A collection of (mostly) technical things every software developer should know about - mtdvio/every-programmer-should-know

GitHub - mtdvio/every-programmer-should-know: A collection of (mostly) technical things every software developer should know about

개발자라면 찜 해놔야하는 GitHub 저장소들

모든 프로그래머가 알아야하는 지식 모음
https://github.com/mtdvio/every-programmer-should-know
JS 프로젝트 50일동안 50개만들기
https://github.com/bradtraversy/50projects50days

모오던 웹개발
https://github.com/dexteryy/spellbook-of-modern-webdev

30초면 배울 수 있는 코드 스니핏들
https://github.com/Chalarangelo/30-seconds-of-code

개발 면접 핸드북
https://github.com/yangshun/tech-interview-handbook

개발자라면 찜 해놔야하는 GitHub 저장소들 모든 프로그래머가 알아야하는 지식 모음https://github.com/mtdvio/every-programmer-should-knowJS 프로젝트 50일동안 50개만들기https://github.com/bradtraversy/50projects50days 모오던 웹개발https://github.com/dexteryy/spellbook-of-modern-webdev 30초면 배울 수 있는 코드 스니핏들https://github.com/Chalarangelo/30-seconds-of-code 개발 면접 핸드북https://github.com/yangshun/tech-interview-handbook

GitHub

그나저나 이 그래프는 진짜, GPT-4가 오징어로 보일 정도라니.. 그동안 GPT-4 성능을 넘는 것이 있긴 해도 도찐개찐에 가까웠는데, 샘 알트먼과 OpenAI가 그동안 그렇게 설레발친게 전혀 무색하지 않다.

그나저나 이 그래프는 진짜, GPT-4가 오징어로 보일 정도라니.. 그동안 GPT-4 성능을 넘는 것이 있긴 해도 도찐개찐에 가까웠는데, 샘 알트먼과 OpenAI가 그동안 그렇게 설레발친게 전혀 무색하지 않다.

o1이 성능이 생각보다 낮다고 하는 글들을 보면, 기존에 사용하던 프롬프트를 그대로 사용하기 때문인 것이 많다. o1은 프롬프트를 간단하게 써야 잘 나온다는 말도 같은 문제로 보이는데, 프롬프트에 추론 방법을 제공하면 그 방식을 채용하기 때문으로 보인다.

아직 확실한건 아니지만 만일 이 추측이 맞다면, 한마디로 말해 o1이 생각하는 추론 전략이 “인간이 생각한” 것보다 우수하다는 뜻.

조금 다르긴 하지만 기보 없이 학습한 알파고 제로가, 기보를 학습한 오리지널 알파고보다 훨씬 뛰어난 것과 같은 원리.

그럼 이제 정말로 LLM이 인간보다 똑똑해졌다고 할 수 있을까? OpenAI는 이미 다음 세대의 모델을 학습시키고 있다고 하는데, 그 모델은 또 얼마나 뛰어날까? 정말 흥미진진한 시대가 아닐 수 없다.

o1이 성능이 생각보다 낮다고 하는 글들을 보면, 기존에 사용하던 프롬프트를 그대로 사용하기 때문인 것이 많다. o1은 프롬프트를 간단하게 써야 잘 나온다는 말도 같은 문제로 보이는데, 프롬프트에 추론 방법을 제공하면 그 방식을 채용하기 때문으로 보인다. 아직 확실한건 아니지만 만일 이 추측이 맞다면, 한마디로 말해 o1이 생각하는 추론 전략이 “인간이 생각한” 것보다 우수하다는 뜻. 조금 다르긴 하지만 기보 없이 학습한 알파고 제로가, 기보를 학습한 오리지널 알파고보다 훨씬 뛰어난 것과 같은 원리. 그럼 이제 정말로 LLM이 인간보다 똑똑해졌다고 할 수 있을까? OpenAI는 이미 다음 세대의 모델을 학습시키고 있다고 하는데, 그 모델은 또 얼마나 뛰어날까? 정말 흥미진진한 시대가 아닐 수 없다.

A collection of projects designed to help developers quickly get started with building deployable applications using the Anthropic API - anthropics/anthropic-quickstarts

GitHub - anthropics/anthropic-quickstarts: A collection of projects designed to help developers quickly get started with building deployable applications using the Anthropic API

앤트로픽에서 앤트로픽 퀵스타트라는걸 공개했어요.
Anthropic API를 사용하여
배포 가능한 애플리케이션을 빠르게 빌드하는 데 도움이 되는 프로젝트 모음 이라고 합니다.

예제로 보여주는게 고객지원 에이전트 앱인데…
퀄리티가 상당합니다.

개발자입장에서는 OpenAI보다 앤트로픽이 좀 더 나은 선택지 인듯하네요..

https://github.com/anthropics/anthropic-quickstarts/

앤트로픽에서 앤트로픽 퀵스타트라는걸 공개했어요. Anthropic API를 사용하여 배포 가능한 애플리케이션을 빠르게 빌드하는 데 도움이 되는 프로젝트 모음 이라고 합니다. 예제로 보여주는게 고객지원 에이전트 앱인데…퀄리티가 상당합니다. 개발자입장에서는 OpenAI보다 앤트로픽이 좀 더 나은 선택지 인듯하네요.. https://github.com/anthropics/anthropic-quickstarts/

앤트로픽 퀵 스타트 - 앤트로픽 API로 빠르게 애플리케이션 제작하기

좋은 분들이 현 직장에 불만스러워하거나 구직 시장에 나올 때 마다, 돈을 빨리 많이 벌어서 “셔럽 앤 택 마 머니!” 하고 싶다..는 생각만.. 🥹

좋은 분들이 현 직장에 불만스러워하거나 구직 시장에 나올 때 마다, 돈을 빨리 많이 벌어서 “셔럽 앤 택 마 머니!” 하고 싶다..는 생각만.. 🥹

챗GPT 개발사 오픈AI가 추론 능력 향상에 초점을 맞춘 인공지능(AI) 모델 스트로베리를 2주 내 출시할 예정이라고 IT 전문 매체 디인포메이션이 현지시간 10일 보도했습니다. 스트로베리는 오픈AI가 AI의 추론 

챗GPT보다 추론 뛰어난 '스트로베리'…"오픈AI, 2주 내 출시"

추론능력이 기존 모델에 비해서 뛰어나다고 하네요.
10초에서 20초가량 생각을 하고 답변을 한다고 합니다.
사실 이건 지금도 프롬프트에 생각을 하고 답변하라고 하면 성능이 좋아진다는 연구가 있는데요.
뭔가 그 부분을 발전시킨 버전인가 싶기도합니다.
GPT5를 기대하고 있는 상황이라 약간 실망스럽지만,
약점을 보완해 나가고 있는 것 같습니다.

https://n.news.naver.com/mnews/article/374/0000401457?sid=104

추론능력이 기존 모델에 비해서 뛰어나다고 하네요. 10초에서 20초가량 생각을 하고 답변을 한다고 합니다. 사실 이건 지금도 프롬프트에 생각을 하고 답변하라고 하면 성능이 좋아진다는 연구가 있는데요. 뭔가 그 부분을 발전시킨 버전인가 싶기도합니다. GPT5를 기대하고 있는 상황이라 약간 실망스럽지만, 약점을 보완해 나가고 있는 것 같습니다. https://n.news.naver.com/mnews/article/374/0000401457?sid=104

n.news.naver.com

GPT의 새로운 버전이 출시 예정입니다.

그냥 추측이지만 o1의 reasoning 학습 방법과 추론 방법은, output 추론 결과가 아니라 reasoning 추론에 대해 RL을 사용해서, 추론시에 reasoning 결과에 대한 스코어를 MCTS로 탐색 한 다음 가장 좋은 스코어의 reasoning 을 사용하는 것이 아닐까? 그래서 간단한 문제인 경우 빠르게 좋은 스코어에 도달하니 reasoning 속도가 빠르고, 어려운 문제인 경우에는 reasoning 속도가 느려지는게 아닐까? 추가로, reasoning 시에 reflection을 사용할지 분할 정복을 사용할지, 추가로 뭘 더 사용할지등의 전략 결정도 reasoning 시에 RL로 카테고리와 스코어에 따라 방법과 단계를 결정하는 것이 아닐까? 라는 망상을 한 번 해 보았다. ㅋ..

그냥 추측이지만 o1의 reasoning 학습 방법과 추론 방법은, output 추론 결과가 아니라 reasoning 추론에 대해 RL을 사용해서, 추론시에 reasoning 결과에 대한 스코어를 MCTS로 탐색 한 다음 가장 좋은 스코어의 reasoning 을 사용하는 것이 아닐까? 그래서 간단한 문제인 경우 빠르게 좋은 스코어에 도달하니 reasoning 속도가 빠르고, 어려운 문제인 경우에는 reasoning 속도가 느려지는게 아닐까? 추가로, reasoning 시에 reflection을 사용할지 분할 정복을 사용할지, 추가로 뭘 더 사용할지등의 전략 결정도 reasoning 시에 RL로 카테고리와 스코어에 따라 방법과 단계를 결정하는 것이 아닐까? 라는 망상을 한 번 해 보았다. ㅋ..

As GenAI adoption surges, organizations face new security risks. Learn to protect your AI systems from prompt hacking and other emerging threats.

Protecting Systems in the Age of Generative AI - DZone

생성형 AI(GenAI)와 대규모 언어 모델(LLM)의 빠른 도입은 전례 없는 속도로 산업을 변화시키고 있습니다. 거의 90%에 가까운 조직이 이러한 혁신적인 기술의 힘을 활용하기 위해 LLM 사용 사례를 적극적으로 구현하거나 탐색하고 있습니다. 그러나 이러한 열정은 보안에 대한 준비 부족이라는 우려스러운 상황과 맞물려 있습니다. Lakera의 최근 GenAI 준비도 보고서에 따르면 약 5%의 조직만이 GenAI 보안 프레임워크에 자신감을 갖고 있는 것으로 나타났습니다.

프롬프트 해킹의 부상
GenAI가 광범위하게 도입되면서 잠재적으로 파괴적인 새로운 위협인 프롬프트 해킹이 등장했습니다. 광범위한 코딩 지식이 필요한 기존의 해킹 방법과 달리, 프롬프트 해킹은 AI 시스템을 악용할 수 있는 능력을 대중화합니다. 초보자도 몇 마디만 잘 익히면 AI 모델을 조작할 수 있어 의도치 않은 행동과 잠재적인 데이터 유출로 이어질 수 있습니다.

무료 LLM 해킹 시뮬레이션 게임인 Lakera의 간달프는 이러한 위협을 극명하게 보여줍니다. 현재까지 기록된 100만 명의 간달프 플레이어와 총 5천만 건의 프롬프트 및 추측 중 무려 20만 명이 게임 전체를 해킹하는 데 성공했습니다. GenAI가 얼마나 쉽게 조작될 수 있는지를 보여주는 이 사례는 적절한 보안 조치 없이 이러한 기술을 서둘러 도입하려는 조직에 경각심을 불러일으킬 것입니다.
 * Gandalf: https://gandalf.lakera.ai/intro

GenAI 보안 대비 현황
간달프 시뮬레이션 데이터와 1,000명이 넘는 참가자의 설문조사 결과를 결합한 Lakera의 GenAI 준비보고서는 GenAI 보안의 현주소를 우려스럽게 보여줍니다:
 * 높은 도입률, 낮은 신뢰도: 응답자의 42%는 이미 GenAI를 적극적으로 사용하고 LLM을 구현하고 있지만, 5%만이 AI 보안 조치에 대해 확신
 * AI 전용 위협 모델링 부족: 22%만이 GenAI 전용 위협에 대비하기 위해 AI 전용 위협 모델링 도입
 * 다양한 보안 관행: 조직의 61%가 접근 제어 메커니즘을 구현했지만, 37%만이 침투 테스트를 사용하고 있으며, AI 전용 위협 모델링을 사용하는 기업은 22%에 불과
 * 취약점에 대한 느린 대응: GenAI 취약점을 발견한 조직의 20%는 이러한 문제가 아직 완전히 해결되지 않음
   
   
위험에 대한 이해
GenAI와 관련된 보안 위험은 단순한 데이터 유출 그 이상으로 사소한 운영 중단부터 중대한 데이터 유출 및 법적 결과에 이르기까지 광범위할 수 있습니다. 보고서에서 확인된 주요 취약점은 다음과 같습니다:
 * 편향된 출력: 취약점을 경험한 조직의 47%가 편향된 AI 출력 문제 보고
 * 데이터 유출: 42%는 AI 상호 작용을 통해 민감한 데이터가 노출되는 문제 경험
 * AI 결과물의 오용: 38%는 AI가 생성한 정보가 오용된 사례 보고
 * 모델 조작: 34%는 AI 모델을 변경하거나 조작하려는 시도 경험
 * 무단 액세스: 19%는 권한이 없는 사람이 GenAI 시스템에 액세스하는 문제 직면

AI 전용 위협 모델링 구현하기
조직은 GenAI가 제기하는 고유한 보안 문제를 해결하기 위해 AI 전용 위협 모델링 관행을 채택해야 합니다. 이 접근 방식에는 다음이 포함됩니다:
 * AI 전용 자산 식별: 학습 데이터, 모델 아키텍처, 추론 엔드포인트 등 AI 시스템의 고유한 구성 요소 인식
 * 공격 표면 매핑: 공격자가 입력 데이터 중독, 모델 반전 공격, 프롬프트 인젝션 등을 통해 어떻게 AI 시스템을 조작하려고 시도하는지 이해
 * 잠재적 위협 분석: 전통적인 사이버 보안 위협과 모델 도용 또는 출력 조작과 같은 AI 관련 위험 고려
 * 완화 전략 구현: 강력한 입력 유효성 검사, 출력 필터링, 지속적인 모델 모니터링 등 AI 시스템에 맞는 보안 조치 개발 및 배포
 * 정기적인 테스트 및 업데이트: 지속적인 보안 평가를 수행하고 새로운 취약점과 공격 벡터가 등장하면 위협 모델 업데이트

GenAI 시스템 보안을 위한 모범 사례
GenAI 도입과 보안 사이의 격차를 해소하기 위해 조직은 다음과 같은 모범 사례를 고려해야 합니다:
 * 강력한 액세스 제어 구현: 잠재적인 공격 경로를 제한하려면 역할 기반 액세스 제어와 최소 권한 원칙 사용
 * 민감한 데이터 암호화: 모든 AI 학습 및 추론 데이터가 전송 중이거나 미사용 상태일 때 모두 적절하게 암호화되어 있는지 확인
 * 정기적인 보안 감사 실시: 내부 및 외부 보안 감사를 수행하여 취약점을 사전에 파악하고 해결
 * 모의 침투 테스트 실시: 잠재적인 공격에 대해 정기적으로 AI 시스템을 테스트하여 취약점이 악용되기 전에 발견
 * 안전한 AI 관행 개발: 데이터 수집부터 모델 배포에 이르기까지 AI 개발 수명 주기 전반에 걸쳐 보안 고려 사항 통합
 * 최신 정보 파악: 업계 포럼, 보안 권고, 연구원과의 협업을 통해 최신 AI 보안 위협과 모범 사례 파악
 * 공식적인 AI 보안 정책 수립: 조직 내 AI 시스템과 관련된 포괄적인 보안 정책을 개발및 시행
 * AI 보안 전문 지식 투자: AI 보안에 대한 전문 지식을 갖춘 팀을 구성하거나 확보하여 이러한 시스템의 고유한 문제 해결

앞으로 나아갈 길
GenAI가 계속해서 산업을 혁신함에 따라 강력한 보안 조치의 중요성은 아무리 강조해도 지나치지 않습니다. AI에 특화된 위협 모델링을 구현하고, GenAI 보안 모범 사례를 채택하고, 지속적인 학습과 적응의 문화를 조성함으로써 조직은 안전한 AI 혁신을 위한 강력한 기반을 구축할 수 있습니다. 이 새로운 영역을 탐색할 때 성공의 열쇠는 GenAI의 혁신적 힘을 활용하는 것과 AI 시스템의 안전과 무결성을 보장하는 것 사이에서 적절한 균형을 유지하는 데 있습니다.

 * source: https://dzone.com/articles/protecting-systems-in-the-age-of-genai?utm_source=Sailthru&utm_medium=email&utm_campaign=e731_09.11.24_WednesdaySend_Spotlight_Threatconnect&utm_term=cloud-insider-active

생성형 AI(GenAI)와 대규모 언어 모델(LLM)의 빠른 도입은 전례 없는 속도로 산업을 변화시키고 있습니다. 거의 90%에 가까운 조직이 이러한 혁신적인 기술의 힘을 활용하기 위해 LLM 사용 사례를 적극적으로 구현하거나 탐색하고 있습니다. 그러나 이러한 열정은 보안에 대한 준비 부족이라는 우려스러운 상황과 맞물려 있습니다. Lakera의 최근 GenAI 준비도 보고서에 따르면 약 5%의 조직만이 GenAI 보안 프레임워크에 자신감을 갖고 있는 것으로 나타났습니다. 프롬프트 해킹의 부상GenAI가 광범위하게 도입되면서 잠재적으로 파괴적인 새로운 위협인 프롬프트 해킹이 등장했습니다. 광범위한 코딩 지식이 필요한 기존의 해킹 방법과 달리, 프롬프트 해킹은 AI 시스템을 악용할 수 있는 능력을 대중화합니다. 초보자도 몇 마디만 잘 익히면 AI 모델을 조작할 수 있어 의도치 않은 행동과 잠재적인 데이터 유출로 이어질 수 있습니다. 무료 LLM 해킹 시뮬레이션 게임인 Lakera의 간달프는 이러한 위협을 극명하게 보여줍니다. 현재까지 기록된 100만 명의 간달프 플레이어와 총 5천만 건의 프롬프트 및 추측 중 무려 20만 명이 게임 전체를 해킹하는 데 성공했습니다. GenAI가 얼마나 쉽게 조작될 수 있는지를 보여주는 이 사례는 적절한 보안 조치 없이 이러한 기술을 서둘러 도입하려는 조직에 경각심을 불러일으킬 것입니다.<ul ><li>Gandalf: https://gandalf.lakera.ai/intro</li></ul> GenAI 보안 대비 현황간달프 시뮬레이션 데이터와 1,000명이 넘는 참가자의 설문조사 결과를 결합한 Lakera의 GenAI 준비보고서는 GenAI 보안의 현주소를 우려스럽게 보여줍니다:<ul ><li>높은 도입률, 낮은 신뢰도: 응답자의 42%는 이미 GenAI를 적극적으로 사용하고 LLM을 구현하고 있지만, 5%만이 AI 보안 조치에 대해 확신</li><li>AI 전용 위협 모델링 부족: 22%만이 GenAI 전용 위협에 대비하기 위해 AI 전용 위협 모델링 도입</li><li>다양한 보안 관행: 조직의 61%가 접근 제어 메커니즘을 구현했지만, 37%만이 침투 테스트를 사용하고 있으며, AI 전용 위협 모델링을 사용하는 기업은 22%에 불과</li><li>취약점에 대한 느린 대응: GenAI 취약점을 발견한 조직의 20%는 이러한 문제가 아직 완전히 해결되지 않음 </li></ul>위험에 대한 이해GenAI와 관련된 보안 위험은 단순한 데이터 유출 그 이상으로 사소한 운영 중단부터 중대한 데이터 유출 및 법적 결과에 이르기까지 광범위할 수 있습니다. 보고서에서 확인된 주요 취약점은 다음과 같습니다:<ul ><li>편향된 출력: 취약점을 경험한 조직의 47%가 편향된 AI 출력 문제 보고</li><li>데이터 유출: 42%는 AI 상호 작용을 통해 민감한 데이터가 노출되는 문제 경험</li><li>AI 결과물의 오용: 38%는 AI가 생성한 정보가 오용된 사례 보고</li><li>모델 조작: 34%는 AI 모델을 변경하거나 조작하려는 시도 경험</li><li>무단 액세스: 19%는 권한이 없는 사람이 GenAI 시스템에 액세스하는 문제 직면</li></ul> AI 전용 위협 모델링 구현하기조직은 GenAI가 제기하는 고유한 보안 문제를 해결하기 위해 AI 전용 위협 모델링 관행을 채택해야 합니다. 이 접근 방식에는 다음이 포함됩니다:<ul ><li>AI 전용 자산 식별: 학습 데이터, 모델 아키텍처, 추론 엔드포인트 등 AI 시스템의 고유한 구성 요소 인식</li><li>공격 표면 매핑: 공격자가 입력 데이터 중독, 모델 반전 공격, 프롬프트 인젝션 등을 통해 어떻게 AI 시스템을 조작하려고 시도하는지 이해</li><li>잠재적 위협 분석: 전통적인 사이버 보안 위협과 모델 도용 또는 출력 조작과 같은 AI 관련 위험 고려</li><li>완화 전략 구현: 강력한 입력 유효성 검사, 출력 필터링, 지속적인 모델 모니터링 등 AI 시스템에 맞는 보안 조치 개발 및 배포</li><li>정기적인 테스트 및 업데이트: 지속적인 보안 평가를 수행하고 새로운 취약점과 공격 벡터가 등장하면 위협 모델 업데이트</li></ul> GenAI 시스템 보안을 위한 모범 사례GenAI 도입과 보안 사이의 격차를 해소하기 위해 조직은 다음과 같은 모범 사례를 고려해야 합니다:<ul ><li>강력한 액세스 제어 구현: 잠재적인 공격 경로를 제한하려면 역할 기반 액세스 제어와 최소 권한 원칙 사용</li><li>민감한 데이터 암호화: 모든 AI 학습 및 추론 데이터가 전송 중이거나 미사용 상태일 때 모두 적절하게 암호화되어 있는지 확인</li><li>정기적인 보안 감사 실시: 내부 및 외부 보안 감사를 수행하여 취약점을 사전에 파악하고 해결</li><li>모의 침투 테스트 실시: 잠재적인 공격에 대해 정기적으로 AI 시스템을 테스트하여 취약점이 악용되기 전에 발견</li><li>안전한 AI 관행 개발: 데이터 수집부터 모델 배포에 이르기까지 AI 개발 수명 주기 전반에 걸쳐 보안 고려 사항 통합</li><li>최신 정보 파악: 업계 포럼, 보안 권고, 연구원과의 협업을 통해 최신 AI 보안 위협과 모범 사례 파악</li><li>공식적인 AI 보안 정책 수립: 조직 내 AI 시스템과 관련된 포괄적인 보안 정책을 개발및 시행</li><li>AI 보안 전문 지식 투자: AI 보안에 대한 전문 지식을 갖춘 팀을 구성하거나 확보하여 이러한 시스템의 고유한 문제 해결</li></ul> 앞으로 나아갈 길GenAI가 계속해서 산업을 혁신함에 따라 강력한 보안 조치의 중요성은 아무리 강조해도 지나치지 않습니다. AI에 특화된 위협 모델링을 구현하고, GenAI 보안 모범 사례를 채택하고, 지속적인 학습과 적응의 문화를 조성함으로써 조직은 안전한 AI 혁신을 위한 강력한 기반을 구축할 수 있습니다. 이 새로운 영역을 탐색할 때 성공의 열쇠는 GenAI의 혁신적 힘을 활용하는 것과 AI 시스템의 안전과 무결성을 보장하는 것 사이에서 적절한 균형을 유지하는 데 있습니다. <ul ><li>source: https://dzone.com/articles/protecting-systems-in-the-age-of-genai?utm_source=Sailthru&amp;utm_medium=email&amp;utm_campaign=e731_09.11.24_WednesdaySend_Spotlight_Threatconnect&amp;utm_term=cloud-insider-active</li></ul>

dzone.com

[DZone] AI 보안 격차: 생성 AI 시대의 시스템 보호

짧은 o1 사용 소감.

아이디어 토론 상대로 사용해봤는데, 기존 모델들보다 압도적으로 좋음. 기존 모델들보다 아이디어를 더 깊은 수준으로 그리고 디테일하게 생성함.

지난 1-2주 동안 실제 사람과 토론한 내용을 다시 토론해봤는데, 사람과 했던 이야기들 중 핵심적이라고 생각했던 이야기가 거의 다 들어가 있었음.

Claude 3.5나 GPT-4하고 토론하면 너무 평이한 답변만 해서 답답했음. 그래서 내 스스로 생각한 것을 투영하는 고무오리 정도 수준으로만 사용했음. 그런데 이제는 진짜 사람 수준으로 아이디어를 제안하고 토론 할 수 있게 되었음.

다만, 아직 유레카 수준의 창의력을 발휘하는 것은 아니고, 맥락과 스펙을 잘 전달하는 것은 여전히 중요함.

짧은 o1 사용 소감. 아이디어 토론 상대로 사용해봤는데, 기존 모델들보다 압도적으로 좋음. 기존 모델들보다 아이디어를 더 깊은 수준으로 그리고 디테일하게 생성함. 지난 1-2주 동안 실제 사람과 토론한 내용을 다시 토론해봤는데, 사람과 했던 이야기들 중 핵심적이라고 생각했던 이야기가 거의 다 들어가 있었음. Claude 3.5나 GPT-4하고 토론하면 너무 평이한 답변만 해서 답답했음. 그래서 내 스스로 생각한 것을 투영하는 고무오리 정도 수준으로만 사용했음. 그런데 이제는 진짜 사람 수준으로 아이디어를 제안하고 토론 할 수 있게 되었음. 다만, 아직 유레카 수준의 창의력을 발휘하는 것은 아니고, 맥락과 스펙을 잘 전달하는 것은 여전히 중요함.

Biohybrid robots combine living materials and organisms with synthetic robotic components. They present unique ethical challenges.

Revolutionary biohybrid robots are coming. Are we prepared?

바이오하이브리드 로봇은 살아있는 물질과 합성 물질을 결합하여 팔다리와 장기 또는 전체 생물체의 형태를 취합니다. 철학적으로 바이오하이브리드 로봇은 많은 과학자와 사상가들이 의심해왔던 것을 명백하게 보여줍니다. 인간과 다른 생명체도 무기물이 아닌 유기적 부품을 가지고 있지만 기계일 뿐입니다. 바이오하이브리드 로봇공학에서 얻은 교훈을 바탕으로 과학자들은 언젠가 복잡한 생명체를 처음부터 다시 만들 수 있을 것입니다.

생물과 기계가 점점 더 발전된 형태로 융합되면서 윤리학자들이 주목하기 시작했습니다. 새로운 기술을 전문으로 연구하는 사우샘프턴 대학교의 라파엘 메스트레 박사는 최근 전 세계의 동료들과 함께 바이오하이브리드 로봇의 윤리적 파급 효과에 대해 고민하고 있습니다.

바이오하이브리드 로봇 사례
 * 2014년 일리노이 대학교의 연구원들은 미세한 수영 로봇을 만들었습니다. 쥐에서 추출한 심장 근육 세포로 이 로봇을 만들었다는 점이 이 로봇을 차별화했습니다. 이 로봇은 최초의 “바이오 하이브리드 로봇” 중 하나였습니다.
 * 하버드의 연구원들은 아이디어를 확장하여 최초의 바이오하이브리드 '동물'인 16밀리미터 길이의 광선을 만들었습니다. 엘라스토머로 된 몸체와 금으로 된 골격, 쥐 세포로 만든 근육을 가진 이 동물은 구불구불하면서도 의미 있는 속도로 물속을 미끄러지듯 헤엄치며 빛으로 조향하고 동력을 얻었습니다.
 * 최근에는 한 연구팀이 사람의 걸음걸이를 따라 걷는 소형 바이오 하이브리드 로봇을 만들었습니다. 또 다른 연구팀은 내장된 생물학적 신경망으로 감지할 수 있는 로봇 손을 만들었습니다.

바이오하이브리드 로봇
 * 기본적으로 바이오하이브리드 로봇은 살아있는 물질과 합성 물질을 결합한 로봇입니다.
 * 예를 들어 근육 세포를 액추에이터로, 뉴런을 모터 컨트롤러로, 감각 세포를 촉각 센서로 사용할 수 있습니다. 일부는 살아있는 유기체 자체를 기반으로 제작되기도 합니다.
 * 바이오하이브리드 로봇은 수백만 년에 걸친 생물계의 진화를 활용하여 로봇에 자가 치유, 뛰어난 적응력, 뛰어난 센서 해상도 등의 이점을 부여합니다.

인기 스토리
 * 하지만 인공과 생물의 혼합으로 생명체와 비생명체의 경계가 모호해지는 새로운 세상을 맞이할 준비가 되어 있을까요?
   * 메스트레와 그의 공동 저자들은 가상의 시나리오를 통해 이러한 윤리적 문제를 탐구합니다. “바이오하이브리드 시스템이 진화하여 인간과 상호작용하고 근육 조직과 신경근 접합부의 도움을 받아 매우 유기적인 방식으로 복잡한 동작을 수행할 수 있는 실물 크기의 로봇을 만드는 미래를 상상해 보세요. 매년 로봇은 더 복잡해지고 다양한 유형의 조직이 추가되고 있습니다... 로봇의 복잡성이 증가함에 따라 사람들은 로봇이 고통을 느끼고 지각이 있는지, 로봇과 어떻게 상호 작용해야 하는지 궁금해합니다.”
 * 이러한 가상의 바이오봇 중에서 기계가 아닌 생명체라고 할 수 있는 지점은 어디일까요?
   * 초기 버전은 생물학적 부품 몇 개로 시작하지만, 결국 무생물 시스템을 생물 시스템으로 교체하면서 금속보다 더 많은 조직을 포함하도록 '업그레이드'될 수 있습니다. 우리의 공감을 얻기 위해 살아있는 뇌가 필요할까요?
 * 물론 이 시나리오는 아직 공상 과학 소설의 영역에 속합니다. 하지만 현실에 점점 더 가까워지고 있는 또 다른 시나리오가 있습니다.
   * 연구진은 “기존의 신경 조직을 사용하여 인공 팔다리를 제어할 수 있는” 인간-컴퓨터 인터페이스를 예상하고 있습니다.
   * 살아있는 동물에서 추출한 “실제적이고 적응 가능한 근육”을 사용하는 바이오하이브리드 로봇 팔도 가까운 미래에 등장할 수 있습니다.
   * 바이오 하이브리드 장기도 등장할 수 있습니다. 게다가 이러한 팔과 장기는 인간의 능력을 훨씬 뛰어넘을 수도 있습니다.
 * 이식과 보철이 절실히 필요한 환자들은 이러한 발전을 환영할 것이지만, 첨단 기술의 높은 비용으로 인해 부유층만 이용할 수 있을 수도 있습니다.

바이오하이브리드 미래
 * 뉴욕시 소재 뉴욕대학교 그로스만 의과대학 인구보건학과의 생명윤리학 교수이자 의료윤리부 창립 책임자인 아서 캐플란 박사는 비용과 접근성이 미래의 바이오 하이브리드 팔다리 및 장기와 관련된 핵심 윤리적 문제가 될 수 있다는 데 동의했습니다(모든 중대한 의학 발전과 마찬가지로).
   * “이 기술은 복잡한 기술이기 때문에 초기에는 확실히 가격이 비쌀 것입니다. 부유한 국가를 제외하고는 어디에서도 사용할 수 있을지 의문입니다. 그리고 부유한 국가 내에서도 부유층에게 먼저 보급될 가능성이 높습니다.”
   * 캐플란은 첨단 바이오하이브리드 로봇을 연구하는 연구자들이 이 기술에 대한 다양한 접근을 보장할 수 있는 조항을 만들 수 있다고 제안합니다.
   * 캐플란은 바이오 하이브리드 팔다리와 장기를 연구하는 데 있어 다른 까다로운 윤리적 문제도 발견했습니다.
     * 첫째, 사람을 대상으로 기술을 테스트하는 팀은 최고 수준의 이식 센터에서 중재를 수행해야 하며 피험자에게 사망을 포함한 위험에 대해 제대로 알려야 합니다.
     * 둘째, 연구자들은 바이오 하이브리드 팔다리나 장기가 실패할 경우에 대비한 계획을 세워야 합니다. “만약 환자 몸 안에 이런 것이 끼게 되면 어떻게 될까요? 이런 상황을 '아무데도 갈 수 없는 다리'라고 부를 수 있을까요?” 캐플란이 말했습니다.
     * 셋째, 캐플란은 바이오 하이브리드 장기를 추구하는 것이 제한된 연구 자원의 가치 있는 사용인지에 대한 정당한 의문이 든다고 지적했습니다. “신장 대체, 근육 대체, 연결성 대체 등 바이오 인공 장기의 혜택을 받을 수 있는 사람은 분명히 많습니다. 하지만 지속 가능성과 내구성을 갖춘 인공 장기를 개발하는 데는 시간이 좀 걸릴 것입니다. 이는 꽤 큰 연구 노력입니다.”
   * 캐플란은 바이오 하이브리드 장기에 대한 연구는 아직 예비 단계에 머물러 있다고 강조합니다. 과거에는 합성 신장을 만드는 데 많은 관심이 집중되어 왔습니다. 이는 이식형 바이오리액터에 신장 세포를 집어넣는 형태를 취합니다.
 * 철학적으로 바이오하이브리드 로봇은 많은 과학자와 사상가들이 의심해왔던 것을 명백하게 보여줍니다
   * 인간과 다른 생명체는 무기물이 아닌 유기물로 구성되어 있긴 하지만, 관련성 있는 의미에서 기계와 다를 바 없다는 것입니다.
   * “바이오하이브리드 로봇은 생명 자체를 이해하는 플랫폼 역할을 합니다."라고 메스트레와 그의 공동 저자들은 말합니다.
   * “근육 액추에이터, 센서로서의 신경 회로, 지능형 로봇을 형성하기 위한 신경-근육 접합부 등 이러한 로봇의 부품을 개발하려면 기존의 페트리 접시 플랫폼을 넘어 세포와 그 행동에 대한 심층적인 탐구가 필요합니다. 각각의 바이오하이브리드 로봇은 '시험관 내 발달'을 모방한 '존재'로 등장합니다.”
 * 바이오하이브리드 로봇에서 얻은 교훈을 바탕으로 과학자들은 언젠가 복잡한 생명체를 처음부터 다시 만들 수도 있습니다. 하지만 획기적인 바이오하이브리드 로봇을 비극이 아닌 성공 사례로 만들기 위해서는 지금부터 그 파급 효과를 고려해야 합니다.

 * source: https://bigthink.com/the-future/biohybrid-robots-are-coming/?utm_source=rejoiner&utm_medium=email&utm_campaign=weeklynewsletter&utm_content=09%2F05%2F24+Smarter+Faster&rjnrid=5akvKwk

바이오하이브리드 로봇은 살아있는 물질과 합성 물질을 결합하여 팔다리와 장기 또는 전체 생물체의 형태를 취합니다. 철학적으로 바이오하이브리드 로봇은 많은 과학자와 사상가들이 의심해왔던 것을 명백하게 보여줍니다. 인간과 다른 생명체도 무기물이 아닌 유기적 부품을 가지고 있지만 기계일 뿐입니다. 바이오하이브리드 로봇공학에서 얻은 교훈을 바탕으로 과학자들은 언젠가 복잡한 생명체를 처음부터 다시 만들 수 있을 것입니다. 생물과 기계가 점점 더 발전된 형태로 융합되면서 윤리학자들이 주목하기 시작했습니다. 새로운 기술을 전문으로 연구하는 사우샘프턴 대학교의 라파엘 메스트레 박사는 최근 전 세계의 동료들과 함께 바이오하이브리드 로봇의 윤리적 파급 효과에 대해 고민하고 있습니다. 바이오하이브리드 로봇 사례<ul ><li>2014년 일리노이 대학교의 연구원들은 미세한 수영 로봇을 만들었습니다. 쥐에서 추출한 심장 근육 세포로 이 로봇을 만들었다는 점이 이 로봇을 차별화했습니다. 이 로봇은 최초의 “바이오 하이브리드 로봇” 중 하나였습니다.</li><li>하버드의 연구원들은 아이디어를 확장하여 최초의 바이오하이브리드 '동물'인 16밀리미터 길이의 광선을 만들었습니다. 엘라스토머로 된 몸체와 금으로 된 골격, 쥐 세포로 만든 근육을 가진 이 동물은 구불구불하면서도 의미 있는 속도로 물속을 미끄러지듯 헤엄치며 빛으로 조향하고 동력을 얻었습니다.</li><li>최근에는 한 연구팀이 사람의 걸음걸이를 따라 걷는 소형 바이오 하이브리드 로봇을 만들었습니다. 또 다른 연구팀은 내장된 생물학적 신경망으로 감지할 수 있는 로봇 손을 만들었습니다.</li></ul> 바이오하이브리드 로봇<ul ><li>기본적으로 바이오하이브리드 로봇은 살아있는 물질과 합성 물질을 결합한 로봇입니다. </li><li>예를 들어 근육 세포를 액추에이터로, 뉴런을 모터 컨트롤러로, 감각 세포를 촉각 센서로 사용할 수 있습니다. 일부는 살아있는 유기체 자체를 기반으로 제작되기도 합니다. </li><li>바이오하이브리드 로봇은 수백만 년에 걸친 생물계의 진화를 활용하여 로봇에 자가 치유, 뛰어난 적응력, 뛰어난 센서 해상도 등의 이점을 부여합니다.</li></ul> 인기 스토리<ul ><li>하지만 인공과 생물의 혼합으로 생명체와 비생명체의 경계가 모호해지는 새로운 세상을 맞이할 준비가 되어 있을까요? <ul ><li>메스트레와 그의 공동 저자들은 가상의 시나리오를 통해 이러한 윤리적 문제를 탐구합니다. “바이오하이브리드 시스템이 진화하여 인간과 상호작용하고 근육 조직과 신경근 접합부의 도움을 받아 매우 유기적인 방식으로 복잡한 동작을 수행할 수 있는 실물 크기의 로봇을 만드는 미래를 상상해 보세요. 매년 로봇은 더 복잡해지고 다양한 유형의 조직이 추가되고 있습니다... 로봇의 복잡성이 증가함에 따라 사람들은 로봇이 고통을 느끼고 지각이 있는지, 로봇과 어떻게 상호 작용해야 하는지 궁금해합니다.”</li></ul></li><li>이러한 가상의 바이오봇 중에서 기계가 아닌 생명체라고 할 수 있는 지점은 어디일까요? <ul ><li>초기 버전은 생물학적 부품 몇 개로 시작하지만, 결국 무생물 시스템을 생물 시스템으로 교체하면서 금속보다 더 많은 조직을 포함하도록 '업그레이드'될 수 있습니다. 우리의 공감을 얻기 위해 살아있는 뇌가 필요할까요?</li></ul></li><li>물론 이 시나리오는 아직 공상 과학 소설의 영역에 속합니다. 하지만 현실에 점점 더 가까워지고 있는 또 다른 시나리오가 있습니다. <ul ><li>연구진은 “기존의 신경 조직을 사용하여 인공 팔다리를 제어할 수 있는” 인간-컴퓨터 인터페이스를 예상하고 있습니다.</li><li>살아있는 동물에서 추출한 “실제적이고 적응 가능한 근육”을 사용하는 바이오하이브리드 로봇 팔도 가까운 미래에 등장할 수 있습니다. </li><li>바이오 하이브리드 장기도 등장할 수 있습니다. 게다가 이러한 팔과 장기는 인간의 능력을 훨씬 뛰어넘을 수도 있습니다. </li></ul></li><li>이식과 보철이 절실히 필요한 환자들은 이러한 발전을 환영할 것이지만, 첨단 기술의 높은 비용으로 인해 부유층만 이용할 수 있을 수도 있습니다.</li></ul> 바이오하이브리드 미래<ul ><li>뉴욕시 소재 뉴욕대학교 그로스만 의과대학 인구보건학과의 생명윤리학 교수이자 의료윤리부 창립 책임자인 아서 캐플란 박사는 비용과 접근성이 미래의 바이오 하이브리드 팔다리 및 장기와 관련된 핵심 윤리적 문제가 될 수 있다는 데 동의했습니다(모든 중대한 의학 발전과 마찬가지로).<ul ><li>“이 기술은 복잡한 기술이기 때문에 초기에는 확실히 가격이 비쌀 것입니다. 부유한 국가를 제외하고는 어디에서도 사용할 수 있을지 의문입니다. 그리고 부유한 국가 내에서도 부유층에게 먼저 보급될 가능성이 높습니다.”</li><li>캐플란은 첨단 바이오하이브리드 로봇을 연구하는 연구자들이 이 기술에 대한 다양한 접근을 보장할 수 있는 조항을 만들 수 있다고 제안합니다.</li><li>캐플란은 바이오 하이브리드 팔다리와 장기를 연구하는 데 있어 다른 까다로운 윤리적 문제도 발견했습니다. <ul ><li>첫째, 사람을 대상으로 기술을 테스트하는 팀은 최고 수준의 이식 센터에서 중재를 수행해야 하며 피험자에게 사망을 포함한 위험에 대해 제대로 알려야 합니다.</li><li>둘째, 연구자들은 바이오 하이브리드 팔다리나 장기가 실패할 경우에 대비한 계획을 세워야 합니다. “만약 환자 몸 안에 이런 것이 끼게 되면 어떻게 될까요? 이런 상황을 '아무데도 갈 수 없는 다리'라고 부를 수 있을까요?” 캐플란이 말했습니다.</li><li>셋째, 캐플란은 바이오 하이브리드 장기를 추구하는 것이 제한된 연구 자원의 가치 있는 사용인지에 대한 정당한 의문이 든다고 지적했습니다. “신장 대체, 근육 대체, 연결성 대체 등 바이오 인공 장기의 혜택을 받을 수 있는 사람은 분명히 많습니다. 하지만 지속 가능성과 내구성을 갖춘 인공 장기를 개발하는 데는 시간이 좀 걸릴 것입니다. 이는 꽤 큰 연구 노력입니다.”</li></ul></li><li>캐플란은 바이오 하이브리드 장기에 대한 연구는 아직 예비 단계에 머물러 있다고 강조합니다. 과거에는 합성 신장을 만드는 데 많은 관심이 집중되어 왔습니다. 이는 이식형 바이오리액터에 신장 세포를 집어넣는 형태를 취합니다.</li></ul></li><li>철학적으로 바이오하이브리드 로봇은 많은 과학자와 사상가들이 의심해왔던 것을 명백하게 보여줍니다<ul ><li>인간과 다른 생명체는 무기물이 아닌 유기물로 구성되어 있긴 하지만, 관련성 있는 의미에서 기계와 다를 바 없다는 것입니다.</li><li>“바이오하이브리드 로봇은 생명 자체를 이해하는 플랫폼 역할을 합니다."라고 메스트레와 그의 공동 저자들은 말합니다. </li><li>“근육 액추에이터, 센서로서의 신경 회로, 지능형 로봇을 형성하기 위한 신경-근육 접합부 등 이러한 로봇의 부품을 개발하려면 기존의 페트리 접시 플랫폼을 넘어 세포와 그 행동에 대한 심층적인 탐구가 필요합니다. 각각의 바이오하이브리드 로봇은 '시험관 내 발달'을 모방한 '존재'로 등장합니다.”</li></ul></li><li>바이오하이브리드 로봇에서 얻은 교훈을 바탕으로 과학자들은 언젠가 복잡한 생명체를 처음부터 다시 만들 수도 있습니다. 하지만 획기적인 바이오하이브리드 로봇을 비극이 아닌 성공 사례로 만들기 위해서는 지금부터 그 파급 효과를 고려해야 합니다.</li></ul> <ul ><li>source: https://bigthink.com/the-future/biohybrid-robots-are-coming/?utm_source=rejoiner&amp;utm_medium=email&amp;utm_campaign=weeklynewsletter&amp;utm_content=09%2F05%2F24+Smarter+Faster&amp;rjnrid=5akvKwk</li></ul>

Big Think

[Big Think] 혁신적인 바이오 하이브리드 로봇의 등장?

개발자라면 찜 해놔야하는 GitHub 저장소들

모든 프로그래머가

SQL을 처음부터 제대로 공부하고 싶지만, 어떻게 공부해야 할지 망설이고 있나요?

아래의 SQL 마인드맵으로 초보 단계부터 고급 단계까지 차근차근 공부해봐요.

 1. 초보 단계 (Basic)
    * SELECT
    * FROM
    * WHERE
    * ORDER BY
    * AGGREGATE
    * GROUP BY
    * LIMIT
 2. 중급 단계 (Intermediate)
    * LEFT JOIN
    * INNER JOIN
    * LIKE
    * IN
    * CASE WHEN
    * HAVING
    * UNION ALL
 3. 고급 단계 (Advanced)
    * SUBQUERY
    * CTE (WITH)
    * STORED PRECEDURE
    * TRIGGER
    * WINDOW FUNCTION
 4. 연습 단계 (Practice)
    * BASIC SQL PROJECT (SQL 기초 프로젝트)
    * INTERMEDIATE SQL PROJECT(SQL 중급 프로젝트)
    * ADVANCED SQL PROJECT(SQL 고급 프로젝트)

#데이터리차드 #SQL #로드맵

SQL을 처음부터 제대로 공부하고 싶지만, 어떻게 공부해야 할지 망설이고 있나요? 아래의 SQL 마인드맵으로 초보 단계부터 고급 단계까지 차근차근 공부해봐요. <ol ><li>초보 단계 (Basic)<ul ><li>SELECT</li><li>FROM</li><li>WHERE</li><li>ORDER BY</li><li>AGGREGATE</li><li>GROUP BY</li><li>LIMIT</li></ul></li><li>중급 단계 (Intermediate)<ul ><li>LEFT JOIN</li><li>INNER JOIN</li><li>LIKE</li><li>IN</li><li>CASE WHEN</li><li>HAVING</li><li>UNION ALL</li></ul></li><li>고급 단계 (Advanced)<ul ><li>SUBQUERY</li><li>CTE (WITH)</li><li>STORED PRECEDURE</li><li>TRIGGER</li><li>WINDOW FUNCTION</li></ul></li><li>연습 단계 (Practice)<ul ><li>BASIC SQL PROJECT (SQL 기초 프로젝트)</li><li>INTERMEDIATE SQL PROJECT(SQL 중급 프로젝트)</li><li>ADVANCED SQL PROJECT(SQL 고급 프로젝트)</li></ul></li></ol> #데이터리차드 #SQL #로드맵

SQL 학습 로드맵

YouTube에서 마음에 드는 동영상과 음악을 감상하고, 직접 만든 콘텐츠를 업로드하여 친구, 가족뿐 아니라 전 세계 사람들과 콘텐츠를 공유할 수 있습니다.

 - YouTube

AutoParams 덕분에 3년 이상을 Spring Boot 앱 개발에 TDD를 덜 힘들게 적용했습니다. 누군가에게 조금이라도 더 도움이 되길 바라며 올해 스프링 캠프에서 AutoParams의 목적과 아키텍처, 사용법을 설명하는 자리를 가졌습니다.

AutoParams 덕분에 3년 이상을 Spring Boot 앱 개발에 TDD를 덜 힘들게 적용했습니다. 누군가에게 조금이라도 더 도움이 되길 바라며 올해 스프링 캠프에서 AutoParams의 목적과 아키텍처, 사용법을 설명하는 자리를 가졌습니다.

youtu.be

AutoParams를 사용한 Spring Boot 응용프로그램 테

1. 찰스 다윈은 하루에 90분씩 3번 일했고, 나머지 시간에는 긴 산책을 하거나 낮잠을 자거나 상념에 잠겼다. (그러면서도 그는 <종의 기원>을 포함해 19권의 책을 집필했다)

2. 엄청난 다작가이자 사상가로 알려진 앙리 푸앵카레는 오전 10시부터 정오까지 첫 번째 작업을 한 뒤, 오후 5시부터 7시까지 두 번째 작업을 했다. (그는 하루 4시간만 일했다)

3. 마찬가지로, 수학자 고드프리 해럴드 하디는 ‘의식적 작업은 하루 4시간이 최대치’이며, 나머지 시간을 너무 많은 바쁜 일로 채우면 오히려 비생산적이라고 믿었다.

4. 다윈, 푸앵카레, 하디는 모든 같은 이야기를 하고 있다. 제대로 초점을 맞추고, 진짜 집중력을 (제대로) 발휘하면, 그리고 양질의 휴식으로 집중하는 시간을 잘 뒷받침하면, 위대한 성취를 이루는 데 필요한 시간은 하루 4시간이면 충분하다고. 이는 바쁨을 추구하는 우리의 문화와 정면으로 충돌하는 발상이다.

5. 위대함을 낳는 ‘1만 시간의 법칙’은 앤더스 에릭슨과 동료들의 공동 연구로 탄생한 이래로, 말콤 글래드웰이 책 <아웃라이어>에 소개하며 대중의 큰 주목을 받았다. 말콤 글래드웰은 1만 시간의 법칙을 소개하며 ‘어떤 분야에서든 전문가 수준에 도달하려면 1만 시간의 의도적 연습이 필요하다’고 주장했다.

6. 그리고 이는 바쁨과 스트레스와 과로를 미덕으로 여기는 세상에서 큰 환영을 받았고, 아직도 많은 사람들이 이 법칙을 마치 교리처럼 신봉한다.

7. 그런데 에릭슨의 실제 연구에는 ‘매일 의도적 연습이 효과적인 수준을 넘지 않도록 제한해야 한다’는 내용도 담겨 있으며, 연구에서는 ‘하루에 투입해야 할 이상적인 시간은 4시간’이라고도 제안한다.

8. 이 연구에서 더 흥미로운 부분은 ‘정상급 연주자와 평균적 연주자는 쉬는 방식부터 다르다’는 점이다. 정상급 연주자는 평균적 연주자들에 비해 더 체계적이고 계획적으로 여가 시간을 보냈다.

9. 정상급 연주자들은 연습만 의도적으로 하는 게 아니라, 휴식도 의도적으로 취했다. 그들은 평균적 연주자보다 1시간 가량 더 잠을 찾다. (탁월한 퍼포먼스 = 의식적 연습+의식적 휴식)

10. 흔히 휴식을 일의 반대라고 생각하지만, 일과 휴식의 엄격한 분리는 현대의 그릇된 통념이다. 오랫동안 사람들은 쉴 때 뇌의 활동력이 떨어진다고 생각했다. 하지만 날로 발전하는 뇌 영상 기술에 힘입어 뇌과학자들은 ‘쉬는 동안에도 뇌의 전반적인 활동량이 감소하지 않는다’는 것을 발견했다.

11. 활동성은 단지 뇌의 다른 영역으로 옮겨갔다. 그리고 연구자들은 쉬는 동안 활성화되는 뇌의 영역을 ‘디폴트 모드 네트워크(DMN)’라고 칭하게 되었다.

12. 그리고 추가 연구를 통해, 디폴트 모드 네트워크는 고도로 활동적일 뿐 아니라, 정신 건강과 정서에 있어 굉장히 중요하다는 점이 발견됐다.

13. 특히 창의적이고 혁신적인 유형의 일을 할 땐 일하는 시간만큼, 휴식과 긴장 풀기가 필요하다. 디폴트 모드 네트워크가 활성화되면, 우리의 직관이 주도권을 가지고, 창의성은 멀리 있는 요소와 연관점을 찾기 시작한다.

14. 산책을 하거나 샤워 도중에 강력한 생각이나 통찰이 떠올렸다면, 디폴트 모드 네트워크에 감사해야 한다.

15. 그러나 당신이 휴식 때 텔레비전 앞에서 멍하게 있거나 유튜브에서 고양이 동영상을 본다면 디폴트 모드 네트워크가 활성화되는 데는 차질이 생긴다. (TV를 보거나 동영상을 보는 건 좋은 휴식 방법은 아니라는 얘기다)

16. (게다가) 창의적인 사람의 뇌는 디폴트 모드 네트워크가 더 강력하게 개발되어 휴식 시간에도 더 효과적으로 일을 한다는 연구 결과도 있다.

17. (고로 올바른 방식으로) 더 많은 시간을 휴식에 쓰면, 창의력과 행복감이 증진될 뿐 아니라, 일하는 시간의 능률마저 올라간다.

18. (그러니 숏폼 중독 등 주의력을 탕진해 일에 부정적인 영향을 미치는 휴식이 아니라, 자신에게 맞는 올바른 휴식법을 찾아라. 그러면 일의 능률을 올라갈 수밖에 없다)

- 존 피치 외, <이토록 멋진 휴식> 중

1. 찰스 다윈은 하루에 90분씩 3번 일했고, 나머지 시간에는 긴 산책을 하거나 낮잠을 자거나 상념에 잠겼다. (그러면서도 그는 &lt;종의 기원&gt;을 포함해 19권의 책을 집필했다) 2. 엄청난 다작가이자 사상가로 알려진 앙리 푸앵카레는 오전 10시부터 정오까지 첫 번째 작업을 한 뒤, 오후 5시부터 7시까지 두 번째 작업을 했다. (그는 하루 4시간만 일했다) 3. 마찬가지로, 수학자 고드프리 해럴드 하디는 ‘의식적 작업은 하루 4시간이 최대치’이며, 나머지 시간을 너무 많은 바쁜 일로 채우면 오히려 비생산적이라고 믿었다. 4. 다윈, 푸앵카레, 하디는 모든 같은 이야기를 하고 있다. 제대로 초점을 맞추고, 진짜 집중력을 (제대로) 발휘하면, 그리고 양질의 휴식으로 집중하는 시간을 잘 뒷받침하면, 위대한 성취를 이루는 데 필요한 시간은 하루 4시간이면 충분하다고. 이는 바쁨을 추구하는 우리의 문화와 정면으로 충돌하는 발상이다. 5. 위대함을 낳는 ‘1만 시간의 법칙’은 앤더스 에릭슨과 동료들의 공동 연구로 탄생한 이래로, 말콤 글래드웰이 책 &lt;아웃라이어&gt;에 소개하며 대중의 큰 주목을 받았다. 말콤 글래드웰은 1만 시간의 법칙을 소개하며 ‘어떤 분야에서든 전문가 수준에 도달하려면 1만 시간의 의도적 연습이 필요하다’고 주장했다. 6. 그리고 이는 바쁨과 스트레스와 과로를 미덕으로 여기는 세상에서 큰 환영을 받았고, 아직도 많은 사람들이 이 법칙을 마치 교리처럼 신봉한다. 7. 그런데 에릭슨의 실제 연구에는 ‘매일 의도적 연습이 효과적인 수준을 넘지 않도록 제한해야 한다’는 내용도 담겨 있으며, 연구에서는 ‘하루에 투입해야 할 이상적인 시간은 4시간’이라고도 제안한다. 8. 이 연구에서 더 흥미로운 부분은 ‘정상급 연주자와 평균적 연주자는 쉬는 방식부터 다르다’는 점이다. 정상급 연주자는 평균적 연주자들에 비해 더 체계적이고 계획적으로 여가 시간을 보냈다. 9. 정상급 연주자들은 연습만 의도적으로 하는 게 아니라, 휴식도 의도적으로 취했다. 그들은 평균적 연주자보다 1시간 가량 더 잠을 찾다. (탁월한 퍼포먼스 = 의식적 연습+의식적 휴식) 10. 흔히 휴식을 일의 반대라고 생각하지만, 일과 휴식의 엄격한 분리는 현대의 그릇된 통념이다. 오랫동안 사람들은 쉴 때 뇌의 활동력이 떨어진다고 생각했다. 하지만 날로 발전하는 뇌 영상 기술에 힘입어 뇌과학자들은 ‘쉬는 동안에도 뇌의 전반적인 활동량이 감소하지 않는다’는 것을 발견했다. 11. 활동성은 단지 뇌의 다른 영역으로 옮겨갔다. 그리고 연구자들은 쉬는 동안 활성화되는 뇌의 영역을 ‘디폴트 모드 네트워크(DMN)’라고 칭하게 되었다. 12. 그리고 추가 연구를 통해, 디폴트 모드 네트워크는 고도로 활동적일 뿐 아니라, 정신 건강과 정서에 있어 굉장히 중요하다는 점이 발견됐다. 13. 특히 창의적이고 혁신적인 유형의 일을 할 땐 일하는 시간만큼, 휴식과 긴장 풀기가 필요하다. 디폴트 모드 네트워크가 활성화되면, 우리의 직관이 주도권을 가지고, 창의성은 멀리 있는 요소와 연관점을 찾기 시작한다. 14. 산책을 하거나 샤워 도중에 강력한 생각이나 통찰이 떠올렸다면, 디폴트 모드 네트워크에 감사해야 한다. 15. 그러나 당신이 휴식 때 텔레비전 앞에서 멍하게 있거나 유튜브에서 고양이 동영상을 본다면 디폴트 모드 네트워크가 활성화되는 데는 차질이 생긴다. (TV를 보거나 동영상을 보는 건 좋은 휴식 방법은 아니라는 얘기다) 16. (게다가) 창의적인 사람의 뇌는 디폴트 모드 네트워크가 더 강력하게 개발되어 휴식 시간에도 더 효과적으로 일을 한다는 연구 결과도 있다. 17. (고로 올바른 방식으로) 더 많은 시간을 휴식에 쓰면, 창의력과 행복감이 증진될 뿐 아니라, 일하는 시간의 능률마저 올라간다. 18. (그러니 숏폼 중독 등 주의력을 탕진해 일에 부정적인 영향을 미치는 휴식이 아니라, 자신에게 맞는 올바른 휴식법을 찾아라. 그러면 일의 능률을 올라갈 수밖에 없다) - 존 피치 외, &lt;이토록 멋진 휴식&gt; 중

일을 못하는 사람들은 대부분 잘 쉬지도 못해요ㅠ

회사의 대표 옆에서 일해볼 수 있다는 점인 것 같아요.

가까이 있으면 그 사람의 사고방식을 배울 수 있어요. 회사를 세울 정도의 사람이라면 분명 배울 점이 있어요.

제가 만난 분들은 관점이 남달랐어요. 시장을 보는 관점, 제품을 대하는 관점에서 정말 많이 배울 수 있었죠. 개발자로서 조금 더 큰 그림을 볼 수 있는 기회가 되었어요.

누군가는 불편한 일이라고 할지도 몰라요. 하지만 조금 불편한 그 순간에 우리는 성장할 수 있다고 믿어요.

회사의 대표 옆에서 일해볼 수 있다는 점인 것 같아요. 가까이 있으면 그 사람의 사고방식을 배울 수 있어요. 회사를 세울 정도의 사람이라면 분명 배울 점이 있어요. 제가 만난 분들은 관점이 남달랐어요. 시장을 보는 관점, 제품을 대하는 관점에서 정말 많이 배울 수 있었죠. 개발자로서 조금 더 큰 그림을 볼 수 있는 기회가 되었어요. 누군가는 불편한 일이라고 할지도 몰라요. 하지만 조금 불편한 그 순간에 우리는 성장할 수 있다고 믿어요.

작은 회사에 일하면 좋은 점

Elastic announces the return of open source licensing for Elasticsearch and Kibana, adding AGPL as an option alongside existing licenses. This change reinforces our long-standing commitment to open so...

Elasticsearch is Open Source, Again

https://www.elastic.co/kr/blog/elasticsearch-is-open-source-again

AWS와의 갈등으로 3년전 Apache 라이센스를 버리고 SSPL 라이센스를 도입하면서 오픈소스가 아니게 되었다가 이번에 다시 AGPL 라이센스를 도입해서 오픈소스가 되었습니다.

오픈소스는 오픈소스 이니셔티브에서 사용 권한을 가지고 있어서 오픈소스 이니셔티브에서 인정한 라이센스가 아니라면 오픈소스라는 말을 사용할 수 없습니다. 오픈소스 이기는 하지만 엘라스틱 같은 회사는 클라우드 사업을 하기 때문에 AWS같은 클라우드 업체에서 elasticsearch를 서비스로 내놓으면서 갈등이 생기고 결국 오픈소스 라이센스를 버리고 클라우드 업체가 elasticsearch를 사용할 수 없게하는 SSPL을 도입해서 이를 막았습니다.

그동안의 과정이 고통스럽긴 했지만 3년이 지난 지금 AWS와의 파트너쉽이 견고해졌고 AWS도 OpenSearch에 충분한 투자를 했기 때문에 다시 오픈소스로 돌아와도 되겠다고 생각하고 AGPL을 도입하기로 했다고 합니다.

엘리스틱은 이렇게 얘기하고 사람들의 의견은 다양하게 있는거 같습니다. 엘라스틱의 의도를 그대로 믿을 수도 있고 오픈소스를 버린게 결과적으로 안좋았다고 판단했기에 번복했다는 얘기도 있습니다.

오픈소스였다가 아니었다가 혼란스럽고 앞으로 그러면 OpenSearch는 어떻게 되는건지 궁금하기도 하지만 앞으로 시장이 어떻게 흘러갈지 봐야될 것 같습니다.

https://www.elastic.co/kr/blog/elasticsearch-is-open-source-again AWS와의 갈등으로 3년전 Apache 라이센스를 버리고 SSPL 라이센스를 도입하면서 오픈소스가 아니게 되었다가 이번에 다시 AGPL 라이센스를 도입해서 오픈소스가 되었습니다. 오픈소스는 오픈소스 이니셔티브에서 사용 권한을 가지고 있어서 오픈소스 이니셔티브에서 인정한 라이센스가 아니라면 오픈소스라는 말을 사용할 수 없습니다. 오픈소스 이기는 하지만 엘라스틱 같은 회사는 클라우드 사업을 하기 때문에 AWS같은 클라우드 업체에서 elasticsearch를 서비스로 내놓으면서 갈등이 생기고 결국 오픈소스 라이센스를 버리고 클라우드 업체가 elasticsearch를 사용할 수 없게하는 SSPL을 도입해서 이를 막았습니다. 그동안의 과정이 고통스럽긴 했지만 3년이 지난 지금 AWS와의 파트너쉽이 견고해졌고 AWS도 OpenSearch에 충분한 투자를 했기 때문에 다시 오픈소스로 돌아와도 되겠다고 생각하고 AGPL을 도입하기로 했다고 합니다. 엘리스틱은 이렇게 얘기하고 사람들의 의견은 다양하게 있는거 같습니다. 엘라스틱의 의도를 그대로 믿을 수도 있고 오픈소스를 버린게 결과적으로 안좋았다고 판단했기에 번복했다는 얘기도 있습니다. 오픈소스였다가 아니었다가 혼란스럽고 앞으로 그러면 OpenSearch는 어떻게 되는건지 궁금하기도 하지만 앞으로 시장이 어떻게 흘러갈지 봐야될 것 같습니다.

Elastic Blog

https://www.elastic.co/kr/blog/elast

국내 개발자로서 자부심을 불어넣는 오픈소스 생태계가 있습니다. 바로 토스(Toss)가 주도하는 오픈소스 생태계 인데요.

es-hangul
이라고 하는 한글을 다루기 위한 라이브러리는 이미 1,000개가 넘는 GitHub 스타를 획득했습니다. 또한
lodash
보다 2배 더 빠른 유틸리티 라이브러리인
es-toolkit
은 이미 6,100개의 스타를 받고 국내를 넘어 세계적으로 많은 개발자들의 관심을 받고 있는데요. 이번 토스 모닥불 EP.4 영상에서는 토스에서 오픈소스 생태계를 운영하는 개발자들의 이야기를 만나볼 수 있습니다.

특히나 주목할 만한 점은, 패널로 참여한 토스의 오픈소스
suspensive
를 운영하고 계시는 분인데요. 이 개발자분은 요즘은 필수로 사용되고 있는
TanstackQuery
의 최상위 기여자입니다.
Jotai
외에도 토스 오픈소스에도 적극적으로 기여를하고 결국에는 토스에 합류하신게 참 대단하게 느껴지네요.

또한 오픈소스 생태계 구축을 통해 기술 커뮤니티에 긍정적인 영향을 미치고자 하는 토스의 노력도 대단한것 같습니다. 한국 개발 생태계의 경쟁력을 높이고, 개발자들에게 새로운 도전과 성장의 기회를 제공하는데 있어서, 토스의 이러한 행보를 응원합니다.

https://www.youtube.com/watch?v=SdBL-p597Dw

국내 개발자로서 자부심을 불어넣는 오픈소스 생태계가 있습니다. 바로 토스(Toss)가 주도하는 오픈소스 생태계 인데요. <code >es-hangul</code>이라고 하는 한글을 다루기 위한 라이브러리는 이미 1,000개가 넘는 GitHub 스타를 획득했습니다. 또한 <code >lodash</code>보다 2배 더 빠른 유틸리티 라이브러리인 <code >es-toolkit</code>은 이미 6,100개의 스타를 받고 국내를 넘어 세계적으로 많은 개발자들의 관심을 받고 있는데요. 이번 토스 모닥불 EP.4 영상에서는 토스에서 오픈소스 생태계를 운영하는 개발자들의 이야기를 만나볼 수 있습니다. 특히나 주목할 만한 점은, 패널로 참여한 토스의 오픈소스 <code >suspensive</code> 를 운영하고 계시는 분인데요. 이 개발자분은 요즘은 필수로 사용되고 있는 <code >TanstackQuery</code> 의 최상위 기여자입니다. <code >Jotai</code> 외에도 토스 오픈소스에도 적극적으로 기여를하고 결국에는 토스에 합류하신게 참 대단하게 느껴지네요. 또한 오픈소스 생태계 구축을 통해 기술 커뮤니티에 긍정적인 영향을 미치고자 하는 토스의 노력도 대단한것 같습니다. 한국 개발 생태계의 경쟁력을 높이고, 개발자들에게 새로운 도전과 성장의 기회를 제공하는데 있어서, 토스의 이러한 행보를 응원합니다. https://www.youtube.com/watch?v=SdBL-p597Dw

www.youtube.com

토스의 오픈소스 생태계: 한국을 넘어 글로벌로

최고의 자동완성 플러그인 타입스크립트를 사용하여 개발자를 속이고 코드를 최적화한 경험을 공유합니다.

타입스크립트스럽게 성능과 생산성 두 마리 토끼 모두 잡기

이름만 보고 프론트엔드인줄 알았는데요. 살펴보니 백엔드였습니다!

2021년 1월에 출시한 쿠키런:킹덤에 운영 도구는 어마어마하군요!

https://tech.devsisters.com/posts/typescript-ish-way-to-improve-performance/

이름만 보고 프론트엔드인줄 알았는데요. 살펴보니 백엔드였습니다! 2021년 1월에 출시한 쿠키런:킹덤에 운영 도구는 어마어마하군요! https://tech.devsisters.com/posts/typescript-ish-way-to-improve-performance/

DevTech - 데브시스터즈 기술블로그

TypeScript하면 프론트만?!

Vite는 기존 자바스크립트 번들러의 만성적인 성능 문제를 해결하고 개발자 경험을 향상시키기 위해서 등장한 차세대 번들러입니다. 브라우저에서 지원하는 ESM(ES Modules)를 적극적으로 활용하고, 자바스크립트 대신에 컴파일 언어인 Go로 작성된 현대적인 자바스크립트 개발 도구이죠.

Vite은 예전부터 널리 사용되던 번들러인 Webpack보다 설정이 훨씬 쉽고 간단하며, 설정이 필요 없기로 유명하던 번들러인 Parcel보다도 훨씬 빠릅니다. 이로 인해서 기존 번들러보다 뛰어난 개발자 경험을 제공하여 많은 개발자로부터 사랑을 받고 있는 번들러입니다.

2023년 Sate of JavaScript 설문 결과를 보시면 빌드 도구 부분에서 Vite(73%)가 Parcel(30%)을 아득히 넘고 Webpack(90%)에 이어서 사용률 2위를 기록하고 있습니다. 2021년에 20% 사용률로 처음 그래프에 등장했는데 무서운 성장세가 아닐 수 없습니다.

더욱 고무적인 부분은 바로 Vite를 써본 응답자들의 만족도입니다. 88%로 압도적인 1위를 차지하고 있으며, Webpack의 만족도는 45%까지 곤두박질 친 것을 볼 수 있습니다.

참고로 많은 분들이 영문 철자만 보시고 Vite를 “바이트”라고 발음해야 하는 걸로 오해하시는데요. 사실 Vite라는 이름은 “빠름”을 의미하는 프랑스어에서 유래되었고 그래서 정확한 발음은 “비트”라고 합니다. 한국 개발자들 사이에서는 우스갯 소리로 빛처럼 빠르다고 “빛”이라고도 많이 부르는 것 같습니다. 😄

이번 포스팅에서는 Vite를 처음 사용하시는 분들의 위해서 Vite를 시작하는 방법을 안내해드리겠습니다.

📝 포스팅: https://www.daleseo.com/vite/

Vite는 기존 자바스크립트 번들러의 만성적인 성능 문제를 해결하고 개발자 경험을 향상시키기 위해서 등장한 차세대 번들러입니다. 브라우저에서 지원하는 ESM(ES Modules)를 적극적으로 활용하고, 자바스크립트 대신에 컴파일 언어인 Go로 작성된 현대적인 자바스크립트 개발 도구이죠. Vite은 예전부터 널리 사용되던 번들러인 Webpack보다 설정이 훨씬 쉽고 간단하며, 설정이 필요 없기로 유명하던 번들러인 Parcel보다도 훨씬 빠릅니다. 이로 인해서 기존 번들러보다 뛰어난 개발자 경험을 제공하여 많은 개발자로부터 사랑을 받고 있는 번들러입니다. 2023년 Sate of JavaScript 설문 결과를 보시면 빌드 도구 부분에서 Vite(73%)가 Parcel(30%)을 아득히 넘고 Webpack(90%)에 이어서 사용률 2위를 기록하고 있습니다. 2021년에 20% 사용률로 처음 그래프에 등장했는데 무서운 성장세가 아닐 수 없습니다. 더욱 고무적인 부분은 바로 Vite를 써본 응답자들의 만족도입니다. 88%로 압도적인 1위를 차지하고 있으며, Webpack의 만족도는 45%까지 곤두박질 친 것을 볼 수 있습니다. 참고로 많은 분들이 영문 철자만 보시고 Vite를 “바이트”라고 발음해야 하는 걸로 오해하시는데요. 사실 Vite라는 이름은 “빠름”을 의미하는 프랑스어에서 유래되었고 그래서 정확한 발음은 “비트”라고 합니다. 한국 개발자들 사이에서는 우스갯 소리로 빛처럼 빠르다고 “빛”이라고도 많이 부르는 것 같습니다. 😄 이번 포스팅에서는 Vite를 처음 사용하시는 분들의 위해서 Vite를 시작하는 방법을 안내해드리겠습니다. 📝 포스팅: https://www.daleseo.com/vite/

Vite 처음 시작하기

원문 : Good Refactoring vs Bad Refactoring thumbnail…

(번역) 좋은 리팩터링 vs 나쁜 리팩터링

오늘 소개해드릴 글은 42dot의 유경상님이 번역해주신 글입니다.

많은 개발자들이 리팩터링의 중요성을 알고 리팩터링을 하지만, 적절하지 않은 리팩터링으로 오히려 코드 베이스에 악영향을 준다는 것을 간과하는 경우가 많습니다. 이 글에서는 저자가 지금까지 겪어온 경험을 기반으로 어떤 리팩터링이 잘못된 리팩터링이고, 어떤 식으로 리팩터링하는 것이 바람직한지에 대해 구체적인 코드 예시와 함께 설명합니다. 이에 더해서 올바른 리팩터링 방법과 더 나은 리팩터링을 위한 도구도 함께 소개하고 있습니다. 이 글을 통해 현재 적절한 리팩터링을 하고 있는지 점검해 보시는 기회가 되시면 좋을 것 같습니다 :)

> 글 링크 : https://ykss.netlify.app/translation/good_refactoring_vs_bad_refactoring/

오늘 소개해드릴 글은 42dot의 유경상님이 번역해주신 글입니다. 많은 개발자들이 리팩터링의 중요성을 알고 리팩터링을 하지만, 적절하지 않은 리팩터링으로 오히려 코드 베이스에 악영향을 준다는 것을 간과하는 경우가 많습니다. 이 글에서는 저자가 지금까지 겪어온 경험을 기반으로 어떤 리팩터링이 잘못된 리팩터링이고, 어떤 식으로 리팩터링하는 것이 바람직한지에 대해 구체적인 코드 예시와 함께 설명합니다. 이에 더해서 올바른 리팩터링 방법과 더 나은 리팩터링을 위한 도구도 함께 소개하고 있습니다. 이 글을 통해 현재 적절한 리팩터링을 하고 있는지 점검해 보시는 기회가 되시면 좋을 것 같습니다 :) &gt; 글 링크 : https://ykss.netlify.app/translation/good_refactoring_vs_bad_refactoring/

ykss.netlify.app

좋은 리팩터링 vs 나쁜 리팩터링

X(구 트위터)의 수명에 대한 지표를 개인적으로 생각해둔게 있는데요. 그것은 제 스레드 계정의 팔로워 수가 X의 팔로워 수를 넘는 순간으로 보고 있습니다.

구체적인 계산을 한 건 아니지만, 제 계정의 특수성으로 인해 스레드에 그정도의 팔로워가 생기면 게임이 끝났다고 봐도 될 것 같거든요. 물론 꽤 먼 일인 것 같긴합니다. ㅎㅎ

여담으로, 페디버스는 좀 부정적입니다. 스레드가 페디버스에 동참했다지만, 그건 그냥 EU 등의 규제를 피하기 위한 목적의, 메타에게만 유리한 게임이거든요.

X(구 트위터)의 수명에 대한 지표를 개인적으로 생각해둔게 있는데요. 그것은 제 스레드 계정의 팔로워 수가 X의 팔로워 수를 넘는 순간으로 보고 있습니다. 구체적인 계산을 한 건 아니지만, 제 계정의 특수성으로 인해 스레드에 그정도의 팔로워가 생기면 게임이 끝났다고 봐도 될 것 같거든요. 물론 꽤 먼 일인 것 같긴합니다. ㅎㅎ 여담으로, 페디버스는 좀 부정적입니다. 스레드가 페디버스에 동참했다지만, 그건 그냥 EU 등의 규제를 피하기 위한 목적의, 메타에게만 유리한 게임이거든요.

머신러닝 개발자

konny

Unknown

Chief Maker

겸임강사

Co-founder, VP

책임연구원

Lead of Generative AI

R&D 그룹장

Lead of AI Production

골빈해커

링크

Code addict, AI/ML believer, 25+ years’ coding experienced start-up guy, Built a unicorn and building another big one!

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필