유튜브 영상만으로는 충분하지 않다. 최첨단 물리 기반 AI 모델은 다중 카메라 시점과 밀집 주석, 그리고 향후 뇌파 측정 데이터를 요구한다. 이 문구는 데이터 수집의 복잡성이 비디오 단일 소스보다 훨씬 크다는 점을 명확하게 지적하고 있다.

최첨단 물리 기반 AI 모델은 단일 유튜브 영상에서 얻는 시각 정보만으로는 불충분하다고 결론지어졌으며, 여러 각도의 카메라 동시 촬영과 프레임·공간 단위의 밀집 주석이 필요하다고 제시되었다. 이러한 데이터 구성은 장면의 3차원 구조와 미세한 상호작용을 학습 가능한 형태로 전환하며, 원문은 이것이 물리적 예측 정확도를 높이는 핵심 조건이라고 짚었다. 추가적으로 뇌파 같은 내부 상태 신호가 보조 입력으로 도입될 가능성이 언급되었으며, 이는 모델 성능 향상뿐 아니라 데이터 수집 비용과 윤리·프라이버시 문제를 함께 수반할 것으로 예측된다.