관련 기사: https://www.dt.co.kr/article/12018361
-----------------------------------------------------------------------------------------------------------------------------------------------------------
디따 유튜브 구독하기 https://www.youtube.com/channel/UCxdgnFyzm3WcalaBn2Ya6hg
네이버TV https://tv.naver.com/ditta
데일리모션 https://www.dailymotion.com/dtwithcom
디지털타임스 홈페이지 http://www.dt.co.kr/
디지털타임스 페이스북 https://www.facebook.com/Digitaltimesnews
☏ 제보하기 photo@dt.co.kr
-----------------------------------------------------------------------------------------------------------------------------------------------------------
#디지털타임스 #미래포럼 #AI포럼 @ditta
-----------------------------------------------------------------------------------------------------------------------------------------------------------
디따 유튜브 구독하기 https://www.youtube.com/channel/UCxdgnFyzm3WcalaBn2Ya6hg
네이버TV https://tv.naver.com/ditta
데일리모션 https://www.dailymotion.com/dtwithcom
디지털타임스 홈페이지 http://www.dt.co.kr/
디지털타임스 페이스북 https://www.facebook.com/Digitaltimesnews
☏ 제보하기 photo@dt.co.kr
-----------------------------------------------------------------------------------------------------------------------------------------------------------
#디지털타임스 #미래포럼 #AI포럼 @ditta
카테고리
🗞
뉴스트랜스크립트
00:00오늘 행사 일단은 초청해서 굉장히 감사드리고요.
00:04행사 프로그램상 보면 AI라는 것의 세계적인 트렌드를 보고
00:10그다음에 국내 정부에서는 어떤 정책을 하고 있는지
00:14마지막에 제가 AI하는 사람 입장에서 뭔가 정책 아니라든가 이런 걸 조금 제안을 해야 되겠다
00:21이런 마음을 먹고 왔는데 사실 어려울 것 같습니다.
00:25그게 예를 들면 우리가 AI 3대 강국 될 수는 있는 건지
00:29그다음에 AI 3대 강국 되면 뭐가 좋아지는 건지
00:33명확한 그림이 있으신가요?
00:36그 그림 만드는 것 자체가 좀 어려워서 사실은 제가 고민하다가
00:40일단은 여러분들이 AI에 대해서 많이 얘기하고 있는데
00:44도대체 AI가 뭔지 다 십인십색 다른 생각들을 하시고 계시고
00:48어쨌든 중요한 것은 미중 패권도 있고 세계적으로 국가적인 기술력
00:53국가 경쟁력이 AI라는 걸 가지고 얘기되니까 많은 서랑설레하고 있는데
00:59제가 좀 그걸 정리해야 되겠다는 생각을 했습니다.
01:02저는 인공지능을 좀 오래 한 사람이고요.
01:04사실 오래 한 게 별로 도움이 안 되는 게 최근에 성공하는 인공지능은
01:09요 근래에 나온 거고 많은 부분은 좋은 컴퓨터 데이터 때문에 잘 되는 거지
01:14방법이 그렇게 대단히 잘 된 건 아니고요.
01:17그렇지만 제가 직접 한 일도 조금은 있고 또 한 30여 년 동안 인공지능 업에 있으면서
01:23발전해가는 또 실패했던 사례라든가 이런 걸 목격한 사람 입장에서 조금 말씀을 드리고 싶고요.
01:29기술 역시는 다 아시는 얘기고 지금은 어쨌든 AI, IoT 시대인 것만은 분명한 것 같습니다.
01:35작년에 이런 일도 있었고요.
01:38또 그게 그냥 뻥치는 게 아니고요.
01:41실제로 지능의 굉장히 중요한 요소라고 알려져 있는 시각 기능이라든가 언어 기능을
01:47사람의 성능을 뛰어넘는 사실 제가 아마 제 살아생기 전에는
01:51그런 일은 없을 거야라고 생각하고 시작한 일인데
01:54그게 됐으니까 대단한 일은 분명하고요.
01:58그런데 도대체 인공지능이 뭘까?
02:00보면 다들 뭔가 매직이 있는 거로 생각하시죠?
02:03그런데 굉장히 단순합니다.
02:05사실은 컴퓨터 나오기 전까지는 다 사고 실험이라는 걸 가지고 생각만 가지고 하던 건데
02:09언제 컴퓨터가 나왔으니까 그런데 컴퓨터는 기본적으로 입력된 거를
02:14순차적으로 변화를 내서 출력을 만드는 기계인데
02:17그런 기계를 인간의 지능을 하는 방식으로 좀 해봅시다.
02:22그래서 처음에는 논리학이라든가 규칙, 추론, 확률 이런 여러 가지 기술들을 도입해서
02:29한번 해보려고 했는데 그렇게 썩 좋은 성능을 못 냈는데
02:33우리가 방법을 모르면 할 수 있는 방법이
02:37입력이 이렇게 들어오면 어떤 출력이 나와야 돼
02:40지능이라는 게 하는 행위가 있잖아요.
02:44사물을 보면 거기에 대해서 뭔가 판단을 한다든가
02:47또는 피한다든가 그런 일들을 모르니까
02:51그 안에 그냥 미지수를 잔뜩 집어넣고요.
02:53파라미터라고 얘기하는 게 이런 거고
02:56이게 사실은 엄격하게 똑같지는 않은데
02:59뇌의 신경 망구저랑 조금 유사한 부분도 있습니다.
03:03그런 식으로 해서 만일 우리가 이 파라미터를 잘 조정을 해서
03:08입력에 대해서 출력이 잘 나올 수만 있으면
03:10어떻게 하는지는 모르지만
03:12인공지능 만든 거 아닐까 이런 생각을 해서
03:14이런 파라미터를 데이터로부터 자동으로 결정하는 방법을
03:19이런저런 시도를 했고요.
03:21너무나도 당연하게 그런 파라미터가 많으면 많을수록
03:25조금 더 복잡한 어떤 기능을 할 수 있겠죠.
03:28함수를 봐도 우리가 복잡한 어떤 함수를 만드는 걸
03:31한 번에 만들기 어려우면
03:32단순한 함수들을 쭉 순차적으로 연결해서 해봅시다.
03:37그거를 하는 방법을 딥러닝이라고 합니다.
03:40그래서 사실은 딥러닝이 느닷없이 나온 게 아니고요.
03:43이미 수학이나 이런 분야에서 많이 해왔던 최적화하는
03:47반복 최적화의 방법인데
03:48굳이 딥러닝 얘기할 때는 크게 세 가지 모델을 얘기합니다.
03:52이렇게 이런 모양 주로 영상이나 시각 정보를 잘 처리하고요.
03:58이런 것들은 주로 텍스트 언어라든가 센터 정보를 잘 처리하고
04:03이게 상대적으로 최근에 나온 건데
04:06새로운 데이터를 생성하는 방식으로 처리하는 것도 있고
04:10이 세 개 가지고 이렇게 저렇게 하면서
04:12지난 7, 8년 동안 굉장히 재미있는 결과들을 많이 냈고요.
04:17그런데 지금 우리가 주목하는 기술은
04:20사실은 언어모델을 만들 때 썼던 신경망입니다.
04:23언어모델 하니까 굉장히 다른 세계처럼 들리는데
04:27사실은 우리가 컴퓨터를 가지고 문장을 처리하려면
04:30반드시 해야만 하는 일이었습니다.
04:32그래서 컴퓨터 하는 사람들이 굉장히 오래전부터
04:34이런저런 방법을 했었는데
04:36이거를 신경망으로 한번 해보자고
04:39기본적으로는 이렇게 단어가 나오면
04:43그 다음 단어가 무엇이 될지를 예측하는 그런 일입니다.
04:47그런 일을 확률적으로 하다가
04:49최근에는 이런 모양의 신경망이 복잡해 보이죠.
04:53마치 복잡한 설계도처럼 보이는데
04:55사실은 패라미터를 쭉 늘어놓은 겁니다.
04:58트랜스포머라고 구글에서 만든 방법이고요.
05:01이게 좋은 점은 여기 N 곱하기가 있는데
05:05N을 많이 쌓아도 굉장히 그럴듯하게
05:09사람을 추정할 수 있는 그런 방법이 돼서
05:12처음에 이게 될까 싶었는데
05:14여기다가 데이터를 마구 넣어봤어요.
05:17그랬더니 이런 현상이 있었는데요.
05:20이게 그 신경망이 트랜스포머라고 돼 있는 게
05:24오차를 내는 그게 어느 정도 될까
05:27이게 로그 스케일입니다.
05:29그게 계산기 좋은 거 붙이면 붙일수록
05:31데이터를 많이 쓰면 쓸수록
05:34또 패라미터 수를 늘리면 늘릴수록
05:36계속 줄었어요.
05:37이건 사실 예측하지 못했던 일입니다.
05:40대부분은 좋아지다가 대충 안 되고
05:43그게 제가 40여 년 동안 경험했던 사실인데
05:46패라미터를 엄청나게 늘린 모델을 만들었더니
05:49이런 일이 되더라.
05:50그다음부터 이게 싸움이 된 겁니다.
05:53여러 나라에서 그러면 패라미터 많이 늘리자.
05:56늘리는데 그거 돌리려면 좋은 컴퓨터 필요하죠.
06:00그래서 엔비디아가 만든 그래픽 처리하는 프로세서 사다가
06:02그거 많이 붙이고
06:04그러니까 싸움이 성능이 잘 나오는 것은 안 됐는데
06:09반도체라든가 이런 쪽으로 옮겨 붙은 거고요.
06:14그래서 지금 보면 이런 차트에서
06:16사이즈가 패라미터의 수를 표현하는데
06:19크게는 중국세가 굉장히 강하구나라는 게 있고요.
06:25그리고 또 굉장히 큰 모델들도 있지만
06:28여전히 지금 이 시점에
06:30그렇게 크지 않은 모델들도 있구나.
06:32뭐 이런 게 지금 이쪽 분야의 추세입니다.
06:35그래서 열심히 열심히 하고 있는데
06:37가만히 생각해 보니까
06:38방법은 똑같은데 왜 굳이 문장만 가지고 그러지?
06:42똑같은 얘기를 영상이나 오디오, 비디오 다 해봅시다.
06:46물론 문장에 비해서 영상이나 비디오는
06:51조금 더 스케일이 커지긴 합니다.
06:53그래도 똑같은 방법으로
06:55아까 언어모델 만들듯이 만드는 거
06:57그거를 멀티모달 생성형 인공지능이라고 하고요.
07:01이게 또 의외로 좋은 결과를 굉장히 많이 냅니다.
07:04뭐 의료 진단이라든가
07:05또는 비디오 생성하고 이러는 것들도 굉장히 잘하고요.
07:09그래서 특정하게 예를 들면
07:10의료 분야에서 이런 걸 이용하고 있다.
07:11그러면 기본 모델 만들어 놓은 거에다
07:14예를 들면 체원 관계되는 혈압이라든가
07:17유전자 정보, 또 영상, 진단 기록
07:21이런 것들을 많이 학습시켜 놓고 나면
07:24학습이라는 게 파라미터 튜닝을 해놓고 나면
07:27그러면 이 환자가 암 환자인지 아닌지 진단을 해준다든가
07:33또는 이 사람은 어떻게 처방하면 좋을까요?
07:36이렇게 의사 선생님한테 물어보는 것처럼
07:38텍스트로 물어보면 질문을 해주기도 하고
07:41또 그 환자에 대한 리포트를 만들어주기도 하고
07:43이게 일반적으로 굉장히 어려운 일이라고 생각해서
07:46AI 분야나 컴퓨터 분야에서 이런저런 방법으로 하던 거를
07:49굉장히 방법은 단순한데
07:51엄청나게 많은 양의 데이터를 넣었더니 되더라.
07:54그게 지금 싸움을 벌이고 있는 거고요.
07:59소위 얘기하는 LLM을 기반으로 영상도 집어넣고
08:02이렇게 질문을 집어넣으면 굉장히 그럴듯합니다.
08:05여러분들 채찍비티도 써보시고 그러면 놀랍죠.
08:08어떻게 그렇게 사람이 생각하는 것처럼 말할까.
08:11근데 거기에는 생각도 없고요.
08:13굉장히 단순하게 이전에 있었던 많은 양의
08:16문장들에서 확률적으로 그 다음에 나올 단어들을
08:19쭉 보여주는 건데 그게 우리가 볼 때는
08:21굉장히 그럴듯한 게 되죠.
08:24여전히 근데 문제점은 있습니다.
08:26그런 방식으로 했을 때 당연히 연산을 한다든가
08:30개수를 샌다든가 이런 것들은 정확하게 될 리가 없잖아요.
08:33근데 그런 부분을 좀 극복하기 위해서
08:35사람은 어떻게 할까 생각해보면
08:37막바로 이렇게 무지막지하게 패턴도 찾지 않잖아요.
08:41예를 들면 이런 식의 영상에서 이런 답을 찾으려면
08:45질문이 뭔지 분석도 해보고
08:47그 다음에 어떤 액션을 취해야 될지
08:49그리고 그 액션을 취하면 어떤 식으로 될지 예측도 해보고
08:53또 환경에 대해서 맥락에 대해서 검증도 해보고
08:57이런 과정을 대부분은 여러 차례 돌리죠.
09:00출원한다고요.
09:00머리도 굴리고 해서 결론적으로 솔루션을 내는
09:03이런 방식으로 우리가 취하는 것을 한번 해봅시다.
09:07그거를 에이전트라고 합니다.
09:08앞에서도 여러분들이 얘기를 했는데
09:10사실 에이전트는 요 근래에 나온 게 아니고요.
09:13소프트웨어 하는 사람들의 수건 사업입니다.
09:15소프트웨어가 시킨 대로만 하지 않고
09:17나름대로 자율성을 갖고 뭔가 결과를 낼 수 있으면
09:20우리가 여러 가지 서비스를 만들 수 있으니까
09:22근데 잘 안되던 게
09:24LLM이라는 게 도입되면서
09:26필요한 일들을 나눠주기도 하고
09:29그 모줄들 사이에서 정보를 교환하는 것
09:31이런 것들이 얼추 사람이 말하는 것처럼 되는
09:35그런 시대에 아까 얘기했던 것처럼
09:37엔트로픽이라든가 오픈 AI에서
09:39여러 가지 플랫폼들 제안을 하고
09:41이렇게 발전을 하고 있습니다.
09:44한 가지 제가 사례를 간단하게 보여드리려고 하는데요.
09:49이게 사실은 에이전트들 둘이
09:51서로 호텔 예약에 관계되는 대화를 하는
09:54그런 장면인데 약간 페이크가 들어가 있긴 합니다.
09:57근데 나를 대신해서 호텔을 예약해주는 내 프로그램이
10:01또 호텔 측에 있는 에이전트 소 프로그램이랑
10:04서로 대화를 하면서 필요한 호텔 일자를 정하고
10:08또 필요한 홀의 크기, 비용 이런 거에 대해서 이런저런 얘기를 하고
10:15또 이건 약간 좀 페이크가 들어가 있는데
10:18그걸 꼭 굳이 사람이 하는 방식의 말을 할 필요가 없잖아요.
10:21자기들끼리 좀 간략하게
10:23자기들끼리의 말로 그냥 간단간단하게
10:26예를 들면 150이 좋겠어요 하다든가
10:302024년 6월 25일 가격은 어떻게 됩니까?
10:34가격은 많은데 디테일한 건 메일로 보내줄게요.
10:37사실은 이게 에이전트 관계된 해커톤에서 나왔던 얘기긴 한데
10:41이런 세상이 안 올까요?
10:44최근에 앞에 손재권 대표님도 말씀하셨지만
10:48우리가 여태까지 뭔가 시키는 인터넷 서비스들이
10:51그냥 여러 가지 다 하고 우리가 검색도 하고
10:54그다음에 가격 찾아서 예약도 하고 지불도 하고
10:58내가 다 하는 거 조금 불편하잖아요.
11:01그런 일들을 나를 대신해서 충분히 할 수 있는
11:03그런 가능성이 있기 때문에 열심히 하고 있습니다.
11:06이미 정책관님이 잘 말씀해 주셨는데
11:10우리나라도 어쨌든 국가인공지능위원회를 기반으로
11:15그런 식의 걸 한번 돌파해 봅시다.
11:17그런 시도를 해서
11:18이건 제가 마지막 참석했던 심의회의였는데
11:21AI 고속도로 같은 컴퓨터 인프라를 확충하고
11:25인재 필요하고 스타트업이 중심이 돼야 될 테니까
11:28잘 합시다.
11:30그리고 데이터가 중요합니다.
11:31이런 얘기를 했습니다.
11:33여기서부터가 오늘 뭔가 제가 제안해야 될 것 같아서
11:37생각을 좀 정리한 건데요.
11:40최근에 우리가 쏘버린 AI라는 얘기를 많이 하죠.
11:43근데 제가 어떤 분한테
11:45쏘버린 AI 합니다 그랬더니
11:46소를 버리는 AI도 있어?
11:48그런 분도 계시던데요.
11:50사실 영어가 좀 애매하게
11:52주권 AI
11:54근데 도대체 주권이 뭘까요?
11:55한동안은 한국적인 정서라든가
11:58문화, 언어를 잘 반영하는 AI
12:00이런 말씀도 하셨는데
12:01그거는 사실 좀 물 건너간 얘기인 것 같고요.
12:04어차피 기술 의존이나 데이터 주권을
12:08조금 찾을 수 있는
12:09그래서 우리 독자적으로 AI를 만들어봅시다
12:11를 지금 하고 있죠.
12:13현재는 이런 식의 것들을 준비하고 있는 걸로 알고 있고요.
12:16제가 생각해보기에는
12:18어쨌든 이미 우리가 많이 뒤처져 있습니다.
12:21컴퓨팅 인프라도 사실은 아까 보여드린 것처럼
12:235만 장, 10만 장 해도
12:25뭐 이익의 기업만큼도 못하는 경우도 있기도 하고
12:29그래서 계속 따라가는 거로는
12:31아마 좀 따라잡기 어렵겠다.
12:33그렇다고 하지 말아야 되냐?
12:34그것도 아니고 굉장히 어렵습니다.
12:37그래서 뭔가 우리가 제한된
12:39재원을 가지고
12:41뒤따라가는 입장에서
12:43그걸 어쨌든 극복하기 위한
12:45뭔가 전략이 필요할 것 같고
12:46제가 사실은 이런 전략을 말씀드리기 전에
12:49약간 희망 섞인 말씀을 드리면
12:51이 분야는 예전에 중국이 그랬던 것처럼
12:55중국 금융 시스템이
12:57전통적인 트랙을 안 밟았잖아요.
13:00사실은 굉장히 자본주의
13:01우리 자본주의 세계에서는
13:04여러 가지 단계를 밟아서
13:06더 좋은 게 있다고 알지만
13:08금방 못 바꾸는 부분이 있었어요.
13:10그런데 그걸 다 생략하고
13:11이미 돼 있는 걸로부터 가서
13:12일단 그 부분에서 어쩌면 더 잘할 수도 있는
13:15그래서 인공지능도
13:17우리가 굉장히 뒤처진 건 분명한데
13:18그런 인공지능을 예전 같으면
13:21예를 들면 GPU
13:22예를 들면 만장, 이만장 들어가야 될 때
13:25어쩌면 굉장히 경량으로도 충분히 할 수도 있는
13:28왜냐하면 가격대 성능이 굉장히 좋아지고 있거든요.
13:33하여튼 그런 걸 염두에 뒀을 때
13:34크게 한 세 가지 정도 전략을 생각해보면 좋겠다.
13:39어쩌면 상식적인 얘기일 수도 있는데
13:41우리가 다 펼쳐놓고
13:43이것도 하고 저것도 하고
13:45따라가기 좀 힘들겠죠.
13:47그래서 약간은 모험을 걸어야 된다는 생각이 들고요.
13:50선택과 집중이라는 게 어쩔 수 없이 취해야 될 일인데
13:53사실 세계 3대 강국은 생각보다 쉬울 수도 있습니다.
13:57아까도 보여드린 것처럼
13:58순위를 굳이 매겨보면
14:01그냥 3등부터 10등까지는
14:03올망졸망 비슷하거든요.
14:05그래서 그 안에서 척도 조금만 올리면
14:07어쩌면 될 수 있는데
14:08그런데 사실은 순위 올리는 게 우리 목적이 아니고
14:11그래서 3위가 돼서 우리가 도대체 뭐가 좋아지는지
14:15그걸 좀 고민을 해봐야 되는데요.
14:18적어도 우리가 따라가야 될 부분은 일단 지금 컴퓨팅 리소스 넣어서
14:23또 파운데이션 모델도 한번 만들어보고
14:27파운데이션 모델 자체가 제가 보기엔 중요한 게 아니고
14:29그 모델을 만들 때 투입됐던 인력이라든가
14:34또 거기서 노하우 이런 게 분명히 중요한 건 반드시 맞을 것 같고
14:39왜냐하면 사실 95%를 목표로 하는 건 좀 재미없잖아요.
14:43우리가 세계에서 제일 좋은 거 하겠어요 해도 조금 그런데
14:46그렇지만 그럼에도 불구하고 해야 될 일일 것 같고요.
14:50그렇지만 아까도 얘기 나온 것처럼
14:52우리가 잘할 수 있는 거
14:53또 잘해야만 하는 분야
14:55국방이나 원자력은 우리가 잘해야만 하는 거고요.
14:59또 반도체, 자동차, 조선 이런 쪽은
15:01또 상대적으로 좀 잘하는 부분이 있으니까
15:03그런 부분에 집중해서 이건 세계 최강
15:06우리가 그런 게 없으면 레버리지가 안 됩니다.
15:09우리가 뭔가 잘하는 게 있어야지 협력도 하고
15:11뭐가 될 수 있기 때문에
15:13그 다음엔 활용 중심의 AI도 좀 생각해 봐야 되겠다.
15:17여기 여러 기관장님도 계시는데
15:19전통적인 방식으로 충분히 해오던 건데
15:22작년에 하여튼 노벨상이 굉장히 시사하는 바가 크다고 생각하는데요.
15:26조금 이상한 애죠.
15:282단 기술처럼 보이는데
15:30어쨌든 자기가 그 분야에서 잘 못 풀던 문제를
15:33훨씬 더 빠르게 정확하게 잘 풀 수 있으면
15:36그런 부분에서 조금 더 잘 사용해야 되겠다.
15:40그래서 활용 중심으로 산업 현장에 성공적으로 일단 활용을 하고
15:45소비자층을 늘리고
15:46우리가 그 분야에서는 나름대로
15:48그게 디펙토 스탠다드가 될 수 있도록
15:51사회 경제적인 영향력을 확대해서
15:55국민이나 또 그 분야에 계신 분이
15:57AI 진짜 써봤더니 진짜 효과가 있네
16:00그런 느낌이 좀 닿을 수 있으면 좋을 것 같습니다.
16:03그래서 AI를 도구로 활용해서 좀 즉각적으로
16:06경제적인 성과를 올리시는 방향으로 하면 좋겠다라는 생각이 들고요.
16:12세 번째는 약간 좀 시니컬하게 생각을 해봤는데
16:14우리가 좀 이 세 가지를 주로 생각을 하거든요.
16:17컴퓨팅 인프라라든가 데이터, 그 다음에 인재 양성
16:20이게 중요하다고는 하고 있는데
16:22각각이 그게 됐을 때 뭐가 될까가 조금 애매합니다.
16:26컴퓨팅 인프라 지금도 부족하지만
16:28그거 구축하고 나면 그래서 뭐가 되는데
16:30사실 그 이후로 관리하고 또 그걸 통해서
16:34우리가 얻을 수 있는 전략이나 이런 것들이
16:36좀 명확하게 밝혀져야 될 것 같고요.
16:39데이터도 사실은 많으면 많을수록 좋아요.
16:42그렇게는 얘기하는데 꼭 그렇지만은 않습니다.
16:44사실은 지난 앞에 앞에 정권에서
16:48데이터 땜 사업이나 이런 거 하면서 데이터를 상당히 모아놨는데
16:51막상 AI 시대가 돼서 그걸 활용하려고 하다 보니까
16:54좀 어려운 부분도 있습니다.
16:56그래서 모으는 시점에서도 조금 더 필요 수요를 잘 고려해서
17:01모아야 될 필요가 있을 것 같고요.
17:04또 인재도 지금 정부에서 여러 채널을 통해서 지원해 주셔서
17:08대학원생도 양성하고 여러 가지 하고 있는데요.
17:12그게 우리가 수요가 없다는 게 조금 어려운 점이 있고
17:16그래서 그냥 이것만 늘리는 게 아니고
17:18좀 같이 수요를 고려해서 우리가 필요한 인력을
17:22적재적소에 조금 키울 수 있도록 할 필요가 있다고 생각이 됩니다.
17:27이런 말씀을 제가 드리면서 보통 마지막에 드리는 말씀이
17:32저희가 인프라도 필요하고 데이터 인재 필요한데
17:35그게 각각이 놀아서 안 될 것 같고요.
17:38이렇게 하는 우리의 목적이 뭔지 그래서 AI 3대 강국
17:42그게 뭘 의미하는지 조금 더 목표를 구체화시키고
17:45또 이를 실현하기 위해서 조금 더 정교하게
17:48정책을 마련해야 되겠다.
17:50이런 생각을 전달해 드리고 싶었습니다.
17:52감사합니다.
17:52감사합니다.
17:54도교수님
17:54감사합니다.
댓글