엔비디아의 딥러닝과 자율 주행에 대해 알아보는 미디어 테크 토크

퀘이사존두파 27 928 17

f6274c3ea48aec294d7b0866e5236933_1505971

 

엔비디아 미디어 테크 토크

 

지난 2017년 9월 20일, 엔비디아 코리아가 있는 서울시 강남구 삼성동 소재의 트레이드 타워에 다녀왔습니다. 이번 미디어 테크 토크는 각 미디어의 기자들을 초청해 엔비디아의 딥러닝 기술과 자율 주행에 관한 내용을 소개하였는데요. 퀘이사존 역시 초대를 받아 행사를 다녀왔습니다. 간만에 강연이라니, 마치 대학교 강의를 듣는 기분이었습니다. 그렇다면 엔비디아 미디어 테크 토크에서 소개된 내용을 퀘이사리포트를 통해 전달해드리도록 하겠습니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

엔비디아 코리아 변경원 기술이사

 

먼저 최근 주목받고 있는 딥러닝에 대한 내용을 엔비디아 코리아 변경원 기술 이사가 소개하였습니다.

 

딥러닝은 세상을 이해하고 감지하는 인공지능을 개발하는데 가장 촉망받는 기술이 되고 있습니다. 최근에는 여러 가지 인지능력 프로젝트에 집중되고 있으며 수많은 성공 사례들이 발표되고 있습니다. 구글이나 바이두, 페이스북 등 많은 회사가 가장 앞서서 개발하고 있으며, GPU를 사용한 다양한 딥러닝 연구와 성과들이 적용되고 있습니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505980

 

딥러닝을 적용할 수 있는 분야는 이미지의 내용을 분류하거나 위치와 움직임 인식, 또는 전체적인 모습을 이해하는 이미지 분야와 음성 인식이 있습니다. 구글의 이미지 검색이 여기에 속한다고 볼 수 있습니다.

 

그리고 음성 인식, 음성 번역, 자연어 처리 등 언어 응용이 있는데 최근 삼성이 갤럭시 스마트폰에 도입한 빅스비나 애플의 시리를 떠오르면 됩니다.

 

최근 자율 주행에 사용되는 보행자 감지나 교통 신고, 표지판 인식 등 자동차 분야에도 응용할 수 있고, 의학 분야에도 응용할 수 있습니다. 최근에는 간단한 질병을 진단하는 AI가 나오기도 했죠.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505980

 

다시 한번 정리하자면 딥러닝은 인공지능을 구성하기 위한 인공신경망에 기반을 두어 컴퓨터에게 사람의 사고방식을 가르치는 방법이라고 할 수 있습니다. 이것이 조금 더 발전하면 사람이 가르치지 않아도 컴퓨터가 스스로 학습할 수 있는 인공지능 기술이 생기게 되죠.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505980

 

인공지능은 딥러닝보다 조금 더 큰 분류라고 생각하면 쉽습니다. 지능적 기계, 특히 지능적 컴퓨터 프로그램을 만드는 과학과 동시에 공학이며, 컴퓨터를 이용해 인간의 지능을 이해하는 작업과 관련되어 있으며, 이것이 생물학적인 방법에만 국한되지는 않습니다. 인공지능은 사람이 사물을 인식하는 것과 비슷한 구조를 지니고 있습니다. 얼굴을 인식하는 과정을 예로 들어볼까요. 가장 기초적으로 단순한 형태라고 할 수 있는 밝고 어두움을 구분하는 것부터 시작해 테두리의 형태, 조금 더 복잡한 사물의 형태, 그리고 결과적으로 어떤 것이 인간의 얼굴이라는 것을 규정하는 형태를 파악합니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505980

 

그렇다면 머신러닝은 또 무엇일까요. 러닝머신이 아닙니다. 머신러닝입니다. 머신러닝은 컴퓨터에 사람이 직접 로직을 지시하지 않아도 수집된 데이터를 통해 컴퓨터가 스스로 학습을 하고 그것을 토대로 컴퓨터가 자동으로 문제를 해결하도록 하는 것을 의미합니다. 간단한 예를 들어보겠습니다. 일반적인 지도학습은 이건 꽃이야, 저건 태블릿이야, 그건 컵이라고 알려주면 거기서 그렇구나 하고 끝나게 됩니다. 하지만 비지도 학습은 하나를 알면 자율적으로 학습을 하므로 여기서 더욱 발전해 이건 레몬과 얼음물이 들어있는 컵이구나, 저건 아침 식사가 차려진 식탁이구나, 그건 어떤 사람이 식탁에 앉아있는거구나 라고 인식하게 됩니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505980 

 

하지만 머신러닝은 정확도의 한계가 있었습니다. 머신러닝의 알고리즘은 사람이 만들다 보니 어쩔 수 없이 놓치게 되는 부분이 있는데요. 그러다 보니 정확도는 75%를 넘지 못하였다고 합니다. 따라서 당시에는 머신러닝은 사람을 대체할 수 없다, 수년 동안 연구했음에도 불구하고 발전이 없다는 이유로 그다지 희망적이지 못했습니다.

 

하지만 2012년 Alex Krizhevsky가 딥러닝이라는 기술로 이미지넷 챌린지에서 머신러닝이 넘지 못하였던 80%의 정확도를 넘어서게 됩니다. 당시 사람들은 이 사실을 믿지 못하였으나 딥러닝의 소스 코드를 공개하면서 모두가 인정하고 이후부터 딥러닝이라는 분야가 주목받게 됩니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

딥러닝은 데이터를 인공신경망을 통해 이것이 무엇인지 분류하고, 답을 찾게 되는데요. 만약 제대로 된 답을 찾지 못했다면 그 답을 찾을 때까지 계속해서 반복 교육을 하게 됩니다. 그리고 다시 새로운 데이터를 통해 또 다른 답을 찾는 과정을 겪게 됩니다. 그러면서 발전하게 되고요. 이렇게 발전된 딥러닝은 사진을 보고 이게 무엇인지 알아내거나 음성을 인식해 명령을 수행하고 문자를 다른 언어로 번역하는 기능을 합니다. 딥러닝이 조금 더 발전된다면 사진을 보고 그 내용을 구체적으로 서술하는 단계까지 가게 됩니다.

 

 

 

 

 

 f6274c3ea48aec294d7b0866e5236933_1505971

 

딥러닝의 신경망은 사람의 뇌를 구성하는 뉴런처럼 자극을 인식하고 이를 출력으로 내보내는 구조와 비슷합니다. 이를 수식으로 표현하면 Y=ax=b라고 할 수 있는데요. 시냅스의 결합으로 네트워크를 형성한 노드가 학습을 통해 문제 해결 능력을 갖추는 모델이라고 볼 수 있습니다. 입력과 출력 단계에 있는 신경망은 훈련이 잘되면 잘될수록 내부의 복잡한 기능들을 통해 출력을 예상할 수 있게 됩니다. 

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

간단한 예를 들어봅니다. 위 슬라이드에 보이는 레이어의 수는 6개지만 마이크로소프트가 대회에서 1등을 차지했던 신경망의 레이어 개수는 192개 정도 됩니다. 이를 처리하려면 매우 많은 계산이 필요합니다. 6개의 레이어를 훈련하는 데에만 30일 정도가 걸립니다. 그리고 제대로 된 답을 찾으려면 이를 기반으로 하는 데이터 역시 많이 필요하게 됩니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505981

 

지금까지는 사람이 만들었던 특징을 기반으로 답을 찾았다면, 이제는 딥러닝을 통해 알아서 데이터를 보고 신경망 과정을 통해 답을 얻어낼 수 있습니다. 딥러닝은 많은 데이터를 기반으로 반복적인 학습을 거쳐 올바른 답을 찾기 데 필요하다고 합니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

사막에서 혼자 바늘을 찾으려면 참 어렵겠죠. 하지만 찾는 사람이 1억 명 정도라면? 혼자 찾는 것보다 찾을 확률이 커집니다. 이런 것처럼 나선 구조적인 층은 하나의 작업을 여럿이 나누어 하는 구조라고 생각하면 쉽습니다. 열 번 할 일을 한 번만 하면 되니 상당히 효율적입니다. 그리고 작업을 하더라도 내가 할 일만 하면 되므로 불필요한 계산을 하지 않아도 됩니다. 즉 딥러닝의 역할은 많은 데이터를 기반으로 반복적인 학습을 통해 효율적으로 올바른 답을 얻기 위한 과정이라고 이해하면 됩니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

이미지넷의 대회를 예를 들어봅니다. 이미지넷이란 1,000개의 카테고리와 100만 개의 사진을 구별해내는 정확도를 다루는 대회인데요. 딥러닝이 등장하기 전까진 정확도가 75%를 넘기 힘들었지만, 딥러닝이 등장하면서 그 정확도가 85%에 달하게 되었습니다. 이제는 그 정확도가 100%에 가까워진 탓에 더이상 이미지넷이라는 의미가 없어져 대회가 없어졌다고 하네요. 따라서 딥러닝을 제대로 잘 만들려면 많은 데이터를 통해 반복적인 학습을 하고 효율적으로 올바른 답을 얻기 위한 시스템을 설계하고 구축해야 합니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505981

 

그렇다면 딥러닝이 왜 떠올랐을까요? 가장 큰 이유는 어마어마한 데이터들이 계속해서 쌓이고 있고, 그 데이터를 바탕으로 훈련할 수 있는 새로운 딥러닝 기술이 등장하고 있고, GPU의 발전으로 이를 통해 더 빠르고 효율적인 계산이 가능해졌기 때문입니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

GPU의 효율은 CPU보다 좋습니다. 구글 브레인과 스탠포드의 인공지능랩을 예를 들자면 CPU보다 GPU를 사용하는 것이 비용적으로나 전력 면으로도 절감되기 때문입니다. 결국 구글 브레인도 CPU에서 GPU 기반으로 바꾸었다고 하네요. GPU는 예측 정확도가 CPU보다 같거나 더 좋으며, 결과가 나오는 시간도 더 빠릅니다. 256장의 이미지를 훈련하는데에 CPU가 257초 걸렸다면 GPU는 28.5초 밖에 걸리지 않습니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

딥러닝을 전체적으로 보자면 일단 데이터가 필요합니다. 그리고 이 데이터는 많으면 많을수록 좋습니다. 이를 기반으로 계산을 통해 훈련하고 그 결과물로 원하는 작업을 하면 됩니다. 그 작업을 통해 얻어낸 새로운 데이터를 기반으로 다시 계산하고 훈련을 하게 되고요. 이렇게 반복적인 작업을 거치게 된다면 요구하는 답을 더욱 효율적이고 정확하게 얻어낼 수 있습니다.

 

 

 

 

 

끝으로 딥러닝에 대한 질문과 답변 시간이 있었는데요. 몇 가지를 정리하자면 아래와 같습니다.

 

Q. 지속해서 학습을 하다 보면 더 이상 학습이 필요하지 않을 거라고 스스로 인식하는 단계가 올 것 같다. 그 시기는 언제쯤이 될 것 같나?

 

A. 그런 일은 없을 것이다. 이미지넷을 예로 들자면 1,000개의 사진을 분류할 수 있다고 해서 끝나는 것이 아니다. 이 세상에 몇 개의 물건이 있는지 모르기 때문이다. 그런 이유로 지속적인 학습이 필요하다. 정말 끝을 보려면 경우의 수가 정확하게 알려져 있어야 한다. 그리고 그 경우의 수를 파악하는 것은 사람이 하는 일이므로 끝이 없을 것이다.

 

Q. 딥러닝이 발전하다 보면 영화에 등장하는 스카이넷처럼 기계가 인간을 지배하는 일이 발생할지도 모른다. 실제로도 이런 일이 발생하진 않을 것인가?

 

A. 인간이 존재하는 한 그런 일은 없을거 다. 스카이넷이 되려면 컴퓨터가 스스로 자신을 구동시키기 위한 전력이 필요한데 기계는 전력을 만들어 낼 수 없기 때문이다. 사람의 손이 필요하다.

 

Q. 딥러닝을 응용한 인공지능이 발달하다 보면 인간의 영역을 침범하진 않을까 걱정된다. 긍정적으로 바라볼 수 있는 부분이 무엇이 있는지 궁금하다.

 

A. 지금까지 인류가 진화하면서 기술과의 대립은 항상 있었다. 과거의 사례만 봐도 굴착기나 컨베이어 벨트 등이 인간의 노동력을 대체해 일자리를 잃는 것은 것을 우려하였다. 하지만 이런 기술의 발전 덕분에 인류는 더욱 진화를 이루었다. 따라서 인공지능의 발전도 인간의 영역을 침범하거나 일자리를 뺏는다는 막연한 두려움보다는 인공지능만이 가능한 이점을 고려하는 게 좋을 것 같다. 인공지능만 할 수 있는 것이 있고 인간만 할 수 있는 것이 존재하기 때문이다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

엔비디아 코리아 차정훈 상무

 

딥러닝에 이어서 엔비디아가 시장에서 우위를 달리고 있는 자율 주행 자동차에 관한 강연이 이루어졌습니다. GPU를 만들던 엔비디아가 왜 자율 주행 자동차에 관심을 끌게 되었을까요?

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505981

 

딥러닝을 대표로 하는 인공지능 중 하나가 바로 자율 주행입니다. 스스로 차를 움직이기 때문이죠. 그리고 도로의 상황을 스스로 인지할 수 있는 능력을 키워주는 HD 맵, 그리고 이것들을 자동차 내에서 계산하고 처리할 수 있는 슈퍼컴퓨팅 SoC입니다. 엔비디아가 잘 하는 건 바로 이 슈퍼컴퓨팅 SoC를 만드는 것이죠. 이 세 박자가 골고루 갖추어져 자율 주행 자동차를 만들 수 있게 되었습니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

간단한 예를 들자면 제니시스 차량하나에 MCU가 100개에서 150개 정도가 들어간다고 합니다. 이 MCU는 차량에서 발생하는 모든 움직임을 감지하고 제어하고 움직이게 합니다. 이 MCU들이 제대로 작동하는지 엔지니어들은 검수하게 되고 그래서 차량하나를 만드는 데에 5년 이상이 걸리게 됩니다. 이러한 노하우를 기반으로 인지, 제어, 판단을 할 줄 알아야만 자율 주행 자동차를 만들 능력을 갖추었다고 할 수 있습니다.

 

엔비디아는 바로 그 과정을 조금 더 쉽게 도울려고 합니다. 딥러닝을 기반으로 인지해 더욱 정확한 판단과 제어를 가능하게 합니다. 

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

엔비디아의 자율 주행 자동차 솔루션은 차량에 탑재되는 드라이브 PX를 기반으로 한 오토-파일롯 DNN과 코-파일롯 DNN, 그리고 NLU과 드라이버 웍스가 있습니다. 차량 바깥과 연결되는 데이터센터와 연동되는 것으로는 클라우드 HD 맵과 클라우드 AI 어시던트가 있습니다. 마치 스마트폰의 음성 명령이 데이터에 연결되지 않으면 작동하지 않는 것처럼 앞으로 차량도 클라우드가 연결되어야 제대로 된 자율 주행이 가능합니다.

 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505981

 

자율 주행에는 여러 단계가 있습니다. 가장 기본적인 것에는 차량의 속도를 유지해주는 크루즈 기능이 있고 여기서 조금 발전한 것으로 도로의 차선을 인식해 알아서 앞으로 나아가는 오토 파일럿이 있습니다. 하지만 이것을 보고 자율 주행이라고 하지 않습니다.

 

자율 주행이라는 이름을 얻으려면 고속도로라는 제한된 공간 안에서 차량이 자유롭게 움직일 줄 알아야 합니다. 테슬라의 모델 차들이 여기에 속합니다. 이게 자율 주행의 3단계에 속합니다. 자율 주행 3단계를 제대로 활용하려면 가장 기본적인 자율 주행보다 다섯 배 많은 계산 능력이 필요합니다.

 

4단계는 조금 더 나아가 도심에서도 차량이 자유롭게 움직일 줄 알아야 합니다. 그리고 목적지를 정해두면 그곳까지 길을 찾아가는 능력이 있어야 합니다. 이러려면 자율 주행 3단계보다 50배 더 많은 계산을 할 줄 알아야 합니다.


마지막 5단계는 말 그대로 완전한 자율 주행 단계에 접어섭니다. 운전에 있어 사람이 아예 간섭하지 않아도 되는 거죠. 부르면 차량이 알아서 오고 목적지만 정해두면 그곳까지 알아서 갑니다. 이를 위해서는 레벨 4보다도 두 배 많은 계산이 필요합니다.


엔비디아는 바로 이 계산 능력을 높이려고 합니다. 기본적인 성능이 뒷받침되어야 자율 주행을 위한 설계가 가능하기 때문입니다.



 

 

 

 

 

f6274c3ea48aec294d7b0866e5236933_1505971

 

엔비디아의 드라이브 PX 2는 바로 이런 계산을 차량 내에서 효율적으로 가능하게 합니다. 12코어를 지닌 CPU와 8 테라플롭스의 연산 능력을 갖춘 파스칼 아키텍처 기반의 GPU가 사용됩니다. 이 GPU를 기반으로 자율 주행에 필요한 모든 계산을 하게 되는데요. 드라이브 PX 2는 계산에 필요한 성능과 함께 이를 제대로 활용할 수 있는 소프트웨어도 제공합니다.

 

이후에 진행된 강연은 주제에서 조금 벗어나는 내용이므로 바로 질문과 답변으로 넘어가도록 하겠습니다.

 

 

 

 

 

Q. 엔비디아는 자율 주행을 하기 위해 하드웨어와 소프트웨어, 그리고 클라우드까지 모두 갖추고 있다. 하드웨어로도 충분하지 않은가?

 

A. 아니다. 하드웨어와 소프트웨어, 그리고 클라우드까지 모두를 갖추어야만 이 속에서 발생하는 문제를 이해하고 방지하거나 해결할 수 있다. 그래야만 완벽한 자율 주행 기술 제공이 가능하고 고객들에게 이 기술을 전달할 수 있기 때문이다.

 

Q. 드라이브 PX에 대해 설명을 했는데 구글이나 테슬라의 자율 주행과 구별되는 엔비디아 드라이브 PX만이 가진 장점이 궁금하다.

 

A. 드라이브 PX는 그 자체가 하드웨어다. 이를 기반으로 하는 소프트웨어는 여러 가지가 있고 드라이브 PX와 연결되는 클라우드나 데이터 센터도 여러 가지가 있다. 이 세 가지가 유기적으로 연결되어야만 자율 주행이 가능하다. 드라이브 PX의 장점을 언급하자면 전 세계 어디를 찾아봐도 드라이브 PX에 필적하는 플랫폼이 존재하지 않는다고 생각한다. 다른 회사는 아직 개발 단계에 불과하다. 

 

Q. 엔비디아가 제공하고 있는 자율 주행 기술을 활용한 차량의 양산 시점이 궁금하다.

 

A. 고속도로에서 자율 주행이 가능한 3단계 수준은 2020년이 되어야 할 것으로 보인다. 4단계는 그 이후에서야 나올 것이다. 시간이 걸리는 이유는 현재 시점으로부터 차량을 만들기 시작해 양산되는 시기까지 5년 정도가 걸리기 때문이다.

 

Q. 엔비디아의 자율 주행 기술을 사용하는 회사나 정확한 모델이 궁금하다. 언제쯤 만나볼 수 있는가?

 

A. 가장 빠른 것은 테슬라다. 그 외에 도요타나 볼보가 2020년을 안팎으로 자율 주행차를 출시할 예정에 있으며 아직 개발 단계에 있기 때문에 정확히 어떤 차량에 탑재가 되는지는 알 수가 없다.

 

 

 

 

 

 

 

 

 

 

페이스북에 공유 트위터에 공유 구글플러스에 공유 카카오스토리에 공유 네이버밴드에 공유

작성자

현재 레벨 : QM 퀘이사존두파  QM
13,334 (33.4%)

a1e23db5408bff09471cc280b4cbf913_1491673

    댓글 : 27
퀘파고  
베스트 댓글
  지이잉. 퀘이사존 인공지능 퀘파고. 나를 찾았는가?
DOVE  
딥러닝을 기반으로 앞으로 새로운 일이 많이 생길거 같네요
자율주행 차량이 제일 기대되는 부분인데..
고속도로 주행부분이 5년후부터라니 제가 면허를 따고 몇년만 있으면...
자율주행차가 많이 사용화가 된 것을 볼수 있을거 같네요
퀘파고  
지이잉. 퀘이사존 인공지능 퀘파고. 나를 찾았는가?
Complex  
[@퀘파고] 드디어 퀘파고가 부활했다!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
여태까지 채굴(?)로 고통받던 퀘파고 부활!!!!!!!!!!
Namaste  
어느덧 4차산업혁명이 눈앞으로 다가왔군요.
Complex  
헌데 기술이 발전할수록 사람이 손으로 해야하는 일이 적어지니 약간 무섭기도......ㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎㅎ
특히나 운전은 핸들링 하는 맛에 해야하는데.....
퀘이사마도섭풍  
스카이넷의 탄생 ㄷㄷㄷㄷ
유영아빠  
관심있던 분야인데 잘 봤습니다. 중간에 오타 하나 있어서 제보합니다. "머싱러닝" -> "머신러닝"
퀘이사존벤치  
[@유영아빠] 지적 고맙습니다. 수정하였습니다.
문어빵  
지포스 데이때 보여주신 자유주행차 서킷도는게 정말 인상적이었는데요
진짜 스카이넷 나오면 존코너가 되어 뿌시러 가겠습니다ㅎ
굴으뽕  
나와 자율칼럼 로봇 퀘이사봇!
잉여인간17호  
좋은 기술이네요. ㅎㅎ
서군  
오호 기술력이 상당합니다.
삐침머리  
엔디비아 하면 글카가 생각되는데....이런 분야까지 투자할줄을 의외네요

축하합니다! 행운 포인트 4점을 획득하였습니다!

bonez  
계층화된 인식과 분석을 시작하면 단순계산만 빨랐던 장점이 고도화된 분석으로 더욱 날개를 달갰네요 ㄷㄷ
네버마인드  
N당이당
Charon  
이 부분이 엔비디아 주가에 큰 영향을..
훅훅가볼텨  
미래의 변화될 모습이 어느 정도 상상이 되네요.
비셔스  
엔비디아 무섭네요.
동방프로젝트  
자율주행 차량이 앞서가던 트럭의 흰색 짐칸을 하늘로 인식해서 그대로 들이박아 탑승자가 즉사한 사건이 생각나는군요.
랄라스윗  
딥러닝 정말 무서우면서도 환상적인 기술이군요
TOmacho  
진짜 그래픽카드 기술이 여기까지 닿을줄은 ..ㅎㄷㄷ
네버마인드  
엄청나넨여
scv0001  
기술발전이 놀랍네요
0헬로키티0  
실용적으로 쓸 수 있게 되면 엄청나겠네요!

축하합니다! 행운 포인트 1점을 획득하였습니다!

HANZOZZANG  
오 좋은 정보인것같아요
멜롱드리  
자동주행도 시간문제군요..ㅎㅎ

축하합니다! 행운 포인트 5점을 획득하였습니다!

네버마인드  
기술이 어마마해지네요

축하합니다! 행운 포인트 5점을 획득하였습니다!