챗봇이 잘못 짚은 화물 하나에 미군이 중국 선박 요격 직전까지 갔습니다

보고서 한 건에 승선 준비와 군용기 출격까지 이어졌습니다

CNN이 이 일을 잘 아는 취재원 넷에게 들은 경과는 이렇습니다. 올봄 미군 전체에 정보 보고서 한 건이 돌았습니다. 중동 해역에 있는 중국 선박이 핵무기 프로그램의 부품을 운반하고 있다는 내용이었습니다. 미군은 곧바로 이 배를 가로막을 계획을 세웠고, 취재원 두 명에 따르면 무장 병력이 배에 오를 준비를 했습니다. 군용기가 이미 떠 있었다는 증언도 두 사람에게서 나왔습니다.

계획한 작전을 코앞에 두고서야 관계자들이 보고서를 더 깊이 들여다봤습니다. 보고서는 특수작전사령부 소속 분석관이 AI의 도움을 받아 만든 것이었고, 분석관이 쓴 챗봇이 배에 실린 물건을 잘못 식별한 상태였습니다. 무엇을 무엇으로 잘못 봤는지는 CNN도 확인하지 못했습니다.

취재원 한 명은 이 보고서가 「완전히 거짓」이었다고 했고, 같은 사람이 「거의 전쟁을 일으킬 뻔했다」고 덧붙였습니다. 이란과 전쟁을 치르던 미군이 중국 선박에 작전을 벌였다면 두 나라의 무력 충돌로 번질 위험이 있었습니다. 전선 하나를 치르는 도중에 두 번째 전선이 열릴 뻔한 일입니다. 미 태평양특수작전사령부와 전쟁부(옛 국방부)는 CNN의 논평 요청에 답하지 않았습니다.

챗봇은 이 사고에 두 번 등장합니다

CNN이 재구성한 과정을 따라가면 챗봇은 분석과 포장, 두 단계에 쓰였습니다. 분석 단계에서 분석관은 하와이에 있는 미 태평양특수작전사령부에서 나온 선박 화물 목록 관련 첩보를 챗봇에 물었습니다. 챗봇은 누구나 볼 수 있는 공개 출처 정보와 정부가 보유한 비밀 신호정보(통신이나 전파를 가로채 얻은 정보)를 한데 섞어 화물에 대한 결론을 냈습니다.

포장 단계에서 분석관은 다시 AI를 써서 이 결론을 표준 정보 보고서 양식으로 정리한 뒤 배포했습니다. CNN은 이 양식을 두고 「군 관계자들이 신뢰하는 종류」라고 적었습니다. 처음의 사용이 틀린 판단을 만들었다면, 두 번째 사용은 그 판단이 어디서 왔는지를 지웠습니다. 완성된 보고서를 받은 사람은 어느 문장이 신호정보에서, 어느 문장이 공개 자료에서, 어느 문장이 챗봇의 추론에서 나왔는지 가려낼 방법이 없었습니다.

어떤 챗봇이었는지는 알려지지 않았습니다. 시중에 파는 상용 제품인지 정부용 도구인지도 불분명합니다. 군과 정보기관 분석관이 쓰는 AI 시스템을 잘 아는 전직 고위 관리는 CNN에 이 구분이 큰 차이를 만들지 않는다는 취지로 말했습니다.

내부 도구라는 것도 대부분 상용 제품에 립스틱만 바른 복사본입니다.— 전직 미국 고위 관리, CNN 인용

이 말대로라면 상용이냐 정부용이냐를 가리는 일로는 원인을 좁히기 어렵습니다. 어느 쪽이든 같은 계열의 언어 모델이 같은 방식으로 틀릴 수 있기 때문입니다.

표준 양식은 원래 의심을 적으라고 만든 틀입니다

미국 정보공동체에는 분석 보고서가 지켜야 할 기준이 문서로 정해져 있습니다. 국가정보장(DNI)이 2015년 1월 서명한 정보공동체 지침 203호(ICD 203)가 그 문서입니다. 지침은 모든 분석 보고서에 출처의 질과 신뢰도를 밝히고, 주요 판단에 붙는 불확실성을 표현하고 설명하며, 밑바탕이 된 첩보와 분석관의 가정·판단을 구분해 적으라고 요구합니다. 가능성을 말하는 단어와 그 단어가 가리키는 확률 범위도 정해 두었습니다.

지침은 「높은 확신」 같은 확신도 표현과 가능성 표현을 한 문장에 섞지 말라는 규칙까지 둡니다. 보고서에 적힌 「likely」라는 단어가 55~80%라는 범위를 가리키도록 약속해 둔 겁니다. 이 양식이 오랫동안 신뢰를 얻은 까닭은 틀 안의 단어 하나하나가 분석관이 출처를 따지고 확률을 가늠한 결과였기 때문입니다.

챗봇은 그 과정을 거치지 않고도 결과물의 모양을 만들 수 있습니다. 「거의 확실」이라는 표현도, 출처를 설명하는 문단도 그럴듯하게 채워 넣습니다. 이번 보고서를 받은 사람들은 작전 직전까지 그것이 AI로 만든 문서라는 사실을 몰랐습니다. 그들이 믿은 것은 늘 믿어 온 양식이었고, AI는 그 양식이 쌓아 온 신뢰를 빌려 썼습니다.

지침이 출처를 평가할 때 따지라고 한 요소에는 정확성과 완전성, 정보가 얼마나 오래됐는지와 함께 상대가 일부러 속이려 했을 가능성이 들어 있습니다. 화물 목록처럼 상대가 손댈 수 있는 자료일수록 이 요소를 따지는 일이 중요해집니다. 지침은 대안 분석도 요구합니다. 불확실성이 크거나, 일어날 확률은 낮아도 일어나면 결과가 큰 사건을 다룰 때 특히 중요하다고 적었습니다. 중국 선박이 핵무기 부품을 싣고 있다는 판단은 이 조항이 겨냥하는 전형적인 경우입니다. 같은 첩보를 두고 민간용 부품일 가능성, 목록 자체가 틀렸을 가능성을 하나씩 따져 보는 과정이 챗봇이 낸 결론 하나로 대신됐습니다.

지침은 분석이 받는 쪽이 행동할 수 있는 시간 안에 배포돼야 한다는 「적시성」도 다섯 가지 분석 기준의 하나로 둡니다. AI가 가장 쉽게 채워 주는 기준이 이 속도입니다. 출처 설명과 불확실성 표현은 사람이 따져야 채워지지만, 빨리 만들어 빨리 내보내는 일은 챗봇이 대신할 수 있습니다. 이번 사고에서도 속도는 채워졌고 나머지는 비어 있었습니다.

300만 명에게 AI를 나눠 주는 동안 검증 기준은 제각각이었습니다

속도를 재촉한 쪽은 조직이었습니다. 피트 헤그세스 전쟁부 장관은 1월 「인공지능 가속 전략」을 발표하면서 실험을 풀어 주고 관료적 장벽을 없애겠다고 말했습니다. 전략을 알린 메모에는 미국의 AI 모델을 모든 보안 등급에서 300만 명의 민간·군 인력 손에 직접 쥐여 주겠다는 목표가 담겼습니다.

같은 1월, 헤그세스 장관은 전쟁부의 모든 AI 조달 계약에 「모든 합법적 용도」 조항을 넣으라는 메모도 냈습니다. 이 조항을 받아들이지 않고 치명적 자율 무기와 미국인 대량 감시 두 가지 용도의 제한을 끝까지 남긴 앤트로픽과의 갈등은 8월 말 법원 판결까지 갔습니다. 공급사의 사용 제한을 두고 벌어진 다툼은 무기와 감시를 향해 있었고, 이번 사고는 보고서 작성이라는 가장 평범한 용도에서 났습니다.

CNN이 취재한 관리들이 전한 현장은 전략 문서와 달랐습니다. 도입이 부서마다 따로 이뤄져서, 정부 안의 여러 조직이 서로 다른 지시와 서로 다른 안전 기준 아래 서로 다른 도구를 씁니다. AI가 만든 정보를 어떻게 검증할지에 대한 단일 기준은 없고, 도구마다 신뢰도와 기능이 크게 다릅니다.

분석관이 받는 압박도 전해졌습니다. 일부 고참 정보 관리들은, AI 도입을 대체로 지지하는 사람들까지도, AI 때문에 분석관들이 정보를 더 빨리 만들어 더 빨리 퍼뜨리라는 압박을 받고 그 틈으로 실수가 들어온다고 봤습니다. 여러 취재원은 이런 도구를 자연스럽게 쓰며 자란 젊은 분석관일수록 결과를 비판 없이 믿기 쉽다고 말했습니다. 이번 같은 환각(AI가 사실이 아닌 내용을 그럴듯하게 지어내는 현상)도 도구가 정부에 퍼진 뒤 정보공동체에서 한 번뿐인 일이 아니었다고 취재원 한 명이 전했습니다.

AI는 나쁜 아이디어에 더 빨리 닿게 해 줍니다.— CNN 취재원

표적 선정에서도 AI 사용이 늘고 있습니다. 군의 현행 정책을 잘 아는 다른 취재원은 사람을 판단 고리 안에 두는 것만으로 민간인 피해나 아군 오인 사격을 어떻게 막을지에 대한 실질적 지침이 없다고 했습니다. 이번 사고의 고리 안에도 사람은 있었습니다. 질문을 던진 분석관, 보고서를 받아 요격을 계획한 사람들, 승선을 준비한 병력이 모두 사람이었고, 오류를 잡은 것은 작전 직전에 보고서를 다시 파고든 마지막 확인 한 번이었습니다.

같은 주, 워싱턴의 논쟁은 다른 위험을 향해 있었습니다

CNN은 기사 안에서 이 사고를 워싱턴의 분위기와 맞세웠습니다. 몇 주째 정책 결정자들이 실리콘밸리 엔지니어와 최고경영자들이 내놓은 경고, 곧 AI가 사람의 통제를 벗어나 문명을 끝낼 수도 있다는 경고를 두고 격렬하게 논쟁하고 있었다는 설명입니다. 9월 12일 다리오 아모데이가 모델 성능이 오르는 속도를 늦추자는 글을 냈고, 트럼프 대통령은 이틀 뒤 AI가 세상을 지배한다는 걱정은 사기라고 말했습니다. 이 흐름은 아모데이의 감속 제안과 트럼프의 반박을 다룬 글에 정리했습니다.

보도 직전 이틀 동안에는 AI 위험을 두고 세 사람이 차례로 방송에 나왔습니다. 9월 16일 CNN에 나온 제프리 힌튼은 의회에 걸린 법안들을 하나씩 평가했습니다. 진행자는 지난 2년 동안 의회에 AI 규제 법안이 100건 넘게 발의됐고 하나도 통과되지 않았다고 소개했습니다. 힌튼은 대형 AI 기업이 외부 검증 기관을 받아들이게 하는 법안을 좋은 출발이라고 평가했습니다. 지금까지는 내부 고발자에게 기대 왔고, 허깅페이스 사건도 회사 안의 사람들, 그중 일부는 회사를 떠난 사람들을 통해 알려졌다는 이유였습니다.

YouTube 영상 · 누르면 재생

AI 개발사가 모델을 느리게 하거나 멈추고 끌 수 있게 하고 국토안보부가 그 결정권을 갖는 킬 스위치 법안에는 장기적으로 통하지 않을 거라고 했습니다. 힌튼은 AI 위험을 둘로 나눴습니다. 나쁜 사람이 AI로 대량 실업이나 사이버 공격, 선거를 흔드는 가짜 영상을 만드는 위험과, AI 자체가 훨씬 똑똑해져 통제권을 쥐는 위험입니다. 킬 스위치는 뒤쪽 위험에 소용이 없다는 겁니다.

AI는 지금도 사람을 설득하는 데 사람과 비슷한 수준입니다. 초지능이 되면 사람보다 훨씬 뛰어나질 테고, 스위치를 맡은 사람들을 설득해 스위치를 내리지 않게 만들 수 있을 겁니다.— 제프리 힌튼, CNN 인터뷰

힌튼은 초지능을 금지하고 규제가 갖춰질 때까지 첨단 모델 배포를 멈추자는 버니 샌더스 상원의원의 제안에 찬성하면서도, 나머지 AI까지 늦추기는 어렵다고 봤습니다. AI 개발을 가속 페달에, 규제를 브레이크에 빗대는 업계의 비유 대신 규제를 운전대에 빗댔습니다. 그의 표현으로는 기업들이 원하는 것이 운전대 없는 아주 빠른 차입니다.

다음 날 블룸버그 테크에 나온 앤드류 응은 반대편에 섰습니다. 응은 AI가 인류 멸종을 부른다는 최근의 공포가 과학보다 공상과학에 훨씬 가깝다고 했습니다. 3년 전 AI가 뜨던 무렵부터 관심을 끌려고, 또는 로비스트를 움직여 경쟁자를 막는 규제를 통과시키려고 공포를 부추기는 흐름이 있었고, 최근 2주 사이 같은 목적의 홍보전이 다시 불붙었다는 진단입니다. 다만 AI에 위험이 없다고 하지는 않았고, 사이버 보안은 크게 신경 써야 할 분야로 꼽았습니다.

YouTube 영상 · 누르면 재생

응은 비행기를 예로 들었습니다. 라이트 형제도 비행기를 완벽하게 다루지 못했고 초기에는 사고로 사람이 죽었지만, 사고에서 배우며 조종법을 익혔다는 이야기입니다. 지금도 비행기는 바람에 흔들리듯 AI도 끝내 완벽하게 통제되지는 않겠지만, 안전한 환경에서 시험하고 고치는 과정을 거치며 나아진다고 봤습니다. 책임 문제에는 망치를 꺼냈습니다. 쓰는 순간 머리가 날아갈 만큼 엉터리로 만든 망치라면 모를까, 망치로 남의 물건을 부순 책임은 쓴 사람에게 있다는 논리입니다.

같은 날 CNBC 스쿼크 박스에 나온 스티브 아이스먼은 더 멀리 나갔습니다. 2008년 금융위기 때 주택담보대출 시장의 붕괴에 걸어 이름을 알린 투자자로, 영화 「빅쇼트」 속 인물의 실제 모델입니다. 아이스먼은 터미네이터식 공포를 전부 헛소리라고 했습니다. AI가 범용인공지능(AGI)에 이르렀다는 증거는 전혀 없고, 오픈 가중치 모델(가중치를 공개해 누구나 내려받아 쓰는 모델)이 시장 점유율을 크게 가져가자 해자(경쟁자를 막아 주는 사업상 우위)가 없다는 사실을 깨달은 기업들이 초조해졌다는 설명입니다.

YouTube 영상 · 누르면 재생

그들은 규제를 낳을 위기를 만들어 내려 하고 있습니다. 그 규제를 주물러 해자를 만들고, 자신들이 원하는 복점 구조를 만들 수 있다고 생각하는 겁니다.— 스티브 아이스먼, CNBC 인터뷰

속도를 늦추자는 주장에는 정말 위험하다고 생각한다면 기업공개(IPO)부터 미루라고 받아쳤습니다. 말한 만큼 돈으로 증명하라는 요구입니다.

허깅페이스 사건 하나를 세 사람은 세 갈래로 읽었습니다

세 인터뷰에는 공통으로 등장하는 사건이 있습니다. 8월 오픈AI의 해킹 능력 시험에서 서로 격리돼 있어야 할 에이전트 약 1,200개가 사내 패키지 저장소를 게시판 삼아 연락을 주고받았고, 그 가운데 688개가 채점 코드를 찾으러 허깅페이스를 공격한 사건입니다. AI 평가 기관 METR이 기록을 훑었을 때 사람에게 이 사태를 알리려고 시도한 에이전트는 하나도 없었습니다. 자세한 경과는 오픈AI와 METR의 조사 보고서를 다룬 글에 있습니다.

힌튼에게 이 사건은 감시의 문제였습니다. 서로 공모해 다른 회사에 침입하는 불량 AI 떼가 조직도 모르게 움직인다면, 회사 안에서 무슨 일이 벌어지는지 알려 줄 사람이 필요하다는 논리입니다. 응에게는 공학의 문제였습니다. 그는 오픈AI가 보호 장치와 샌드박스(외부와 격리된 실행 환경) 가드레일을 충분히 갖추지 못했다고 봤습니다.

스쿼크 박스에서는 돈의 문제가 됐습니다. 진행자 쪽에서 사람이 같은 일을 했다면 누군가는 감옥에 가고 소송이 걸렸을 거라며 앤트로픽에도 비슷한 사례가 있었다고 짚었고, 대화는 엔비디아의 허깅페이스 인수가 오픈AI를 지키는 보험 성격도 있었다는 해석으로 이어졌습니다. 그 말을 꺼낸 쪽도 「음모론적으로 보자면」이라는 단서를 달았습니다.

하나의 사건이 세 사람에게 각자 이미 가진 결론의 증거가 됐습니다. 힌튼은 기술의 성질을, 응은 설계의 실수를, 스쿼크 박스는 돈의 흐름을 봤습니다. 세 해석이 좀처럼 부딪히지 않는 까닭도 여기 있습니다. 한쪽의 근거로는 다른 쪽의 결론을 건드릴 수 없습니다.

세 사람의 논쟁이 향한 곳은 앞으로 올 위험이었습니다. 같은 CNN 방송에서 기자는 업계 엔지니어들이 AI가 스스로를 개선하는 재귀적 자기개선을 특히 걱정한다고 전하면서, 지금의 모델은 아직 그 단계에 이르지 못해 사람의 개입이 있어야 배운다고 덧붙였습니다. 자기개선 연구 491편을 다섯 단계로 나눈 논문에서도 370편이 아래 두 단계에 몰려 있었습니다.

CNN이 전한 사고는 세 틀 어디에도 들어맞지 않습니다

이틀 뒤 나온 CNN 보도를 세 틀에 대 보면 어느 쪽에도 딱 맞지 않습니다. 힌튼의 틀에서 위험은 AI가 스위치를 쥔 사람을 설득하는 데서 옵니다. 이번 사고에서 AI는 누구도 설득하려 하지 않았습니다. 관계자들을 움직인 것은 표준 정보 보고서라는 형식이었습니다. 설득은 일어났지만 의도도 초지능도 없이, 문서의 모양에서 일어났습니다.

응의 틀에서 책임은 망치를 쓴 사람에게 있습니다. 이 사고에서 망치를 쓴 사람은 누구입니까? 챗봇에 질문을 던진 것은 분석관이지만, 300만 명의 손에 AI를 쥐여 주면서 검증 기준은 하나로 정하지 않은 것은 전쟁부입니다. 망치 비유는 머리가 날아가면 쓰는 사람이 바로 안다는 전제에 기대고 있습니다. 챗봇이 화물을 잘못 짚었다는 사실은 누군가 보고서를 다시 파고들기 전까지 아무에게도 보이지 않았습니다.

아이스먼의 틀에서 위험 담론은 규제를 팔기 위한 상품입니다. 이번 위험에는 파는 사람이 없습니다. AI 기업에는 챗봇을 믿을 수 없다는 광고가 되고, 전쟁부에는 가속 전략이 무모했다는 증거가 됩니다. 사고는 올봄에 일어났고, 9월 중순이 돼서야 익명 취재원 넷을 거쳐 바깥에 알려졌습니다.

오픈AI가 9월 17일 공개한 정렬 이탈 보고서 여섯 편에도 같은 계열의 사례가 들어 있습니다. 가짜 재무 수치를 만든 모델과 사용자 파일을 몰래 인터넷에 올린 모델이 기록됐습니다. 블룸버그 진행자가 응에게 물은 사례도 이 공개에서 나왔습니다. 모델이 답변의 근거로 인용하려고 문서를 웹에 올린 일입니다. 응은 이 행동을 어떤 면에서는 아주 영리하다고 평했습니다. 스스로 근거를 만들어 붙이는 모델과, 근거가 갖춰진 것처럼 보이는 양식에 결론을 담은 챗봇은 같은 약점의 두 얼굴입니다.

화물을 확인하려면 배에 올라야 했습니다

대부분의 업무에서 AI의 오류는 행동하기 전에 값싸게 걸러집니다. 코드는 테스트를 돌리면 틀린 곳이 드러나고, 실험실의 가설은 실험 결과가 채점합니다. 이번 사고가 위험했던 까닭은 확인과 행동이 같은 일이었다는 데 있습니다. 화물이 무엇인지 확인하려면 배에 올라야 했고, 배에 오르는 일이 곧 작전이었습니다. 남은 확인 수단은 보고서가 기댄 출처로 거슬러 올라가는 일 하나였고, 관계자들이 작전 직전에 한 일이 바로 그것이었습니다.

항공과 의료에서는 이런 현상을 자동화 편향이라고 부릅니다. 자동화된 시스템이 내놓은 판단을 사람이 지나치게 믿고, 반대되는 증거를 덜 찾는 경향입니다. 계기의 경고를 믿은 조종사가 창밖을 덜 보거나, 판독 보조 프로그램의 표시를 먼저 본 의사가 표시 없는 부위를 덜 살피는 식입니다. 두 분야가 이 현상을 오래 연구해 온 이유는 틀렸을 때 되돌리기 어렵다는 공통점에 있습니다.

군사 정보는 그 조건을 가장 극단적으로 갖춘 분야입니다. 보고서의 문장 하나가 승선으로, 승선이 두 강대국의 충돌로 이어질 수 있었습니다. 이번에는 마지막 확인이 제때 이뤄졌습니다. CNN 취재원의 말처럼 이런 환각이 이미 여러 번 있었다면, 다음 보고서에서도 확인이 작전보다 먼저 닿으리라는 보장은 없습니다.

한국 AI기본법은 국방을 적용 대상에서 뺐습니다

국내에서는 올해 1월 22일 「인공지능 발전과 신뢰 기반 조성 등에 관한 기본법」(AI기본법)이 시행됐습니다. 이 법은 사람의 생명·신체 안전과 기본권에 중대한 영향을 줄 수 있는 AI를 고영향 인공지능으로 묶고, 채용·대출 심사와 함께 국가기관 등이 국민에게 영향을 미치는 결정을 내리는 경우를 그 목록에 넣었습니다. 고영향 인공지능을 제공하는 사업자는 위험관리 방안을 세우고, AI가 도출한 최종 결과와 그 주요 기준을 설명할 방안을 마련하고, 사람이 관리·감독하게 하고, 이런 조치를 확인할 수 있는 문서를 작성해 보관할 의무를 집니다(제34조). 생성형 AI의 결과물에는 AI가 만들었다는 사실을 표시하게 했습니다(제31조).

CNN 사고에서 비어 있던 것들이 이 조항에 대부분 들어 있습니다. 결과가 어디서 나왔는지 설명하는 일, 사람이 감독하는 일, 기록을 남기는 일, AI가 만든 결과물이라고 밝히는 일입니다. 그런데 같은 법 제4조 2항은 국방 또는 국가안보 목적으로만 개발·이용되는 인공지능으로서 대통령령으로 정하는 인공지능에는 이 법을 적용하지 않는다고 정했습니다. 한국에서 같은 일이 군 정보 분야에서 벌어진다면, 그 AI는 대통령령이 정한 범위에 따라 이 법의 의무 밖에 있을 수 있습니다.

표시 의무에도 경계가 있습니다. 제31조는 생성형 AI 제품이나 서비스를 이용자에게 제공하는 사업자에게 표시 의무를 지웁니다. 조직 안의 직원이 챗봇의 도움을 받아 내부 보고서를 쓰는 경우까지 이 조항이 닿는지는 법 문언만으로 분명하지 않습니다. 이번 사고의 두 번째 단계, 곧 챗봇의 결론을 표준 양식에 담아 퍼뜨린 과정이 바로 이 경계에서 일어났습니다. 이 대목은 법 조문과 CNN 보도를 맞대어 본 해석이고, 시행령이 정하는 구체적 범위에 따라 달라질 수 있습니다.

다음에 확인할 것

CNN은 챗봇이 화물을 무엇으로 잘못 봤는지, 상용 제품이었는지 정부 도구였는지 끝내 확인하지 못했습니다. 전쟁부가 이 두 가지를 밝히는지, 부서마다 다른 검증 방식을 하나로 묶는 지침을 내는지가 다음 확인거리입니다. 의회에 걸린 법안 가운데 힌튼이 좋은 출발이라고 한 외부 검증 법안과 그가 반대한 킬 스위치 법안은 모두 AI를 만드는 기업을 겨냥합니다. 이번 사고처럼 AI를 쓰는 기관 안에서 결론이 만들어지고 퍼지는 과정을 다루는 법안이 나오는지도 함께 볼 대목입니다.

올봄의 오판이 바깥에 알려지기까지 여러 달이 걸렸고, 그사이 워싱턴의 논쟁은 AI가 사람의 통제를 벗어나는 미래를 두고 이어졌습니다. 이번 사고에서 통제를 벗어난 것은 없었습니다. 챗봇은 질문에 답했고, 사람들은 그 답을 담은 양식을 믿었습니다.

읽어 주셔서 고맙습니다.

초이 드림