[뉴스라운지] 갈림길 선 한국 AI...생성 AI 전쟁 현주소는?

■ 진행 : 윤보리 앵커

■ 출연 : 서민준 KAIST AI대학원 교수

* 아래 텍스트는 실제 방송 내용과 차이가 있을 수 있으니 보다 정확한 내용은 방송으로 확인하시기 바랍니다. 인용 시 [YTN 뉴스라운지] 명시해주시기 바랍니다.

[앵커]

우리 사회에 심대한 영향을 끼치는 메가트렌드를 짚어보고 미래를 조망해 보는 코너, 비전 카페 순서입니다. 지난 시간엔 AI가 가까운 미래에 어디까지 발전할지 짚어봤는데요. 오늘은 현재 국가별 AI 발전 상황은 어떠한지, 우리나라 AI의 현주소는 어디인지 서민준 KAIST 김재철AI대학원 교수와 짚어보겠습니다. 교수님, 안녕하십니까? 지금 AI가 미래 패권경쟁의 핵심요소로까지 떠오르고 있습니다. 각국이 AI 개발에 지금 총력을 기울이는 모습인데요. 현재 주요 국가의 판도부터 짚어주시죠.

[서민준]

자료를 보면 6개 정도의 국가가 보이죠. 각 하나씩 살펴보면 일단 미국 같은 경우에는 명실공히 모든 지표에서 가장 앞서 있는 것 같습니다. 유일한 단점은 미국은 사실 반도체 생산시설이 부족하다 정도로 볼 수 있겠지만 그래도 압도적인 1위라고 볼 수 있을 것 같고요. 중국은 투자액이나 논문 수 같은 경우는 사실 미국이랑 비교했었을 때는 투자액은 적은 편이고요. 논문 수는 더 많기는 합니다.

그런데 논문이라는 게 물론 질이 중요하죠, 양보다. 그래서 이런 부분을 봤을 때는 미국보다 질이 많이 떨어지기 때문에 전반적으로 평균적으로는. 실제로는 인재가 많다 하더라도 최근에 특히 미국이 수출 규제도 많이 하고 있고요. 중국한테 지표를 공급하지 않는 거죠. 여러 가지 압박이 있어서 어려운 상황이라고 볼 수 있습니다.

특히나 중국 같은 경우에는 최근에 IT기업을 탄압했던 그런 이슈도 있었기 때문에. 인재 유출도 적지 않을 것이라 생각이 되고요. 영국 같은 경우에는 투자액도 높고 논문도 많긴 한데요. 그런데 구글이랑 페이스북이 여기서는 메타가 가장 큰 클리어이긴 합니다. 런던 같은 경우에는 구글의 딥마인드라든지 메타의 페어 같은 연구소가 많은 역할을 하고 있다 보니까 지표를 조금 더 세분화해서 보긴 해야겠지만 미국 의존도가 높다고 할 수 있겠습니다.

이스라엘 같은 경우에는 사실 작은 나라임을 감안했었을 때 투자 규모가 아주 크죠. 우리나라보다 인구가 많이 적은데도 불구하고. 그래서 저는 이스라엘 같은 경우는 특히 미국 바깥에서 가장 국제적으로 활성화된 스타트업 컬처가 있다고 생각합니다. 그래서 이런 부분들이 아마 외부 투자액을 높이지 않았을까 추측을 하고요. 한국 이외에 마지막으로 인도 같은 경우는 액수가 적지는 않긴 하지만 여기는 전 세계에서 가장 인구가 많은 나라죠. 14억 명이 있고. 그런 걸 감안했었을 때는 많다고 보기는 어려울 것 같고요.

한국은 이런 걸 비교해 봤을 때 중국 같은 정치적으로 복잡한 나라와 또 영국처럼 미국 의존도가 높은 그런 나라를 제외하고 보면 미국이랑 이스라엘 그리고 한국 이렇게 3강 체제로 봐도 과언이 아니라고 생각합니다.

[앵커]

3장 체제로 봐도 과언이 아니라고 하셨는데 그럼에도 불구하고 미국과 중국과 비교하면 우리가 격차가 있지 않습니까?

[서민준]

맞습니다. 물론 미국도 그렇고 중국도 그렇고 한국보다는 많이 앞서 있는 부분들이 있는 것 같습니다. 물론 중국 같은 경우에는 비교하기 어려운 부분들이 있습니다. 중국은 아무래도 외부적으로 공개된 정보도 적고. 그리고 말씀드린 것처럼 한국이랑 많이 다르죠. 미국 같은 경우는 전반적으로 봤을 때 1위이기도 하지만 특히나 구글 같은 세계적인 기업들이 있고요. 그리고 사실 이런 회사뿐만 아니라 메타나 엔트로픽 같은 아직까지 그 정도 수준은 아니라고 하더라도 아주 빠르게 따라붙고 있는 마찬가지로 아주 경쟁력이 높은 회사들이 있습니다. 그래서 이런 부분들을 봤을 때는 한국이랑 미국의 차이는 아직까지 크다고 볼 수 있겠습니다.

[앵커]

그럼에도 불구하고 우리나라가 전 세계에서 세 번째로 거대언어모델을 개발했습니다, 구축했는데요. 먼저 거대언어모델이 어떤 건지 간략하게 설명을 해 주실까요.

[서민준]

거대언어모델이라는 것은 간단하게 설명을 드리면요. 챗GPT를 많이 써보셨을 텐데. 챗GPT의 모태가 되는 기반기술을 뜻합니다. 그래서 실제로 이런 모델을 만들기 위해서는 많은 GPU, 즉 많은 서버가 필요하기도 하고요. 그리고 돌리기 위해서도 즉 구동을 시키기 위해서도 많은 돈이 들어가는, 상당히 자본집약적인 그런 기술이라고 볼 수 있겠습니다.

[앵커]

그래서 그런지 우리나라가 이렇게 이렇게 세 번째로 거대언어모델을 구축했음에도 발전 속도는 더디다는 평가를 받고 있거든요. 원인을 뭐라고 봐야 될까요?

[서민준]

저는 크게는 두 가지 이슈가 있다고 생각합니다. 첫 번째 같은 경우에는 자원의 규모죠. 아무래도 우리나라 같은 경우에는 주요 플레이어 회사들이 있죠. 몇 개 회사들이 있는데 구축하고 있는 GPU 규모가 대략 추정컨대 많아야 5000개 정도 GPU를 활용하고 있을 것이라고 생각되고. 대부분의 경우에는 1000개를 넘기 어려울 거라고 생각합니다.

이에 비해서 미국의 오픈아이나 구글 같은 경우는 이것보다 최소 10배 이상의 GPU 활용하고 있죠. 그렇기 때문에 큰 차이가 나고요. GPU뿐만 아니라 아무래도 핵심인재들 숫자 차이가 클 거라고 생각되는데요. 아무래도 한국인들 중에서도 많은 분들은 미국에서 일하고 계시고 그러다 보니까 인재 규모도 차이가 날 것 같고요.

두 번째 같은 경우에는 이건 주관적인 부분이 있긴 합니다마는. 한국 같은 경우 아무래도 한국에서 서비스를 하기 위해서 한국어에 특화된 모델을 만들었을 거라고 생각되는데요, 주로. 공개 안 된 모델도 보통 한국어로 개발을 했겠죠. 그런데 아무래도 한국어 AI시장은 당연히 영어보다 훨씬 작습니다. 그래서 어떤 모델이 나온다고 하더라도 그 모델을 통해서 제품이 되고 그 제품이 또 돈을 벌어들이는 그런 선순환구조가 나오는 게 아무래도 규모가 작겠죠. 그리고 또한 아무래도 전반적으로 영어가 한국어보다 더 연구가 활발히 진행되기도 했고 데이터 수도 차이가 많이 납니다. 영어가 최소 10배에서 많게는 100배 이상 차이가 나기도 하기 때문에 이런 부분들이 비교적 한국어 모델을 개발하는 회사들이 갖고 있던 단점이었던 것 같습니다.

[앵커]

교수님 설명해 주신 상대적으로 열악한 환경 속에서 어제 네이버가 한국형 거대언어모델 AI죠. 하이퍼클로바X를 공개했습니다. 어떻게 보셨습니까, 교수님?

[서민준]

저도 상당히 흥미롭게 봤는데요. 물론 아직까지 모두가 사용해 볼 수 있는 건 아니고 저도 제가 직접 사용해 본 건 아니기 때문에 말씀드리는 부분들이 공개된 것에 한정돼 있을 것 같습니다. 일단은 저는 가장 고무적으로 봤던 부분은 대부분의 회사들은 언어모델을 만들 때 메타에서 공개한 오픈소스 라마라는 모델을 활용을 하고 있습니다. 그거에 대비해서 네이버 같은 경우는 몇 안 되는 직접 기반 모델을 만든, 즉 기반이 되는 아주 기초가 되는 기술을 만든 회사인 거죠. 이런 부분들은 많은 자본이 필요할 뿐만 아니라 많은 노하우들이 필요한 부분이라서 이런 건 상당히 고무적으로 생각을 하고요.

그래서 단순하게 네이버에서 만든 모델이 서비스 레벨에서 비교했었을 때 더 우수하다를 떠나서 보통 다른 서비스들 같은 경우는 메타에서 만든 모델을 활용한 거라고 하면 네이버 같은 경우는 바닥부터 직접 만들었다고 볼 수 있겠죠. 그리고 시연되는 영상을 봤을 때는 많은 부분에서는 챗GPT와 상당히 유사한 또는 한국어는 특히나 뛰어난 그런 성능을 보였던 것 같아요. 다만 아직까지 검증이 필요한 부분들은 첫 번째로는 시연되는 부분들 중에서 논리적인 추론 같은 경우는 많이 보이지는 않았던 것 같습니다. 이런 것들은 직접 사용을 해 봐야 될 것 같고요. 그리고 두 번째로는 아직 3.5랑은 비교가 가능하거나 더 나은 수준일 수 있겠지만 오픈AI GPU4 같은 경우는 조금 차이가 있는 것으로 보입니다. 그래서 아직은 격차가 있다고 볼 수 있겠습니다.

[앵커]

말씀해 주신 논리적 추론 부족 같은 경우에는 이게 사용자가 그러면 이렇게 대화하면서 사용할수록 하이퍼클로바가 이거를 학습해서 좀 더 키워나갈 수 있는 부분인가요, 능력을?

[서민준]

그 부분이 가장 많은 연구자들이 궁금해하는 부분인 것 같아요. 다른 생각을 하는 사람들이 있는 것 같습니다. 어떤 사람들은 이렇게 하면 잘되지 않을까 하는 분들도 있고 어떤 분들은 데이터가 더 많아야 가능할 것이다. 또는 모델이 더 커져야 할 것이다. 다양한 추측들이 있는데. 아직까지는 적어도 공개된 논문이라든지 학계에서는 모델 사이즈나 데이터가 중요한 것은 맞지만 그것만으로는 아직은 GPT4 수준에 도달하지 못하는 게 아닌가라고 생각하고 있습니다.

[앵커]

네이버의 하이퍼클로바X 아직은 지켜봐야 할 것 같은데요. 그렇다면 현재 글로벌 빅테크 기업들의 AI모델 개발 현황은 어떻습니까?

[서민준]

물론 저희가 보는 리스트보다 더 많은 제품들이 있겠지만 일단 크게는 구글과 오픈AI 메타, 네이버, 카카오를 비교해 볼 수 있겠는데요. 한국 두 회사랑 미국 세 회사죠. 구글 같은 경우는 바드라는 서비스를 구글이 제공하고 있죠. 물론 이거에 기반되는 모델이 PaLM2다. 실제로는 다른 모델일 수도 있겠지만 그런 얘기가 나오고 있습니다. 구글 바드 같은 경우는 또는 PaLM2 같은 경우에는 일단 가장 큰 장점은 빠르고요. 그리고 여러 개 언어를 지원하고 있고 상당히 안정적인 모습을 보입니다. 특히나 최근 사실에 대해서 물어봤을 때도 챗GPT 같은 경우는 최근 사실은 잘 모르거나 또는 잘못된 사실을 말하는 반면에 구글은 상당히 정확한 얘기를 하고 있고요. 이런 부분을 봤을 때 안정적이긴 하나 전반적으로는 오픈AI의 GPT4만큼 좋지는 않다가 일반적인 편인 것 같습니다. 그래서 이건 물론 구글이 그만큼의 기술이 없는 것인지 아니면 그것이 가능하다고 하더라도 비용적인 측면 때문에 또 여러 가지 다른 걸 고려했었을 때 아직까지 출시를 안 한 것일지는 저희가 추측할 수밖에 없을 것 같고요.

오픈AI 같은 경우는 말씀드린 것처럼 GPT4가 독보적으로 가장 잘하고 있다고 생각합니다. 잘한다는 건 가장 똑똑하다는 뜻이죠. 다만 GPT-4 같은 경우는 느리기도 하고 또 그리고 아무래도 가격도 많이 나가고 아까 말씀드렸던 최근 사실을 받은 만큼 잘 알지 못하기 때문에 그런 한계점이 있는 것 같고요. 메타 같은 경우는 전략이 다릅니다. 메타는 만들었던 언어모델을 전부 다 공개했는데요. 이게 사용할 수 있도록 공개한 것뿐만 아니라 이걸 어떻게 만들 수 있는지 논문으로도 공개하고 어떻게 구동할 수 있을지를 코드로서도 공개를 했습니다.

이런 부분을 봤을 때 상당히 다른 전략을 취하고 있다고 저희가 생각할 수 있겠죠. 여러 가지 추측이 있습니다마는 제가 봤을 때는 메타는 근본적으로 구글이나 오픈AI랑은 다른 종류의 사업을 하고 있기 때문에 이런 전략을 취할 수 있는 것으로 보입니다. 구글이나 오픈AI 같은 경우에는 기술력이 중요한 사업이라고 생각할 수 있겠지만 메타 같은 경우에는 기술력도 중요하긴 하겠지만 좀 더 중요한 것은 페이스북이라든가 인스타그램, 왓츠앱같이 좀 더 소셜 기반에 많은 사람들이 커뮤니티에 참여해야 더 서비스의 가치가 올라가는 사업이기 때문에 다른 전략을 취하고 있는 것 같고요. 네이버랑 카카오 같은 경우는 한국 회사죠. 네이버는 방금 전에 말씀드렸던 것처럼 최근에 공개했다 보니까 검증의 시간이 필요할 것 같습니다마는 어제 보였던 결과를 봤을 때는 그래도 오픈AI GPT-3.5랑은 상당히 비교가 가능한 수준 또는 한국어에 한해서는 특히나 더 뛰어날 수도 있는 부분들이 보였고요. 카카오 같은 경우는 KOGPT 첫 번째 버전을 2021년도에 공개했습니다. 당시에 오픈소스로 공개했기 때문에 많은 사람들이 활용했고 상당히 큰 기여를 했다고 생각합니다. 그다음 버전이 언제 나오냐 이건 아직 정해진 바는 없을 것 같은데 저도 기대를 많이 하고 있긴 한데 공개된 바가 많이 없긴 해서 코멘트를 드리기 쉽지 않을 것 같습니다.

[앵커]

이런 AI 기술들로 우리가 앞으로 이제 뭘 할 수 있을까가 가장 궁금한 건데요. 교수님 지난번 출연하셨을 당시에 이런 AI와 메타버스가 결합했을 때 콘텐츠 혁신이 일어날 거다 이런 말씀하셨거든요. 구체적으로 우리 기업들이 그렇다면 어떤 서비스들을 해나갈 수 있을까요?

[서민준]

물론 여러 가지가 있을 것 같습니다. 메타버스는 그중 하나라고 생각했는데요. 한국 같은 경우에는 콘텐츠 강국이죠. 게임 같은 경우도 상당히 게임산업도 발전되어 있고 사용자도 아주 많죠. 우리나라에서 만든 게임들이 중국이나 미국에서도 많이 사용자가 있고요. 또한 K-팝이라든가 아니면 영화, 드라마 같은 경우도 콘텐츠 산업도 상당히 크다고 볼 수 있고 국제적인 인지도가 있다고 생각합니다.

이런 IP들이 갖고 있는 강점들이 활용될 수 있는 것 중의 하나가 메타버스라고 생각하고요. 좀 넓은 범위에서는 콘텐츠를 포함한 메타버스인 건데. 어쨌든 메타버스라는 환경에서 가장 한계점으로 보고 있는 게 콘텐츠의 생산이거든요. 원래 기존 메타버스는 콘텐츠 생산을 사용자가 하거나 또는 메타버스가 만든 회사가 해야 했지만 그게 쉽지 않겠죠. 어떤 콘텐츠를 생산한다는 게 많은 비용이랑 시간이 드는데. 결국 이런 AI의 발전이 그런 콘텐츠 생산의 효율성을 더해 줄 거라고 생각합니다.

좀 더 구체적으로는 예를 들면 게임 같은 경우도 게임 내에서 에이전트, 즉 게임 내에서 사람과 비슷하게 활동하는 많은 실제 사람이 아닌 AI가 활동할 수 있을 것 같고요. 또는 영화를 만들 때 또는 드라마를 만들 때도 AI가 많이 활용될 거라고 생각하기 때문에 메타버스와 콘텐츠가 큰 하나의 파트라고 생각하고요. 물론 이것만 있지는 않을 거라고 생각합니다.

[앵커]

말씀해 주신 K콘텐츠와 AI가 만났을 때 어떤 변화들을 일으킬 수 있는지가 참 궁금해지는 대목인데요. 그런데 결국에는 초거대 AI, 그러니까 생성형 AI 개발이 지금 이런 AI 개발의 중심 흐름이라고 봐야 되는 겁니까?

[서민준]

일단은 AI 분야에서는 그렇다고 생각합니다. 저희가 생성형 모델이 잘되기 시작한 지 얼마 안 됐습니다. 한 2~3년 전까지만 해도 물론 그때도 AI라는 게 연구되긴 했지만 상당히 불안정했어요. 어떤 게 생성되더라도 사용자가 활용할 만한 그런 수준이 아니었던 거죠. 그런데 그 베리얼을 넘은 게 작년에 일어났다고 생각하고. 그러면서 생성형 AI가 모든 곳에 들어가고 있는 상황이죠. 하지만 시간이 걸릴 것이고 그렇기 때문에 아직까지 기회도 많다고 생각합니다.

[앵커]

그런데 현실적으로 이런 초거대 AI를 개발하고 구동하는 데 천문학적인 비용이 들어가기 때문에 글로벌 빅테크 기업들의 모델들을 가져와서 국내 현실에 맞게 국산화를 시키자 이런 의견이 있고. 또 반면에 우리의 근본적인 기술이 필요하다 이런 의견이 굉장히 충돌하는 것 같습니다. 교수님은 어떻게 보십니까?

[서민준]

아주 어렵고 좋은 질문이시네요. 결국은 양쪽 다 저는 일리가 있다고 생각는 합니다. 결국은 효율화 관점에서 봤을 때는 한국의 가장 큰 장점 중 하나인 패스트 팔로워, 어떤 것들을 빠르게 만들고 빠르게 출시하는 그런 부분들을 생각해서 말씀을 하시는 것 같고요. 기반기술 쪽은 아무래도 이걸 지금 따라가지 않는다고 하면 어쩌면 우리가 나중에는 종속될 수도 있다는 그런 두려움에서 나오는 부분들이라고 생각을 합니다.

저는 물론 연구자이기도 하고 조금 더 기반기술에 대한 중요성을 크게 보다 보니까 편향되어 있을 수는 있긴 한데. 일단 저는 그래도 기반기술에 대한 연구는 저희가 놓치면 안 된다고 생각하는 쪽이고요. 그래서 네이버나 카카오, SKT 이런 회사들이 하고 있는 것들은 상당히 중요하다고 생각하고. 그렇지만 반대로 한국의 강점들, 빠르게 제품을 만들고 출시하는 것들은 그런 것들을 저희가 꼭 포기할 필요는 없으니까 병행을 하는 것이 좋지 않을까라는 그런 답변을 드려보겠습니다.

[앵커]

두 가지 길에서 많은 고민이 필요한 때가 아닌가 싶은데요. AI 산업적 측면에서 살펴보자면 크게 생산과 반도체 디자인, 그리고 소프트웨어 정도로 나누어볼 수 있을 것 같은데요. 우리 연구개발진이 이중에 가질 수 있는 이점이 있을까요?

[서민준]

말씀하신 것처럼 반도체 같은 경우에도 크게 두 가지로 나눠지죠. 일단은 보통은 반도체 같은 경우에는 생산설비가 있고요. 생산설비라고 한다면 크게는 비메모리와 메모리반도체가 있는데 우리나라 같은 경우에는 메모리반도체 강자죠. 삼성과 하이닉스가 세계 시장을 거의 독점하고 있고요, 2개 회사를 합치면. 물론 미국 같은 경우 마이크론이 있기는 하지만 그래도 상당히 점유율이 높습니다.

비메모리, 즉 CPU라든가 GPU 같은 경우는 대만의 TSMC가 강자입니다. 거의 모든 GPU나 CPU는 TSMC에 생산되고 있고. 이런 생산설비는 사실은 지금 같은 경우에는 대만과 한국이 주도하고 있는 상황이라고 볼 수 있을 것 같고요. 디자인 같은 경우에는 미국이 상당히 앞서가고 있죠. 우리가 잘 아는 엠비디아 같은 회사들이 반도체 설계회사고 애플도 반도체 설계를 하고 있죠. 우리나라 같은 경우에는 설계를 안 하는 건 아니지만 많이 쓰이는 반도체가 아직 있는 것 같지는 않고요. 그리고 소프트웨어 같은 경우는 지금까지 얘기하는 대형 언어모델을 만들기 위한 코드나 노하우들을 얘기하는 건데, 소프트웨어적인. 일단 제 생각에는 물론 각각을 봤을 때는 일단 반도체 설계 쪽은 저희가 세계적인 경쟁력이 있습니다.

다만 비메모리 쪽은 아직은 가야 할 길이 있고. 소프트웨어 같은 경우는 1위라고 할 수는 없겠지만 그래도 아까 말씀드린 것처럼 저는 그래도 3강 또는 4강 체제에 근접해있지 않나라고 생각하고요. 중간의 디자인 같은 경우는 사실 물론 엠비디아가 앞서가고 있지만 한국에도 스타트업들이 많은 결과를 보여주고 있고. 비교적 디자인은 생산에 비교해서는 진입장벽이 낮다고 생각을 합니다.

물론 쉽다는 건 절대 아니지만 반도체 생산 같은 경우는 천문학적인 돈이 들어가고 아주 오랜 시간이 필요하지만 설계하는 정말 우수한 설계자분들이 경우에 따라는 비교적 짧은 시간에 만들 수도 있겠죠. 그런 관점에서 봤을 때는 한국이 사실 세 가지 다 평균 이상을 하고 있는 상당히 잘하고 있는 나라 중의 어쩌면 유일할 수 있다고 생각하고요. 그래서 그런 관점에서는 이것들을 융합해서 종합적으로 레버리지 할 수 있는 그런 전략을 잘 짤 수 있다면 상당히 우위를 점할 수도 있지 않을까 생각합니다.

[앵커]

설명해 주신 AI 산업 그리고 연구개발이 앞으로 5년 후, 10년 후에 세계적인 수준과 발맞추려면 우리가 어떤 걸 먼저 중요시해야 될까요? 관건이라고 해야 될까요?

[서민준]

여러 가지가 있을 것 같은데요. 그 중 하나는 물론 인재겠죠. 저희가 아까 말씀을 좀 드렸듯이 미국이랑 비교했을 때 자본, 자본이라는 건 여러 가지 자본이 있지만 돈도 자본이지만 사실 인재도 자본이라고 볼 수 있고 인구적인 측면도 있지만 좀 늦게 시작을 했기 때문에 그만큼 부족한 부분도 있는 것 같습니다. 그래서 어떤 인재 육성이 항상 중요하다고 볼 수 있을 것 같고요.

또한 방금 말씀드렸던 것처럼 사실 저희가 잘할 수 있는 부분들은 개별적인 부분도 있긴 하겠지만 어쩌면 전부 다 평균 이상으로 하기 때문에 모든 것을 합쳐서 융합적인 장점을 이끌어내는 게 중요하다고 볼 수 있을 것 같습니다. 이런 관점에서는 융합학문, 예를 들면 소프트웨어와 하드웨어를 같이 연구할 수 있는 환경, 같이 공동연구를 할 수 있는 환경이라든가 공동개발할 수 있는 그런 기회가 중요하다고 볼 수 있을 것 같고요.

또 여러 가지가 있겠지만 개인적으로 생각했을 때는 중요한 부분들은 어쨌든 이런 AI에 들어가는 돈이 많지 않습니까? 이런 부분들이 저희가 정부 주도적으로 전략적인 사업이나 국가에서 주도할 수 있는 것들이 있다고 한다면 그런 것도 더욱 이런 것들을 빠르게 우위를 점할 수 있는 기회가 있을 거라고 생각합니다.

[앵커]

성공의 관건으로 연구환경과 인재 육성 꼽아주셨습니다. 한국의 AI 현 주소, 이번에 서민준 KAIST 김재철AI대학원 교수와 함께 짚어봤습니다. 오늘 말씀 고맙습니다.

※ '당신의 제보가 뉴스가 됩니다'

[카카오톡] YTN 검색해 채널 추가

[전화] 02-398-8585

[메일] social@ytn.co.kr

[저작권자(c) YTN 무단전재, 재배포 및 AI 데이터 활용 금지]