요약

1. AI 연구 생태계와 속도 조절

지속 불가능한 무임승차: 구글(딥마인드)이 트랜스포머, 알파고 등 핵심 기술을 공개해 현대 AI 산업의 기반을 닦았으나, 경쟁사들이 이를 가져다 쓰기만 하고 그만큼 공공의 지식에 기여하지 않는 현 상황은 지속 불가능하다고 지적했습니다.

속도와 안전: 5~10년 내 AGI(범용인공지능) 도달이 예상되는 상황에서, 안전·윤리·철학적 문제를 해결할 시간을 벌기 위해 개발 속도가 다소 늦춰지는 것은 오히려 긍정적일 수 있습니다.

2. 에너지 소비 vs. 효용 (AI for Science)

에너지 우려 반박: AI 모델의 에너지 소비가 늘고 있지만, AI를 통해 개발될 신소재, 핵융합, 효율적 전력망 등이 가져올 혜택이 에너지 비용을 훨씬 상회할 것입니다. AI는 기후 변화 해결을 위한 필수 도구입니다.

산업의 방향성: 현재 AI 업계가 엔터테인먼트나 비디오 생성 같은 '가벼운(frivolous)' 용도에 치중된 경향이 있으며, 과학과 의료 등 인류에게 실질적 도움이 되는 방향으로 더 집중해야 합니다.

3. 아이소모픽 랩스(신약 개발)와 양자 컴퓨팅

신약 개발 현황: 노바티스, 일라이 릴리와 협력 중이며 18개 약물 프로그램을 진행 중입니다. 단순 단백질 구조 예측을 넘어 화학, 독성 예측 등 6-7개의 추가적 기술 돌파구를 마련했으며, 1-2년 내에 놀라운 성과를 발표할 예정입니다.

양자 컴퓨팅의 역할: 신약 개발에는 기존 머신러닝으로 충분하지만, 데이터가 부족한 신소재 설계(초전도체, 배터리 등) 분야에서는 양자 시뮬레이션이 핵심적인 역할을 할 것입니다.

4. 국방 및 정부 협력

실용적 협력: 미국 정부 및 국방부와 '비기밀 업무(행정 효율화)' 및 '사이버 보안' 분야에서 협력하고 있습니다.

민주주의 수호: 불안정한 국제 정세 속에서 서구 민주주의 국가들이 기술적 우위(특히 AI, 사이버 보안)를 점하도록 돕는 것이 중요하며, 이에 대해 사내 구성원들도 동의하고 있습니다.

00:00
인터뷰어: 자신만의 벽을 쌓고 혼자서 이러한 돌파구(breakthroughs)를 만들어내는 것이 가능하다고 보십니까? 아니면 그런 종류의 상호 교류(cross-pollination)가 필요하다고 생각하십니까?

데미스 하사비스: 네, 의심할 여지 없이... 제 말은, 이것이 과학이 작동하는 방식, 즉 '오픈 사이언스(Open Science)'가 작동하는 방식이라는 겁니다. 모든 것을 완전히 공유한다면, 전반적인 진전 속도는 더 빨라집니다. 분야 전체의 관점에서 본다면 그렇죠.

하지만 보세요, 속도가 그렇게 빠르지 않다는 것이 오히려 좋은 일일 수도 있습니다. 왜냐하면 안전에 대해 걱정해야 하고, 이 기술과 관련해서 우리가 깊이 생각해야 할 다른 많은 문제들이 있기 때문입니다. 상업적인 우려와는 별개로 말이죠. 안전 문제도 있고, 철학적 문제, 윤리적 문제들도 있습니다. 우리가 5년에서 10년 내로 범용인공지능(AGI)에 도달하기 전에 이런 문제들을 해결할 시간이 그리 많지 않습니다.

그러니 속도가 조금 늦춰져서 생각할 시간이 더 생기는 것이 나쁜 일만은 아닐 수 있습니다.

그리고 다른 한 가지는, 우리 입장에서 말하자면... 우리는 트랜스포머(Transformers)를 세상에 내놓았습니다. 구글이 트랜스포머를 내놓았고 현대 AI 산업 전체가 그 기반 위에 세워졌다는 점에 대해 우리가 충분히 인정을 받지 못하고 있다고 생각합니다. 알파고(AlphaGo)도 네이처(Nature)지에 발표했고요. 강화학습(RL)이나 딥러닝의 기초적인 것들, 당신이 언급한 초기 NIPS(신경정보처리시스템학회) 시절의 아타리(Atari) 작업들도 모두 공개적으로 발표되었습니다. 그중 많은 부분이 오늘날의 현대 AI 산업을 만들었다고 생각합니다.

그런데 우리 입장에서 한 가지 생각되는 점은, 다른 많은 사람들이 우리가 공개한 것들을 사용하면서도 반드시 그만큼 '공공의 지식(commons)'에 기여하지는 않았다는 것입니다. 그것은 장기적으로 볼 때 다소 지속 불가능한(unsustainable) 일입니다. 우리는, 그리고 다른 이들도 많은 것을 공개하며 기여했지만, 다른 누군가는 그것을 가져다가 그 위에 무언가를 쌓으면서도(물론 그것은 그들의 권리인 정당한 플레이지만) 그만큼의 결과물을 다시 공개하지 않는다면 말이죠. 적어도 같은 규모로는요. 그래서 그런 방식은 오래 지속될 수 없다고 생각합니다.

01:57
인터뷰어: 네, 정말 흥미롭네요. 그리고 속도를 늦추는 것이 자연스럽게 일어난다면 그렇게 나쁜 일만은 아닐 수 있다는 생각도요.

데미스 하사비스: 네, 그렇습니다. 상황이 변한 데에는 여러 이유가 있습니다만, 제 마음 한편으로는 그것이 반드시... 앞서 언급했듯이 지금도 믿을 수 없을 정도로 빠르게 진행되고 있습니다. AI 분야에서의 1년은 일반적인 10년처럼 느껴지죠. 그래서 더 빨라지기를 우리가 원하는지 모르겠습니다. 속도가 충분히 빠르지 않다는 것이 이 분야의 문제는 아니라고 생각합니다.

02:22
인터뷰어: 네, 맞습니다. 그리고 다른 역풍(headwinds)들도 있습니다. 사람들이 올해 메모리 부족이나 높은 가격에 대해 많이 이야기하고 있는데요, 이것이 연구에 어떤 영향을 미치고 있나요?

데미스 하사비스: 음, 지금 당장은 직접적인 영향은 없습니다만, 미래의 장애물이 될 수는 있겠죠. 이건 컴퓨팅 파워(compute)에 대한 추가적인 병목 현상일 뿐입니다. 앞서 이야기했듯이 이는 연구에 영향을 미칩니다. 왜냐하면 요즘에는 누구든 기존 제품이나 엔터프라이즈 고객을 위한 서비스와 (모델) 훈련 사이에서 가차 없이 우선순위를 정해야 하기 때문입니다.

컴퓨팅 자원이 많을수록 더 많은 탐색(exploration)을 할 수 있습니다. 컴퓨팅 자원에 대한 또 다른 흥미로운 점은, 이것이 단순히 거대한 모델 훈련만을 위한 것이 아니라 새로운 아이디어를 탐색하는 데에도 쓰인다는 것입니다. 어떤 아이디어가 좋은지 알기 위해서는 특정 규모 이상으로 실험해봐야만 알 수 있습니다. 그렇지 않으면 (좋은 아이디어인지) 알 수 없죠.

메모리 칩 부족은 압박을 받고 있는 전체 공급망의 일부일 뿐입니다. 한 부분을 해결하면 다른 부분이 병목이 되곤 하죠. 지금은 메모리 칩이 문제지만, 내일은 아마 다른 것이 문제가 될 겁니다.

03:33
인터뷰어: 네, 그리고 다른 문제로는... 우리가 기사로 썼던 데이터 센터에 대한 님비(NIMBYism) 현상도 있습니다. 이건 미국에서 실제 풀뿌리 수준의 이슈가 되고 있는데요. 당신은 과학과 연구를 위해 이 모든 일을 하고 있고, 사람들은 보통 그런 것들은 지지합니다.

하지만 좀 더 경박한(frivolous) 것들, 예를 들어 비디오 생성 같은 것에 대해서는 사람들이 "오, 이런 하찮은 것 때문에 지구 온난화를 가속화해야 하나? 그럴 가치가 있나?"라고 묻게 됩니다. 이런 대화들이 오가고 있죠. 대중의 여론을 바꾸기 위한 메시지나 전략 같은 것이 있으신지 궁금합니다.

04:13
인터뷰어: 물론입니다. 이해할 만한 일이라고 생각합니다. 물 사용량이나 다른 것들에 대해 잘못된 정보도 많이 있습니다만, 타당한 우려들도 분명 존재합니다.

여기서 몇 가지 말씀드릴 게 있습니다. 첫째, 이 모델들은 성능 대비 효율성이 매년 거의 10배씩 좋아지고 있습니다. 문제는 전체 에너지 발자국(footprint)은 커지고 있다는 점인데, 이는 우리가 아직 AGI에 도달하지 못했기 때문입니다. 프론티어(최첨단) 모델들은 항상 가용한 최대한의 컴퓨팅 자원을 필요로 할 겁니다.

하지만 실제로 제품에 적용되는 모델들, 예를 들어 우리의 플래시(Flash) 모델 같은 경우 가장 많이 사용되는데, 이는 전력 소모 대비 성능, 혹은 비용/지연시간 대비 성능의 '파레토 최전선(Pareto frontier)'에 있는 가장 효율적인 모델들입니다. 기업들이 효율성을 추구해야 하는 상업적 압박이 크기 때문에 이는 산업계에도, 소비자에게도, 그리고 에너지 사용을 줄이는 데에도 좋은 일입니다.

하지만 에너지에 대한 우려 중 일부는 과장되었다고 생각합니다. 제 견해로는 우리가 만들고 있는 모델들, 즉 기후 모델, 기상 모델, 과학을 위한 모델들이 가져올 혜택이 그 비용을 훨씬 상회할 것이기 때문입니다. 에너지 절약이나 국가 전력망의 최적화 같은 좁은 의미의 에너지 영역에서만 보더라도 말이죠. 새로운 소재(materials)를 개발하는 것 등은 사회가 부담하는 에너지 비용보다 몇 자릿수(orders of magnitude) 더 큰 개선과 절약을 가져올 것입니다. 기후 변화 해결을 포함해서요.

사실, 오늘날의 분열된 정치적 상황 속에서 기후 변화를 해결할 유일한 방법 중 하나는 새로운 기술을 개발하는 것이라고 생각합니다. 새로운 소재나 핵융합(fusion) 같은 것들 말이죠. 여러 가지 실행 가능한 경로가 있지만, 제 생각에 그 모든 것들이 제때 실현되려면 가속화를 위한 AI가 필요할 것입니다.

그래서 저는 AI가 건강과 에너지 분야를 포함해 사회가 직면한 시급한 과제들을 해결하는 데 도움을 주기 위해 꼭 필요하다고 생각합니다. 당신 말씀대로 사회도 그런 부분은 지지할 것이라고 생각합니다. 따라서 AI 산업 전체가 그런 쪽으로 더 많이 움직여야 한다고 봅니다. 물론 우리는 '과학을 위한 AI(AI for science)'와 가장 대표적인 예인 알파폴드(AlphaFold)를 통해 그 길을 선도하고 있습니다. 전 세계 300만 명의 연구자들이 사용하고 있고, 앞으로 개발될 거의 모든 신약이 개발 과정의 일부에서 알파폴드를 사용하게 될 것입니다.

물론 우리는 알파폴드를 기반으로 스핀아웃한 '아이소모픽(Isomorphic)'을 통해 이를 더욱 발전시키려 하고 있습니다. 놀라운 일들이 다가오고 있습니다. 생산성 향상이나 AI 비서 등도 있겠죠.

하지만 어쩌면 이 분야 전체가 그런(유익한) 방향보다는 경박한 엔터테인먼트나 비디오 같은 쪽으로 너무 많이 쏠려 있는 것일 수도 있습니다. 하지만 그건 소비자에게 달린 문제이기도 합니다. 사람들과 기업들이 더 좋은 사용 사례(use cases)를 선택하고 그곳에 시간과 관심을 쏟아야겠죠. 그러니까 이건 생태계 전체가 그런 방향을 선호하도록 노력해야 하는 문제입니다. 우리 입장에서는 올해 그런 유익한 사용 사례들에 대해 더욱 집중하고 강력하게 추진할 계획입니다. 우리는 이미 그런 일을 가장 많이 하고 있다고 생각합니다만.

07:24
인터뷰어: 아이소모픽(Isomorphic)을 언급하셨는데, 아직 그곳에서 많은 소식을 듣지는 못했습니다. 물론 신약 개발은 시간이 오래 걸리죠. 알파폴드로 설계된 약물이 아직 시장에 나온 건 없는 것 같은데요, 소위 '깔때기의 상단(top of the funnel)'에서 설계된 약물들 말이죠.

데미스 하사비스: 네, 아직 초기 단계입니다. 아이소모픽은 놀라울 정도로 잘 진행되고 있고 발표할 내용도 많습니다만, 저를 잘 아시겠지만 저는 우리의 '성과가 스스로 증명하는 것(work to speak for itself)'을 좋아합니다.

그러니 우리가 보이지 않는 곳에서 맹렬히 일하고 있다는 건 확신하셔도 됩니다. 18개의 약물 프로그램을 진행 중이고 아주 잘 되고 있습니다. 조만간 발표할 내용이 많을 겁니다. 우리는 세계 최고의 제약사 중 두 곳인 노바티스(Novartis), 일라이 릴리(Eli Lilly)와 훌륭한 파트너십을 맺고 있습니다. 심혈관 질환이나 암 같은 매우 어려운 목표들을 대상으로 하고 있죠.

지켜봐 주십시오. 향후 1~2년 내에 아이소모픽에서 매우 놀라운 결과물들이 나오는 것을 보게 되실 겁니다. 이제 막 전임상(pre-clinical) 단계로 넘어가고 있습니다. 진척 상황에 매우 만족하고 있습니다만, 인간 건강과 규제 문제 등이 관련되어 있어 시간이 걸립니다. 하지만 플랫폼 자체는 큰 진전을 이루고 있습니다.

08:35
인터뷰어: 구글의 양자(Quantum) 부문에서 일어나는 일들을 보면, 작년에 나온 NMR 논문 같은 것들이 정말 흥미로운 연구라고 생각됩니다. 그런 데이터를 더 많이 볼 수 있게 된다면, 그것이 아이소모픽이나 알파폴드 같은 것들을, 양자 컴퓨팅이 대규모로 가능해질 때, 소위 '공상과학(sci-fi)' 수준으로 가속화(supercharge) 시킬 수 있을까요? 지금의 약물 발견 속도가 획기적으로 증가하는 그런 전환점을 돌기 위해서 그것이 필요하다고 보십니까?

데미스 하사비스: 네, 음... 물론 우리는 양자 팀과 긴밀히 협력하고 있습니다. 아까 노벨상 이야기를 하셨는데, 그들(양자 팀)도 올해 구글의 이름으로 (노벨상을) 수상했죠. 데보로(Devereaux)와 미셸(Michel) 등 놀라운 팀이 있습니다. 그들은 양자 분야에서 세계를 선도하고 있죠.

우리는 많이 협력하고 있고 네이처에 논문도 같이 냈습니다. 특히 '양자 오류 수정(quantum error correction)'에 관해서요. 머신러닝을 사용해 양자 컴퓨터의 큐비트 오류를 수정하는 것인데, 매우 유망합니다.

하지만 신약 개발(drug discovery)을 위해서 양자 컴퓨터가 반드시 필요하다고 생각지는 않습니다. 아이소모픽은 고전적인 머신러닝 방식을 사용하고 있고, 알파폴드가 보여주었듯 그것으로 신약 개발을 하기에 충분할 것이라고 생각합니다.

하지만 양자 컴퓨터와 양자 시뮬레이션이 필요한 분야는 '신소재 설계(material design)'를 위한 데이터를 생성할 때일 겁니다. 새로운 초전도체나 반도체, 새로운 태양광 소재 같은 것들이죠. 딥마인드에서도 이 분야를 집중적으로 연구하고 있고 큰 진전을 이루고 있습니다만, 거기에는 데이터가 부족합니다. 양자 컴퓨터에서 실행되는 양자 시뮬레이션 같은 것이 그런 종류의 사용 사례에는 매우 유용할 수 있습니다.

10:29
인터뷰어: 알겠습니다. 생물학 분야에서는 새로운 데이터가 대량으로 유입되는 것을 기대하기 어렵다고 보시는 건가요?

데미스 하사비스: 데이터는 생기겠지만, 양자 컴퓨터로 생성하는 것은 아닐 겁니다. 왜냐하면 세포처럼 큰 것을 시뮬레이션할 수는 없으니까요. 양자 컴퓨터는 원자나 전자 수준에 더 적합해서 화학이나 재료 과학에 더 관련이 있습니다.

질병의 경우, 생물학이라는 조금 더 높은 차원의 복잡성과 창발적 행동(emergent behavior)을 다루게 됩니다. 그래서 우리가 아이소모픽에서 하고 있는 것처럼, CRO(임상시험수탁기관)나 다른 제공업체들을 통해 더 많은 '실험 데이터(experimental data)'를 수집하여 데이터의 공백을 메우는 방식을 취하게 됩니다.

물론 생물학 데이터는 지난 50년간 더 체계적인 방식으로 많은 투자가 이루어졌기 때문에 훨씬 더 많습니다. 하지만 데이터가 충분하다는 말은 아닙니다. 단지 양자 컴퓨터로 데이터를 생성하지는 않을 것이고, 대규모의 전통적인 실험 방식을 통해 데이터를 얻게 될 것이라는 뜻입니다.

11:35
인터뷰어: 그렇군요. 그럼 아이소모픽의 경우, 경쟁 우위가 데이터를 수집하고 그것을 활용할 수 있는 능력에 있다고 보시는 건가요?

데미스 하사비스: 우리의 경쟁 우위 대부분은 '모델링 능력'에 있습니다. "다음 알파폴드를 만들어낼 수 있는가?" 하는 것이죠. 아이소모픽을 생각하실 때, 아시다시피 알파폴드와 단백질 구조는 신약 개발 과정의 아주 작은 일부일 뿐입니다. 우리는 알파폴드 수준의 다른 6~7가지 돌파구를 마련했다고 생각하시면 됩니다. 화학 분야, 화합물 설계, 독성을 위한 ADME 예측 등 신약 개발에 필요한 수많은 다른 요소들에 대해서요. 또한 내부적으로 가지고 있는 더 발전된 버전의 알파폴드도 있고요. 이 모든 것이 하나로 묶여 있는 겁니다.

이것이 우리가 지난 몇 년간 해온 일이고 큰 진전을 이루었습니다. 그런 다음 그 시스템이 전반적으로 어디서 잘 작동하고 어디서 잘 작동하지 않는지를 봅니다. 보통 잘 작동하지 않는 곳은 데이터가 더 필요하기 때문입니다. 그러면 우리는 나가서 다양한 방식으로 그 데이터를 얻습니다. 하지만 무엇이 '누락된 데이터'인지를 아는 것은 우리뿐입니다. 왜냐하면 우리가 가능성의 한계에 도전하고 있는 독자적인 시스템을 가지고 있기 때문이죠.

12:45
인터뷰어: 화제를 조금 바꿔서, 오늘 미국 국방부(DoD)와 앤스로픽(Anthropic) 사이에 AI 정책과 안전 가이드라인에 대한 긴장이 있다는 기사를 봤습니다. 지금 'GenAI.mil'이라는 프로그램이 있고, 군이 사용할 수 있는 두 가지 모델이 있는데 하나는 xAI의 그록(Grok)이고 다른 하나는 당신의 제미나이(Gemini) 모델입니다. 피트 헤그세스(Pete Hegseth) 국방장관 지명자가 살상 무력(lethal force)에 이것들을 사용하는 것에 대해 이야기하기도 했고요. 딥마인드 내부에서 이런 문제에 대해 어떤 긴장감이나 토론이 있는지 궁금합니다.

13:29
인터뷰어: 음, 우리는 그 문제를 면밀히 주시하고 있습니다. 우리는 민주적으로 선출된 모든 정부를 돕고 싶습니다. 우리는 미국 정부와 여러 다른 방식으로 협력하고 있고, 클라우드 부문에서 그렇게 하고 있습니다. 제미나이와 함께 제공되는 이것은 기성품(off-the-shelf) 클라우드 엔터프라이즈 솔루션으로 모두가 사용할 수 있는 것입니다.

그리고 제가 이해하기로는 이것은 '비기밀 업무(unclassified workloads)'를 위한 것입니다. 백오피스 업무나 효율성을 높이는 문서 작업 같은 것들이죠. 이것은 미국 정부에게 매우 중요한 일이고 우리는 그런 부분을 돕고 싶습니다. 그것이 현재 우리의 입장입니다.

그리고 우리가 독보적으로 세계 최고 수준인 다른 분야들, 즉 과학적인 것들, 핵융합, 그리고 국가적으로 중요한 다른 것들, 예를 들어 초전도체 같은 것들이나, 혹은 '사이버 방어(cyber defense)' 같은 분야가 있습니다. 구글과 우리의 클라우드는 이 분야에서 세계 최고 수준이며, AI는 이 세상을 완전히 바꿀 것입니다. 저는 우리가 서구의 민주적으로 선출된 정부들이 이 분야에서 최고가 될 수 있도록 도와야 한다고 생각합니다. 지금 세상은 매우 위험하고 복잡하니까요. 우리는 할 수 있는 곳에서 도와야 하며, 우리가 세계 최고인 분야에서 독보적인 능력을 제공할 수 있다고 생각합니다.

14:48
인터뷰어: 딥마인드 내부의 사람들도 대체로 그렇게 보고 있습니까? 아니면 토론이 있나요?

데미스 하사비스: 네, 물론입니다. 우리는 그 점에 대해 모두 뜻을 같이하고 있습니다. 우리는 세상에 최고의 긍정적 영향을 미치려고 노력하고 있습니다. 지금 세상은 복잡하고 매우 분열되어 있습니다. 하지만 우리는 그 점에 대해 실용적(pragmatic)이어야 합니다. 저는 구글과 딥마인드 구성원의 99%가 이에 동의한다고 생각합니다.

15:16
인터뷰어: 올해 다시 다보스(Davos)에 가시죠. 아젠다가 무엇입니까? 물론 AI가 모든 회의에서 큰 주제가 될 텐데요. 특별히 달성하고자 하는 목표가 있나요?

15:36
데미스 하사비스: 네, 오늘 우리가 다룬 내용들이 많이 포함될 것 같습니다. 물론 제미나이와 관련된 비즈니스 목표들도 있습니다. 제미나이 3는 현재 다른 기업들에게 필요한 많은 영역에서 최고 수준(best in class)이라고 생각합니다. 그래서 비즈니스적인 요소가 분명히 있습니다.

하지만 철학적, 윤리적, 기술적 요소도 있습니다. 세계 지도자들에게 무엇이 다가오고 있는지 알리고 준비시키는 것이죠. 다보스에서 현재 세계가 AI에 대해 어떻게 생각하고 있는지 감을 잡는 것도 중요합니다. 우리가 논의했던 이슈들, 미-중 관계 등 확신컨대 나오게 될 모든 이슈들에 대해서요.

그리고 AI를 선한 목적으로 사용하는 최선의 방법은 무엇인가에 대한 것입니다. 과학적, 의학적 혜택과 AI가 어떻게 사용될 수 있는지에 대해 사람들에게 이야기하고 교육하려고 노력하는 것이죠. 그리고 사회로서 우리가 그런 방향으로 나아가야 한다는 점을요. 아까 말한 랜덤하고 경박한 것들 이상으로 말이죠.

제가 다보스에 가는 이유는 그런 교육 과정, 기술 커뮤니티 밖의 더 넓은 대화의 일환이라고 봅니다. 아시다시피 AI는 모든 것에 영향을 미칠 것이기 때문에 사회의 모든 부분에서 논의되어야 합니다. 올바른 방식으로 한다면 다보스는 그런 모임을 위한 꽤 효율적인 방법이라고 생각합니다.

17:00
인터뷰어: 바로잡고 싶은 오해가 혹시 하나 있나요?

데미스 하사비스: 딱히 하나를 꼽기는 어렵네요. 가기 전 주말 동안 생각해봐야겠습니다. 특별히 하나라기보다는 전반적인 영역에 대한 것이고, 그에 대한 이해도를 높이는 것이 주된 목표라고 하겠습니다.

17:24
인터뷰어: 좋습니다. 시간이 다 된 것 같네요. 항상 훌륭한 대화였고, 다보스에서의 활동도 지켜보겠습니다.

데미스 하사비스: 네, 좋을 겁니다. 꽤 괜찮은 패널 토론들이 있을 예정입니다. 인터뷰 감사합니다. 언제나처럼 이야기 나눠서 좋았고 다음 주에 뵙겠습니다.

인터뷰어: 네, 뵙겠습니다.