읽을 가치가 있는 기사만, 짧고 또렷하게.

빙하의 질량 균형은 기후 변화에 매우 민감하게 반응하며, 이는 지구의 물 순환과 해수면 변화에 직접적인 영향을 미칩니다. 세계 빙하 모니터링 서비스가 관찰하는 기준 빙하들의 누적 질량 균형은 1980년대 후반부터 전반적으로 감소했으며, 1976년 이후 누적된 질량 손실량은 약 20미터의 물 환산량에 달합니다. 이러한 빙하의 손실은 건기 동안의 물 공급을 감소시키고, 녹은 물이 해양으로 유입되어 해수면 상승을 가속화하는 주요 원인이 됩니다.

빙하의 질량 균형은 눈이 쌓여 축적되는 질량과 손실되는 질량 사이의 균형을 의미하며, 이는 빙하의 변화 속도를 결정합니다. 빙하의 변화는 온도와 강수량뿐만 아니라 해수 온도, 습도, 구름 상태 등 다양한 환경 요소에 의해 영향을 받습니다. 이러한 변화는 빙하의 흐름 속도와 최종적으로 빙하가 해양으로 유입되어 빙산이 생성되는 과정에도 영향을 미칩니다.

빙하의 질량 균형은 표식 설치, 눈의 축적 측정, 그리고 GRACE와 같은 위성 기반 측정 기술을 통해 복합적으로 측정됩니다. 이러한 데이터는 CSIRO, NASA, CMEMS 등 여러 데이터 세트를 통해 수집되며, 이는 장기적인 빙하 후퇴 추세를 확인하는 데 사용됩니다. 데이터는 2000년부터 2019년까지의 월별 해수면 변화와 같은 글로벌 평균 데이터를 제공하며, 이 데이터는 기후 위험을 관리하는 데 중요한 과학적 근거를 제공합니다.

DeepSeek API가 Responses API 형식을 지원하기 시작하여 개발자들이 모델을 통합하는 데 더 많은 유연성을 제공합니다. 이제 사용자는 base_url을 https://api.deepseek.com으로 설정하여 DeepSeek 모델을 Codex와 같은 환경에서 사용할 수 있으며, 이는 기존의 API 사용 패턴을 쉽게 통합할 수 있게 합니다.

이 새로운 API 형식은 스트리밍 기능을 지원하여 응답을 실시간으로 받을 수 있게 하며, response.output_text.delta와 같은 이벤트를 통해 데이터가 순차적으로 전송됩니다. 이를 통해 사용자는 응답이 생성되는 동안 데이터를 즉시 처리할 수 있어 사용자 경험을 개선할 수 있습니다.

지원되는 모델은 deepseek-v4-flash와 deepseek-v4-pro이며, API는 OpenAI Responses API 구조와 호환됩니다. 다만, 도구 호출 기능은 부분적으로만 지원되며, 함수 호출이나 웹 검색 기능은 서버 측에서 실행되지만 다른 유형의 도구는 무시됩니다.

토큰 사용량에 대한 상세 정보도 제공되어 input_tokens, output_tokens, reasoning_tokens 등을 확인할 수 있습니다. 이는 개발자들이 API 사용에 따른 비용과 리소스를 정확하게 추적하고 관리하는 데 도움이 됩니다.

트럼프 행정부가 뉴욕주가 캘시(Kalshi)에 대해 적용하는 도박법 집행을 막으려 시도하며 해당 예측 시장이 계속 운영되도록 명령했습니다. 이는 뉴욕 주 법무장관 레티샤 제임스가 7월 31일에 캘시를 상대로 소송을 제기한 것에 따른 조치입니다.

이 소송은 캘시가 주 내에서 불법 도박 사업을 운영하는 것을 영구적으로 금지하고, 베팅에 참여한 고객들에게 전액을 배상하며 재정적 벌금을 지불하라는 요구를 담고 있습니다.

이에 대해 상품선물거래위원회(CFTC)는 "시장 비상사태"에 대응하여 비상 권한을 행사했으며, 시장 안정성을 보장하기 위해 거래소에 상품거래법의 핵심 원칙에 따라 계속 운영하도록 명령했습니다.

트럼프 행정부는 캘시의 요청에 따라 이러한 조치를 취했으며, 이는 주 법적 요구와 연방 차원의 시장 안정성 요구가 충돌하는 상황에서 규제 당국이 시장 운영을 유지하도록 결정했음을 보여줍니다.

2026년 개기일식 웹캠 관련하여 개기일식 구간 시작까지는 31분 39초가 남았습니다. 현재 시점에서 일식이 첫 번째 웹캠에 도달하기까지는 1시간 11분 59초의 시간이 남아 있습니다.

사용자들은 개기일식 시작 시점과 첫 웹캠 도달 시점을 각각 카운트다운하고 있습니다. 이 두 시점 사이에는 40분 20초의 간격이 존재합니다.

따라서 웹캠을 통해 일식을 관측하기 위해서는 개기일식 시작 시점보다 40분 20초 후에 첫 번째 웹캠이 도달하게 되므로 정확한 관측 계획을 세우는 데 이 시간 차이를 고려해야 합니다.

Qwen3.8-2.4T-A95B-FP8 모델이 공개되었으며, 이는 Qwen 오픈 모델 패밀리 중 가장 뛰어난 성능을 제공하는 Qwen3.8을 오픈했습니다. 이 모델은 Qwen3.5의 아키텍처를 기반으로 하며 코딩, 전문 작업, 연구, 장기 에이전트 작업에서 상당한 성능 향상을 이루었으며 복잡하고 다단계 작업을 더 높은 신뢰도로 완료하도록 설계되었습니다.

이번 모델은 FP8 양자화 방식으로 제공되며, 블록 크기 128의 세밀한 fp8 양자화 기법을 사용합니다. 또한, Qwen3.8-Max는 비전 입력 및 비추론 지원, 기본 1M 컨텍스트 길이, 공식 내장 도구 등의 기능을 추가한 공식 버전으로, 개발자들이 더 복잡한 작업을 처리할 수 있도록 지원합니다.

개발 환경에서는 vLLM이나 SGLang과 같은 프레임워크를 통해 이 모델을 쉽게 서빙할 수 있습니다. 최적의 성능을 위해서는 에이전트 작업에 대해 추론 콘텐츠에 최대 262,144 토큰, 최종 응답에는 최대 131,072 토큰을 할당하는 것이 권장됩니다. 이러한 설정은 복잡한 추론을 위한 충분한 용량을 확보하면서도 고품질의 최종 결과물을 보장합니다.

GitHub에서 풀 리퀘스트, 이슈, 검색 기능에 영향을 미치는 인시던트가 발생했으나 현재는 해결되었습니다. 이 문제는 데이터베이스 인덱스 힌트가 최근 마이그레이션 과정에서 제거된 인덱스를 참조하여 일부 사용자에게 쿼리 실패를 유발했기 때문에 발생했습니다.

구체적으로는 데이터베이스 인덱스 힌트가 제거된 인덱스를 참조하면서 쿼리 오류가 발생했고, 이에 따라 GitHub.com의 특정 기능들이 불안정해졌습니다. GitHub 측은 문제의 원인을 파악한 후 해당 문제의 구성을 비활성화하는 조치를 취하여 시스템을 안정화시켰습니다.

현재는 문제가 해결되었으며 복구 작업이 진행 중입니다. GitHub는 이번 인시던트와 관련하여 근본 원인 분석 결과를 추후 공유할 예정입니다. 개발자들은 이 사건이 데이터베이스 마이그레이션과 인덱스 관리의 중요성을 다시 한번 강조한다는 점을 참고해야 합니다.

Lovable이 133억 달러의 가치로 시리즈 C 투자를 유치하며 4억 달러를 모금했다고 발표했습니다. 이 투자는 Menlo Ventures가 주도하고 EQT가 관리하는 Scaleup Europe Fund가 공동 주도했으며, 유럽, 라틴 아메리카, 아시아, 미국 등 전 세계의 다양한 투자자들이 참여했습니다.

Lovable은 사람들이 문제 해결을 위해 소프트웨어를 만들 수 있는 권한을 제공하는 소프트웨어 제작 플랫폼을 구축하고 있습니다. 2024년 11월 출시 이후 Lovable을 통해 6천만 개 이상의 프로젝트가 생성되었으며, 제작된 앱들은 매달 9억 건 이상의 방문을 기록했습니다. 또한, Lovable은 포춘 500대 기업 직원 절반에게 도달했으며, 현재는 그 수치가 3분의 2에 육박하는 성장을 보였습니다.

플랫폼은 결제 기능, Google Workspace 및 Salesforce와 같은 주요 서비스와의 심층 통합, 그리고 AI 에이전트 보안 표준인 AIUC-1 인증과 같은 기능을 제공합니다. 이는 기업들이 내부 워크플로우를 개선하고 새로운 소프트웨어를 신속하게 구축할 수 있도록 돕는 데 중점을 두고 있습니다.

실제로 아디다스나 엔비디아 같은 대기업들은 Lovable을 사용하여 핵심 워크플로우를 위한 소프트웨어를 만들고 있으며, 이는 내부 프로젝트를 새로운 수익원으로 전환하는 데 사용되고 있습니다. Lovable은 소프트웨어 제작 방식을 변화시키고 AI 시대의 가장 중요한 기업 중 하나가 될 잠재력을 보여주고 있습니다.

자전거 차선 방해 보고를 위한 Bike Bureau가 사진과 위치 정보를 기반으로 데이터를 수집하고 있습니다. 이 시스템은 차량이 자전거 차선을 막는 등의 문제를 신속하게 보고하여 도시 교통 정책 개선을 위한 근거 자료를 마련하는 것을 목표로 합니다.

사용자는 모바일 앱을 통해 카메라로 차량을 촬영하거나 컴퓨터에서 사진을 업로드하여 보고서를 제출할 수 있습니다. 보고 과정에서 개인 정보 보호를 위해 얼굴과 허가되지 않은 번호판은 사진 업로드 전에 자동으로 흐리게 처리되어 익명성이 보장됩니다.

제출된 모든 보고서는 익명화된 데이터로 공개 지도와 갤러리에 기록되며, 이는 자전거 인프라 개선과 집행 강화를 위한 활동가들과 연구자들이 사용할 수 있도록 개방됩니다. Bike Bureau는 전 세계의 보고를 수용하며, 보고된 데이터는 보스턴, 캘리포니아, 뉴욕 등 다수의 도시 관할 기관에 자동 제출됩니다.

테슬라는 텍사스주에 100억 달러 규모의 태양광 공장 건설을 계획하고 있습니다. 이 새로운 공장 프로젝트인 프로젝트 크리스탈 선(Project Crystal Sun)은 휴스턴에서 남서쪽으로 45분 거리에 위치하며, 총 비용은 101억 달러에 달할 것으로 추정됩니다.

테슬라는 이 프로젝트를 통해 약 9,700개의 정규직 일자리를 창출할 것으로 예상하고 있으며, 2028년까지 미국 내에서 100기가와트 규모의 제조 능력을 구축하는 것을 목표로 하고 있습니다. 공장 건설은 올해 착공하여 2028년까지 완공하고 2029년에 첫 태양광 패널을 생산할 계획입니다.

테슬라는 이 막대한 비용을 일부 상쇄하기 위해 세금 인센티브를 신청했으며, 인센티브가 없을 경우 이 프로젝트의 재산세 부담은 37년 동안 약 11억 달러에 달할 것으로 회계사들이 추정했습니다. 또한 테슬라는 태양광 패널이 지상 설치용인지 또는 위성용인지 명확히 밝히지는 않았으나, 일론 머스크 CEO가 궤도 데이터 센터에 대해 낙관적인 입장을 취하고 있어 우주 관련 설치 가능성도 고려하고 있습니다.

폼 에너지(Form Energy)가 전력망을 위한 100시간 배터리 구축을 위해 7억 5천만 달러를 추가로 유치하며 제조 역량을 확장한다고 발표했습니다. 이 자금 조달은 인공지능 데이터 센터 건설 붐이 에너지 저장 분야에 대한 투자를 촉진하고 있음을 보여줍니다.

폼 에너지는 구글과 크루소(Crusoe)를 주요 고객으로 확보했으며, 이들 외에도 유틸리티 엑셀 에너지(Utility Xcel Energy)와 미래에너지 아일랜드(FuturEnergy Ireland)도 고객으로 포함하고 있습니다. 이 회사의 핵심 기술인 철-공기 배터리는 리튬, 코발트, 니켈과 같은 비싼 광물 대신 철을 사용하여 대량의 전기를 장시간 저장할 수 있는 능력을 제공합니다.

장시간 에너지 저장 기술은 재생 에너지 발전에서 발생하는 전력 공급 격차를 해소하는 데 매우 중요하며, 이는 미국 내 신규 발전 용량의 90% 이상을 차지할 것으로 예상됩니다. 폼 에너지는 미국 내에서 생산된 자원을 주로 사용하며 중국에 대한 의존도를 줄이는 국내 공급망 구축에 중점을 두고 있습니다.

현재 폼 에너지는 약 80기가와트시 규모의 상업 프로젝트 백로그를 보유하고 있으며, 이는 향후 에너지 저장 시장 확장에 대한 강력한 수요를 반영합니다.

DeepSeek V4 Pro 0813은 DeepSeek에서 출시한 대규모 혼합 전문가(mixture-of-experts) 모델의 정식 출시 버전입니다. 이 모델은 2026년 8월 12일에 공개되었으며, 입력 및 출력 모달리티를 모두 지원합니다.

해당 모델의 가격 정보는 1M 컨텍스트당 $0.435와 $0.87로 책정되어 있습니다. 컨텍스트 길이는 1M으로 설정되어 있어 대규모 데이터 처리에 적합하며, 실제 고객이 지불하는 평균 가격은 캐싱 및 할인 적용으로 인해 명시된 가격보다 낮을 수 있다는 점을 고려해야 합니다.

OpenRouter를 통해 이 모델을 이용할 경우, API는 OpenAI와 호환되어 대부분의 SDK를 사용하여 쉽게 통합할 수 있습니다. 성능 지표로는 토큰당 초당 처리량(Throughput), 총 왕복 시간인 지연 시간(Latency), 그리고 첫 토큰이 나타나기까지 걸리는 시간인 TTFT가 중요하게 다루어집니다.

바이브 코딩 스타트업인 Lovable이 새로운 밸류에이션 133억 달러를 확인하고 추가로 4억 달러를 유치했다고 발표했습니다. 이번 시리즈 C 라운드는 Menlo Ventures와 Scaleup Europe Fund가 주도했으며 다수의 투자자가 참여했습니다.

이러한 대규모 자금 조달은 Lovable이 6월에 연간 반복 매출 5억 달러를 달성한 이후 이루어졌으며, 이는 회사의 성장세를 반영합니다. Lovable은 현재 6천만 개의 프로젝트를 호스팅하고 월간 9억 명의 방문자를 보유하고 있으며, 이는 백엔드 요구 사항과 기술의 정교함이 크게 증가했음을 의미합니다.

Lovable은 자체적으로 훈련한 인하우스 AI 모델과 최첨단 모델 옵션을 제공하며, 구글 클라우드와 다년간 계약을 맺어 사용량이 5배 증가했습니다. 또한 이 회사는 유럽의 다른 스타트업인 Atech와 같은 다른 스타트업들을 지원하며 기술 생태계에 기여하고 있습니다.

윈나 폴리스 디파트먼트(WPD)는 도난당한 플록(Flock) 카메라를 교체하지 않기로 결정하며 공공의 신뢰를 이유로 밝혔습니다. 이는 카메라가 범죄 해결에 도움이 되었음에도 불구하고, 지역 사회의 경찰에 대한 신뢰가 더 중요하다고 판단했기 때문입니다.

WPD는 이 자동 번호판 판독 카메라 시스템을 도난 차량, 면허 취소 운전자, 실종자 등을 감시하는 데 사용해 왔습니다. 그러나 8월 3일, 이 카메라 8대가 기물 파손으로 인해 도난당하자 수백 명의 주민들이 소셜 미디어를 통해 시 당국에 비판을 제기하며 카메라 교체를 반대했습니다.

플록 시스템은 잠재적인 오용 가능성과 제3자 및 연방 정부와의 데이터 공유 문제로 전국적으로 논란이 되어 왔습니다. WPD는 카메라가 수사 및 안전 확보에 효과적인 자원이었음을 인정했지만, 효과적인 치안 유지를 위해서는 지역 사회의 신뢰가 가장 중요하다고 강조했습니다.

결국 윈나 경찰국은 기술적 효율성보다 지역 사회의 신뢰를 우선시하여 플록 카메라를 재설치하지 않기로 결정했습니다. 이 결정은 경찰 기술 도입과 공공 신뢰 사이의 균형에 대한 중요한 논의를 보여줍니다.

구글 픽셀 폴드 시리즈는 경쟁 제품들과 비교했을 때 독특한 특징을 가지고 확고한 입지를 다지고 있습니다. 구글은 몇 년 전부터 가로가 세로보다 긴 여권 스타일 디자인을 대중화하여 폴더블 스마트폰 시장에 영향을 미쳤습니다. 삼성은 올해 처음으로 갤럭시 Z 폴드 8을 통해 이 디자인을 시도했으며, 애플 역시 2026년경에 폴더블 아이폰을 출시할 것으로 예상되며 이 디자인을 도입할 가능성이 있습니다.

구글은 또한 폴더블 기기에서 흔히 제기되는 내구성에 대한 우려를 해소하며 혁신을 선보였습니다. 구글은 폴더블 기기 중 최초로 IP68 등급을 획득한 픽셀 10 프로 폴드를 출시하여 기기의 내구성을 입증했습니다. 이는 폴더블 기기가 취약하다는 인식을 개선하는 데 중요한 역할을 합니다.

이번 기사는 새로운 픽셀 11 프로 폴드와 갤럭시 Z 폴드 8 울트라의 사양 비교를 다루고 있습니다. 따라서 두 기기의 디자인, 기능, 내구성 측면에서 구체적인 차이점을 확인하여 어떤 제품이 사용자에게 더 적합한지 판단하는 데 도움이 될 것입니다.

페이스북이 크리에이터를 위한 독립형 크리에이터 스튜디오 앱을 AI 도구와 함께 공식 출시했습니다. 이 새로운 앱은 크리에이터들이 콘텐츠 제작 과정에서 맞춤형 추천을 받을 수 있도록 페이스북의 AI 크리에이터 어시스턴트를 내장하고 있습니다.

이 AI 어시스턴트는 크리에이터의 콘텐츠 스타일, 성과, 시청자 참여도, 그리고 목표를 기반으로 개인화된 추천을 제공합니다. 이는 크리에이터들이 자신의 콘텐츠에 가장 적합한 방향을 설정하고 성과를 개선하는 데 도움을 줄 수 있습니다.

새로운 기능은 크리에이터들이 자신의 목표와 성과 데이터를 활용하여 콘텐츠 전략을 수립하는 데 있어 더욱 개인화된 접근 방식을 가능하게 합니다. 따라서 크리에이터들은 이 도구를 통해 콘텐츠 제작의 효율성과 잠재적인 도달 범위를 극대화할 수 있을 것으로 기대됩니다.

기타 회사인 D'Addario가 최근 홍보 영상에 인공지능(AI), 특히 Suno를 사용했다고 인정했습니다. 이로 인해 몇 주간 논란과 추측이 이어졌으며, 회사는 증거가 쌓이는 동안 이러한 주장을 부인했습니다.

D'Addario는 AI 사용에 대해 여러 설명을 제시했는데, 이는 낮은 품질의 내보내기 파일 사용이나 Autotune과 같은 플러그인 조합으로 인해 디지털 노이즈가 발생한 경우, 또는 LANDR과 Logic의 AI 지원 마스터링 도구를 사용한 경우 등이었습니다.

하지만 이제 회사는 생성형 AI 사용을 부인하는 원래의 인스타그램 게시물을 수정하여 해당 주장이 잘못되었음을 밝혔습니다. 이는 AI 음악 생성 도구의 사용과 관련된 윤리적 및 기술적 경계에 대한 논쟁이 지속되고 있음을 보여줍니다.

비디오버스(VideoVerse)의 2억 5천만 달러 규모 인수가 사기 및 위조 서명 의혹으로 무산되면서 법적 분쟁이 발생하고 있습니다. 2025년 9월에 발표된 인수 발표 이후 투자자들은 여전히 자금 회수를 기다리고 있으며, 공동 창업자인 비나야크 슈리바스타브가 여러 법적 소송의 중심에 서 있습니다.

인수 당사자인 미닛 미디어(Minute Media)는 비디오버스와 계약을 종료했는데, 이는 비디오버스 측의 진술에 중대한 불일치가 발견되었기 때문이라고 밝혔습니다. 여러 법적 서류를 통해 채권자와 투자자들은 슈리바스타브가 성공적인 사업을 위장하여 자금을 축적했다고 주장하며 사기 행위를 제기하고 있습니다.

특히, 슈리바스타브가 인수 과정에서 사용된 합병 문서를 조작하고 대출 및 주식 매입 계약에 서명을 위조했다는 주장이 제기되었습니다. 이로 인해 투자자들은 인수 대금에서 수천만 달러가 사라졌으며, 일부 채권자들은 6400만 달러를 회수하기 위해 소송을 제기했습니다.

이러한 법적 분쟁은 비디오버스가 보유했던 AI 기반 클리핑 서비스 제품인 마그니피(Magnifi)와 같은 비즈니스 모델의 신뢰성에 대한 근본적인 질문을 던지고 있습니다. 현재 미닛 미디어, 링고토, 블루스톤 캐피탈 등 여러 주체들이 델라웨어 법원에서 손해배상을 요구하며 복잡한 법적 다툼이 진행 중입니다.

Grok 4.6이 출시되었으며, 이는 장기 에이전트와 더 야심 찬 상호작용 및 시각적 작업에 중점을 두고 Grok 4.5를 기반으로 개발되었습니다. Grok 4.6은 주제 조사, 정보 분석, 코드베이스 작업, 아이디어를 완성된 결과물로 만드는 등 여러 단계를 거치는 복잡한 작업에서 뛰어난 성능을 보입니다.

이 모델은 에이전트 코딩 및 지식 작업 벤치마크에서 최전선 지능을 달성했으며, 인공 분석 지능 지수(AA Intelligence Index)에서 GPT-5.6 Sol과 동등한 점수를 기록했습니다. Grok 4.6은 광범위한 에이전트 강화 학습(RL) 작업, 코딩, 도메인별 환경에 대해 훈련되었으며, 특히 광범위한 제품 아이디어를 작동하는 첫 번째 버전으로 전환하는 데 강점을 보입니다.

사용자들은 Grok 4.6을 Cursor와 Grok Build에서 즉시 사용할 수 있으며, 첫 주 동안 2배의 사용량을 포함하여 무료로 체험할 수 있습니다. Grok 4.6은 안전성 및 기능 측면에서 개선된 보호 장치를 갖추고 있으며, 입력 토큰당 2달러, 출력 토큰당 6달러의 가격 정책으로 제공됩니다.

llama.cpp는 최소한의 설정으로 대규모 언어 모델(LLM)과 시각 언어 모델(VLM)을 로컬 환경이나 서버에서 실행할 수 있도록 설계된 오픈소스 C/C++ 추론 엔진입니다. 이 엔진은 별도의 런타임 의존성 없이 폭넓은 하드웨어 환경을 지원하여 LLM 구동의 접근성을 크게 높였습니다.

llama.cpp의 가장 큰 장점은 다양한 하드웨어 아키텍처를 포괄하는 광범위한 백엔드를 제공한다는 점입니다. 애플 실리콘의 Metal/Accelerate부터 NVIDIA의 CUDA, AMD의 HIP, Intel의 SYCL, Vulkan, OpenVINO에 이르기까지 여러 기술 스택을 지원합니다.

이러한 다중 백엔드 지원 덕분에 개발자들은 특정 하드웨어에 종속되지 않고 효율적으로 LLM 추론을 실행할 수 있습니다. 이는 고성능 컴퓨팅 환경뿐만 아니라 다양한 임베디드 및 서버 환경에서 로컬 LLM/VLM을 구동하고자 하는 사용자들에게 매우 유용한 기반을 제공합니다.

인공지능(AI) 기업들이 모델 훈련을 위해 희귀한 책을 대량으로 구매하고 파괴하고 있다는 의혹이 제기되고 있습니다. 이는 책을 데이터로 활용하여 AI 모델을 발전시키려는 목적에서 비롯되었으며, 책 판매업자들의 저항에 부딪히고 있습니다.

AI는 책에서만 찾을 수 있는 매력적이고 고품질의 장문 텍스트를 학습하여 모델을 발전시키고자 합니다. 이 과정에서 책의 페이지들이 분쇄되거나 스캔되어 폐기되는 방식으로 데이터가 수집되고 있으며, 일부 물리적인 책들이 영구적으로 손실될 수 있다는 우려가 커지고 있습니다.

이러한 파괴 행위는 AI 개발에 필요한 데이터를 확보하는 가장 빠르고 쉬운 방법이지만, 책 애호가들은 이러한 방식이 심각한 윤리적 문제를 야기한다고 지적합니다. 실제로 이러한 행위가 현재 보고되는 것보다 더 광범위하게 진행되고 있으며, 물리적인 책의 소실에 대한 심각한 논의가 필요합니다.