 개의 A100 클러스터만 있으면 된다는 걸 알게 됐어.