AI를 보조뇌로 활용한 수학공부, 점수는 오르지만 잘못 쓰면 실력이 안 된다. AI의존과 기술자 실종 (내용추가)

쇼츠 내용은

좀 이해하기 어려웠습니다.
 

https://www.youtube.com/shorts/j8KRTa7wwa8

 
 
 
공부할 때 GPT쓸 수 있게 해준 그룹과 GPT를 쓸 수 없게 한 그룹을 나눈 것
쇼츠는 축약돼있어서 어떤 실험인지 알기 어려운데..
 
그래서 찾아본 원본 강연영상은

⌈3월 ON명사특강⌋ 직무(보고서·글쓰기), AI·디지털혁신 - 인재교육tv

KAIST 김주호 교수의 2025.3.강연

https://www.youtube.com/live/jl1cB9MAV28&t=4802

.
.
.
.
.
.
.
.
.
.
 
 
 
 

입코딩이 이렇게 대단하다!
저 8살짜리가 마치 꼰대 팀장같지? 이것이 미래다.
그런데 팀장도 해봐야 능력이 계발된다.
그리고 우리는 태어날 때부터 팀장이기를 요구받는다!
AI팀원은 언제나 대기 중이다.

어려서부터 AI를 접해야 할 이유는 얼마든지 있다. (하지만)

 
 
 
 
저 영상에서 이 부분, 2시간 32분부터
https://www.youtube.com/live/jl1cB9MAV28t=7756

 
.
.
.
.
.
.
.
.
.
.
.
.
.
 
 
코딩 의존
터키, 1000명 고등학생을 반분해 GPT4 사용그룹, 미사용그룹. 수학공부시킴
GPT사용이 학습에 도움이 될까?

 
 
쇼츠에 정리된 내용 정도.
 
이야기의 맥락은,
AI를 업무에 도입하면 분명 효율은 오르는데(더 짧은 시간동안 더 많은 일을 하게 해준다),
사람이 AI에 과의존하면서 사람의 만족감과 그 사람에게 속하는 역량 향상은 업무성과대비 예전만 못하다는 것.
 
교육학적 관점에서는
선생이 언제까지나 도와주지는 않고 혼자 해보게 두듯이,
AI도 사용자의 계발을 위해서는 그런 면모를 도입해야 한다.
그래야 AI가 크는 만큼 사람도 큰다.
 
하지만 지금 직장에서의 AI도입목적은 당연히 인력대체기 때문에, 사용자가 업무경험을 통해 개인 능력이 향상되는 부분은 도외시되고 있다.^[각주:1]
 
지금 도제식으로 이루어지는 전공의 교육도 그렇다. 비싸지만 흔적도 후유증도 적은 로봇수술이 퍼지면서 레지던트들이 손맛을 못 본다. 그리고 수술에 참여할 이유가 줄어 명의의 기술을 구경할 기회조차 줄어든다.^[각주:2]

 
이것은 전부 좋은 일은 아니쟎아?
 
완전 자동화의 결과를 생각하면, 처음에는 이점만 생각나다가
고찰을 할수록 전체를 다 자동화, 기계에게 일임하지 않아야 할 이유가 떠오른다.
책임소재
능력계발
등 여러 이유로 AI가 하는 일도 할 줄 아는 사람을 키워야 하는 데가 있다.
 
(아래 영상에서 가린 부분은 앞서의 강연분량에 다 설명된 것이다)
 

저임금 직종에는 AI도 아깝다.
중간임금인 직종이 가장 대체되기 쉽다.
고임금직종은 의사결정의 책임문제, 생물학적 인간이어야 하는, 논란이 되는 문제가 많아 오히려 줄어든다.
 

 
(마찬가지로 앞서 분량에 다 설명된 그림이다)
 
 
 
===
여기까지.
전체를 다 볼 만한 영상.
정말.. 유튜브에는 쓰레기 영상도 많지만 이렇게 보면 좋은 영상이 많아서..
 
 
ps.
그런데 정부기관들 하는 일이 웃긴데, 이 사람들 유튜브에 공무원교육 영상, 쇼츠올리고 구글 플레이스토어에 정부앱을 올려요. 네이버TV도 있고 원스토어도 있고, 국내 플랫폼쓰라고 말은 하면서 자기들도 그러면서 데이터통신비 정산문제와 구글이 우리나라에 세금안내면서 우리나라에서 돈버는 것을 시비걸어봐야 눈꺼풀이나 깜짝하겠어요?
전에도 끄적인 적 있지만, 모든 정부기관과 정부지원금받는 기관, 기업체들은 자기들이 만든 앱과 영상을 국내 플랫폼에도 의무적으로 게시하도록 해야 합니다.
 
 

저 교수님이 얘기한 터키 고등학교 AI학습 사례의 기사: Without Guardrails, Generative AI Can Harm Education

https://knowledge.wharton.upenn.edu/article/without-guardrails-generative-ai-can-harm-education/

Without Guardrails, Generative AI Can Harm Education

가드레일이 없다면 생성적 AI는 교육에 해를 끼칠 수 있다
2024년 8월 27일
"워튼의 함사 바스타니가 공동 집필한 논문에 따르면, 생성 AI에 의존해 학습하는 학생들은 기본적인 기술을 갖추지 못할 수 있다고 합니다."
 
ㅡ 연구진은 터키의 고등학생 약 1,000명을 대상으로 대규모 언어 모델이 학습에 도움이 되는지, 아니면 해가 되는지 확인하기 위한 실험을 설계
ㅡ 첫 번째 그룹의 학생들에게는 연습 시간에 도움을 주기 위해 ChatGPT-4와 유사한 채팅 인터페이스인 GPT Base 제공
ㅡ 두 번째 그룹에는 ChatGPT-4와 유사하지만 안전 장치가 있는 인터페이스인 GPT Tutor 제공. 이 인터페이스는 교사의 의견을 반영하며, 직접적인 정답 제시보다는 힌트를 통해 학생들을 지도하도록 설계
ㅡ 세 번째 그룹인 통제 그룹은 기술적 지원을 전혀 받지 않았으며 교과서와 노트와 같은 전통적인 자료에만 의존
 

AI 지원 연습 세션에서 GPT Base 그룹은 대조군보다 48% 더 나은 성적을 기록했습니다. 그러나 Base 그룹에서 AI 지원을 중단하고 해당 자료에 대한 시험을 치르게 되자 대조군보다 17% 더 낮은 성적을 기록했습니다. GPT 튜터 그룹은 AI 지원 연습 세션에서 무려 127%나 더 나은 성적을 거두었지만, 시험 성적은 통제 그룹과 거의 비슷했습니다.

 
 
이 부분을 어떻게 읽어야 하지?
그 뒤에 나오는 주장은 일반적인 내용이고 다른 사람도 한 말이라서 알겠는데,
 
여기도 실험설계부분 설명이 자세히 안 나와있다.
 
이게 논문 원문인 듯
 

Generative AI Can Harm Learning

Hamsa Bastani,1∗ Osbert Bastani,2∗ Alp Sungu,1∗†
Haosen Ge,3 Ozge Kabakcı, ¨ 4 Rei Mariman
The Wharton School Research Paper
59 Pages Posted: 18 Jul 2024
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4895486

Generative AI Can Harm Learning

초록부분이다. 딥엘 번역기 출력 날것.
====
Abstract
Generative artificial intelligence (AI) is poised to revolutionize how humans work, and has already demonstrated promise in significantly improving human productivity. However, a key remaining q estion is how generative AI affects learning, namely, how humans acquire new skills as they perform tasks.This kind of skill learning is critical to long-term productivity gains, especially in domains where generative AI is fallible and human experts must check its outputs.

We study the impact of generative AI, specifically OpenAI’s GPT4, on human learning in the context of math classes at a high school. In a field experiment involving nearly a thousand students, we have deployed and evaluated two GPT based tutors, one that mimics a standard ChatGPT interface (called GPT Base) and one with prompt designed to safeguard learning (called GPT Tutor). These tutors comprise about 15% of the curriculum in each of three grades.

Consistent with prior work, our results show that access to GPT-4 significantly improves performance (48% improvement for GPT Base and 127% for GPT Tutor). However, we additionally find that when access is subsequently taken away, students actually perform worse than those who never had access (17% reduction for GPT Base). That is, access to GPT-4 can harm educational outcomes. These negative learning effects are largely mitigated by the safeguards included in GPT Tutor.

Our results suggest that students attempt to use GPT-4 as a “crutch” during practice problem sessions, and when successful, perform worse on their own. Thus, to maintain long-term productivity, we must be cautious when deploying generative AI to ensure humans continue to learn critical skills.
 
 
요약

생성적 인공 지능(AI)은 인간의 업무 방식을 혁신할 준비가 되어 있으며, 이미 인간의 생산성을 크게 향상시킬 수 있는 가능성을 입증했습니다. 그러나 아직 해결되지 않은 주요 의문점은 제너레이티브 AI가 학습, 즉 인간이 작업을 수행하면서 새로운 기술을 습득하는 방식에 미치는 영향입니다. 이러한 종류의 기술 학습은 장기적인 생산성 향상에 중요하며, 특히 제너레이티브 AI가 오류를 범할 수 있고 인간 전문가가 그 결과물을 확인해야 하는 영역에서는 더욱 그렇습니다. 

우리는 고등학교 수학 수업의 맥락에서 제너레이티브 AI, 특히 OpenAI의 GPT4가 인간의 학습에 미치는 영향을 연구합니다. 약 천 명의 학생이 참여한 현장 실험에서 표준 ChatGPT 인터페이스를 모방한 튜터(GPT 베이스)와 학습을 보호하도록 설계된 프롬프트가 있는 튜터(GPT 튜터) 두 가지를 배치하고 평가했습니다. 이 튜터는 3개 학년 커리큘럼의 약 15%를 차지합니다. 

이전 연구 결과와 일관되게, GPT-4에 액세스하면 성적이 크게 향상되는 것으로 나타났습니다(GPT Base의 경우 48%, GPT Tutor의 경우 127% 향상). 그러나 이후 액세스 권한이 박탈된 학생들은 실제로 액세스 권한이 없는 학생들보다 성적이 더 나빠진다는 사실도 추가로 발견했습니다(GPT Base의 경우 17% 감소). 즉, GPT-4에 대한 액세스가 교육 성과에 해를 끼칠 수 있다는 것입니다.  이러한 부정적인 학습 효과는 GPT 튜터에 포함된 안전장치로 인해 크게 완화됩니다. 

연구 결과에 따르면 학생들은 연습 문제 세션에서 GPT-4를 '버팀목'으로 사용하려고 시도하고, 성공하면 스스로 더 나쁜 성적을 내는 것으로 나타났습니다. 따라서 장기적인 생산성을 유지하려면 인간이 중요한 기술을 계속 학습할 수 있도록 제너레이티브 AI를 배포할 때 신중해야 합니다.^[각주:3]
=================
 
 
실험설계부분이다.
=============================
2 Experimental Design

We created a custom math tutoring program based on OpenAI’s GPT-4 (1); our tutor is designed to help students solve a series of practice problems provided by the teachers (described below). Our tool has two variants. The first variant, “GPT Base,” is a simple chat interface similar to ChatGPT, with a prompt including the current practice problem and indicating that GPT4 should serve as a tutor and help the student solve the problem. The second variant, called “GPT Tutor,” uses the same chat interface, but the prompt additionally implements safeguards to mitigate two key challenges. First, the prompt includes one or more (correct) solutions to the current practice problem, as well as teacher input on common student mistakes and how to provide feedback; this choice ensures that GPT-4 does not provide incorrect feedback to the student. Second, the prompt instructs GPT-4 to provide hints to the student without directly giving them the answer. Additional details on our tool are provided in Appendix A.1. Note that students do not see our system prompts in either variant of our tutoring program.
 
We performed a pre-registered(https://aspredicted.org/4DL_Q3J), randomized controlled trial (RCT) to evaluate the impact of this tutoring program on student performance. The study took place at a large high school in Turkey during the Fall semester of the 2023-2024 academic year. We conducted four 90-minute sessions for about fifty 9th, 10th, and 11th-grade classes, comprising nearly 1000 students. For each grade, our sessions collectively comprised about 15% of the math curriculum covered during the semester. Each session has three parts:
 
1. In the first part, teachers review a topic (e.g., combinatorics) previously covered in the course, and solve one or more examples on the board. This part is identical to a standard high school one-to-many (i.e., teacher-to-students) lecture.
 
2. The second part is an assisted practice period, where students solve a sequence of exercises designed by teachers to reinforce the covered concept. Our randomized intervention (described in more detail below) only affects this second, self-study part.
 
3. The third part is an unassisted evaluation, where students take a closed-book, closedlaptop exam. Importantly, each problem in the exam corresponds to a conceptually very similar practice problem from the previous part—this design was chosen to help students practice the key concepts needed to perform well on the exam.
 
The first and third parts are identical across all treatment arms. To ensure incentive compatibility, performance on both the second and third parts contributed to students’ final grades. Details on the session material and experimental protocol is provided in Appendix A.
 
At this school, students are randomly assigned to classrooms (with the exception of honorsdesignated classrooms, which we exclude from our main sample). We assigned each classroom to one of three treatment arms-control, GPT Base, and GPT Tutor.(Class assignments were made based on an integer program that matched observable characteristics while
satisfying scheduling constraints. Since students were randomly assigned to classrooms within our main sample,
the assignment of students to arms is random; see Appendix A.3 for details) The control arm is business-as usual, having students work through the practice problems with access to course books and notes with no devices provided. For classes in the GPT Base and GPT Tutor arms, we provide a laptop to each student, and they have the opportunity to use our respective tutoring program (A teacher and a staff member were present in each experimental class session to ensure that students did not use other applications or websites during the session.) For the GPT Tutor arm, we include one prompt for each practice problem, and students can select among these prompts during the session. The solution and common student mistakes in the prompt are designed by teachers at the school.
 
The study has three avenues of data collection. First, at the start of the semester, we sent out a 10-minute survey to students, collecting data on their demographics and educational background. We report balance of these covariates across arms in Appendix A.3. Second, we collected performance data from both the assisted practice problems and the unassisted exams. We hired independent graders to evaluate student performance to reduce potential teacher bias
(e.g., self-fulfilling prophecy). Graders evaluated the scores based on a teacher-designed rubric; see details in Appendix A.4. At the end of each session, we surveyed the students on their experience and preferences. Third, in the GPT Base and GPT Tutor arms, we collected all student messages and corresponding GPT-4 responses from interactions with our tutoring program.
 
===========================
위 문장의 딥엘 번역기. 좀 문제가 있어서 고침.
 
2 실험 설계

저희는 OpenAI의 GPT-4(1)를 기반으로 맞춤형 수학 튜터 프로그램을 만들었습니다. 이 튜터는 교사가 제공하는 일련의 연습 문제를 학생들이 풀 수 있도록 설계되었습니다(아래 설명 참조). 이 도구에는 두 가지 변형이 있습니다. 첫 번째 변형인 “GPT Base”는 ChatGPT와 유사한 간단한 채팅 인터페이스로, 현재 연습 문제가 포함되어 있고 GPT4가 튜터 역할을 하여 학생의 문제 해결을 도와야 함을 나타내는 프롬프트가 표시됩니다. 두 번째 변형인 “GPT 튜터”는 동일한 채팅 인터페이스를 사용하지만, 프롬프트에 두 가지 주요 문제를 완화하기 위한 안전 장치가 추가로 구현되어 있습니다. 첫째, 프롬프트에는 현재 연습 문제에 대한 하나 이상의 (올바른) 해결책[답안]과 학생의 일반적인 실수 및 피드백 제공 방법에 대한 교사의 입력이 포함되며, 이러한 선택은 GPT-4가 학생에게 잘못된 피드백을 제공하지 않도록 보장합니다. 둘째, 프롬프트는 학생에게 직접 답을 제공하지 않고 GPT-4가 학생에게 힌트를 제공하도록 지시합니다. 도구에 대한 자세한 내용은 부록 A.1에 나와 있습니다. 학생은 두 가지 튜터링 프로그램 모두에서 시스템 프롬프트를 볼 수 없다는 점에 유의하세요.

저희는 이 과외 프로그램이 학생들의 학업 성취도에 미치는 영향을 평가하기 위해 사전 등(https://aspredicted.org/4DL_Q3J), 무작위 대조 시험(RCT)을 실시했습니다. 이 연구는 2023~2024학년도 가을 학기 동안 터키의 한 고등학교에서 진행되었습니다. 약 1,000명의 학생으로 구성된 9, 10, 11학년 50개 학급을 대상으로 90분씩 4번의 세션을 진행했습니다. 각 학년의 세션은 한 학기 동안 다루는 수학 커리큘럼의 약 15%에 해당하는 분량으로 구성되었습니다. 각 세션은 세 부분으로 구성됩니다:

1. 첫 번째 파트에서는 교사가 이전에 수업에서 다룬 주제(예: 조합론)를 복습하고 칠판에 있는 하나 이상의 예제를 풀어봅니다. 이 부분은 표준 고등학교 일대다(즉, 교사 대 학생) 강의와 동일합니다.

2. 두 번째 파트는 보조 연습 시간으로, 학생들이 배운 개념을 강화하기 위해 교사가 설계한 일련의 연습 문제를 풀게 됩니다. 무작위 개입(아래에 자세히 설명되어 있음)은 이 두 번째 자율 학습 부분에만 영향을 미칩니다.

3. 세 번째 파트는 비보조 평가로, 학생들은 비공개 노트북 시험을 치릅니다. 중요한 점은 시험의 각 문제가 이전 파트의 개념적으로 매우 유사한 연습 문제와 일치한다는 것인데, 이는 학생들이 시험에서 좋은 성적을 거두는 데 필요한 핵심 개념을 연습할 수 있도록 돕기 위해 선택된 디자인입니다.
 
첫 번째와 세 번째 부분은 모든 치료군[실험군]에서 동일하게 적용되었습니다. 인센티브 호환성을 보장하기 위해 두 번째와 세 번째 파트의 성과가 학생들의 최종 성적에 영향을 미쳤습니다. 세션 자료와 실험 프로토콜에 대한 자세한 내용은 부록 A에 나와 있습니다.

이 학교에서는 학생들이 무작위로 교실에 배정되었습니다(우등생 지정 교실을 제외하고는 주요 표본에서 제외). 각 교실을 세 가지 치료군(대조군, GPT 기본군, GPT 튜터군) 중 하나에 배정했습니다. (학급 배정은 관찰 가능한 특성과 일치하는 정수 프로그램을 기반으로 이루어졌습니다.
일정 제약을 충족하는 정수 프로그램을 기반으로 했습니다. 학생들은 주요 표본 내에서 무작위로 교실에 배정되었으므로,
학생 배정 방식은 무작위입니다. 자세한 내용은 부록 A.3 참조) 대조군은 평소와 같이 학생들이 교재와 노트에 접근하여 연습 문제를 풀도록 하고 기기는 제공되지 않았습니다. GPT 기본 및 GPT 튜터 군의 수업에서는 각 학생에게 노트북을 제공하고 각각의 튜터링 프로그램을 사용할 수 있도록 했습니다(실험 수업 세션마다 교사와 직원이 입회하여 학생들이 세션 중에 다른 애플리케이션이나 웹사이트를 사용하지 못하도록 했습니다). GPT 튜터 파트의 경우 각 연습 문제마다 하나의 프롬프트가 포함되어 있으며, 학생은 세션 중에 이 프롬프트 중에서 선택할 수 있습니다. 프롬프트의 해결책[답안]과 학생들이 흔히 범하는 실수는 학교의 교사가 설계했습니다.

이 연구에는 세 가지 데이터 수집 방법이 있습니다. 먼저, 학기가 시작될 때 학생들에게 10분 분량의 설문조사를 보내 인구 통계 및 교육 배경에 대한 데이터를 수집합니다. 부록 A.3에서 이러한 공변량 간의 균형을 보고합니다. 둘째, 지원형 연습 문제와 비지원형 시험 모두에서 수행 데이터를 수집했습니다. 잠재적인 교사 편향 (예: 자기 충족적 예언) 을 줄이기 위해 독립적인 채점자를 고용하여 학생의 성과를 평가했습니다. 채점자는 교사가 설계한 루브릭에 따라 점수를 평가했습니다(자세한 내용은 부록 A.4 참조). 각 세션이 끝날 때마다 학생들에게 경험과 선호도에 대한 설문조사를 실시했습니다. 셋째, GPT 기본 및 GPT 튜터 그룹에서는 튜터링 프로그램과의 상호작용에서 나온 모든 학생 메시지와 그에 해당하는 GPT-4 응답을 수집했습니다.
 
============
 
실험방식 요약
 
1. 교사가 학생들이 이전에 수업한 적 있는 내용 중 한 가지를 골라 강의함
2. 강의한 내용이 들어있는 연습문제를 주고 첫 그룹은 GPT4 날것을 주고, 두 번째 그룹은 교육용으로 변형한 GPT4를 주고, 세 번째 그룹은 GPT없이, 혼자 풀게 만들고 채점함
3. 세 그룹에게, 2번에서 연습한 문제와 매우 유사한 문제를 적은 문제지를 주고는, 보조도구없이 머리로만 혼자 힘으로 풀게 하고 채점함
 
동기부여를 위해 2번의 연습성적과 3번의 시험성적은 기말성적에 반영함.
 
결과는,
 
연습문제 풀이 성적은
교육용 변형GPT4사용군 > 날것 GPT4 사용군 > 대조군(교재와 노트만)
 
시험문제 풀이 성적은
교육용 변형GPT4사용군 = 대조군(교재와 노트만) > 닐것 GPT4 사용군

사실 이건 당연한 것이지만 당연한 것을 증명했다는 데 의미가 있는 걸까?
(그리고 챗GPT 날것보다는 교육용으로 변형하고 교사가 도와주거나 내용을 보충하면 괜찮게 쓸 수 있다는 말)
 
ㅡ (교재와 노트만 쓸 때와는 달리 학습자가 못 찾으면 찾아서 떠먹여주기 때문인지) GPT사용은 오픈북에서는 점수를 올린다. GPT가 교육용으로 특화된 것이면 더 낫고 교사가 빨간펜해준 콘텐츠가 들어가있으면 효과는 더 좋아진다. (당연히 그렇겠지)
ㅡ 하지만 GPT든 교재든 못 쓰게 하고 비슷한 문제를 머리로만 풀라고 하면, 그래도 머리를 좀 써본 대조군이 점수가 낫고, 교육용GPT를 쓴 쪽도 비슷한데, 완전 떠먹여준 날것GPT학습군은 대조군보다 성적이 떨어진다. (날것GPT를 사용한 애들은 연습문제를 풀 때 답안을 얻는 용도로만 썼다는 말로 해석. 하지만 그렇다기보다는, 날것인 만큼 교사가 적은 해설과 답안도 없으니 불리한 점도 있을테고 학습자 자신이 GPT활용능력이 좋지 못하면 성과를 얻기 더 어려워서인 것도 크지 않을까. 다만 이 부분은, 논문의 실험설계부분에 각 GPT의 학생이 사용할 수 있는 프롬프트를 어떻게 했다고 적은 파트가 따로 있는 것 같은데 안 봐서 모른다. 여기까지만.)
 
These results demonstrate an inherent tradeoff in access to generative AI tools: while these tools can substantially improve human performance when access is available, they can also degrade human learning (particularly when appropriate safeguards are absent), which may have a long term impact on human performance.
 
그리고
 
맨 위 왓튼 기사에 나오는
ㅡ 학생은 AI가 도와주어 낸 결과를 자기 실력이 향상됐다고 착각하고
ㅡ 교사는 AI의 학습보조능력을 폄하하는
경향이 있다.
 
그 뒤에도 내용이 아주 많은데, 생략. 관심있으면 링크한 논문을 보세요. 뒷부분에 실험대상의 선정, 실험조건 선정에 대한 설명자료가 있습니다.
 

1. 직장은 전문가, 경력자만 원하는데, 그런 사람은 어디서 크나하는 말. AI가 이유가 아니라도 이제는 전통적인 문제가, 전문가/경력자+AI 조합으로 일시키는 것이 일반화되면서 더 커질 것이라는 말? 한편 여러 가지 이유로, 회사가 직원을 키워놓아도 배신하거나 이직하면 붙잡지 못하는 시대고, 한편 직원도 푸대접받거나 토사구팽되지 전에 내가 탈출한다는 분위기에서는 회사가 숙련인력을 양성할 동기가 부족하다. 안 되는 회사, 코드 패치할 엄두를 못 내는 게임사, 진퇴양난? [본문으로]
2. 뿌리산업처럼 의료분야 기술도 대가 끊어질 수 있다. [본문으로]
3. 답을 떠먹여주면 사람은 게을러진다. 스스로 문제해결해가는 과정을 경험하도록 해야 한다. GPT를 써서 학습을 용이하게 하거나 가속하면서도 그럴 수 있는 길이 있을 것이다..이런 말? [본문으로]