읽을 가치가 있는 기사만, 짧고 또렷하게.

Mac Mini M6에서 86Box 에뮬레이션을 통해 600MHz의 성능을 안정적으로 달성하는 것이 확인되었습니다. 이는 Apple Silicon의 단일 코어 성능이 레트로 PC 에뮬레이션에서 얼마나 큰 이점을 제공하는지를 보여주는 결과입니다.

86Box는 CPU 타이밍, ISA, PCI 버스 등 하드웨어 수준의 동작을 에뮬레이션하여 정확도를 높이지만, 실제 성능은 단일 스레드의 속도와 시스템의 여유 공간에 크게 좌우됩니다. 테스트 결과, M6 시스템은 600MHz에서 100%의 에뮬레이션 속도를 유지하며 M4 시스템보다 더 높은 클럭 속도를 안정적으로 처리할 수 있었습니다.

이러한 결과는 M6 칩이 기존의 86Box 환경에서 M4 대비 더 큰 성능 우위를 보이며, 에뮬레이션 환경에서 더 높은 클럭 속도를 유지할 수 있는 잠재력을 입증합니다. 특히 M6은 600MHz에서 3DMark 2000 SE 데모를 중단 없이 진행할 수 있어, 소형 시스템에서 뛰어난 성능을 제공한다는 점이 주목됩니다.

CVE-2025-13032는 Avast 안티바이러스 커널 드라이버에서 발견된 더블 패치 취약점으로, 이를 악용하여 윈도우 11 시스템에서 로컬 권한 상승(LPE)을 달성할 수 있는 심각한 취약점입니다. 이 취약점은 사용자 입력에서 데이터를 두 번 가져오는 더블 패치 문제를 기반으로 하며, 이를 통해 커널 풀 오버플로우를 유발하고 임의의 커널 읽기/쓰기 권한을 획득하는 데 사용됩니다.

연구에 따르면 공격자는 이 취약점을 이용하여 IORing 객체의 RegBuffers 배열을 손상시켜 임의의 커널 읽기/쓰기 프리미티브를 얻어냈습니다. 이 권한을 바탕으로 MDL을 통해 _EPROCESS 포인터를 유출하고, 최종적으로 SYSTEM 프로세스의 토큰을 훔쳐 프로세스의 권한을 SYSTEM 수준으로 상승시킬 수 있었습니다.

이러한 공격은 특정 커널 드라이버의 취약점을 통해 시스템 전체 권한을 탈취하는 것을 가능하게 하므로 보안에 매우 치명적입니다. 현재 해당 취약점은 패치되었으며, 사용자는 Avast 설치가 최신 상태인지 확인하여 보안 위험을 최소화해야 합니다.

Greenvolt 그룹이 폴란드에 600 MW/2.4 GWh 규모의 배터리 에너지 저장 시스템(BESS) 건설을 시작하며 유럽 시장에서 에너지 저장 솔루션의 확대를 가속화하고 있습니다. 이 프로젝트는 2027년 말 상업 운영을 목표로 하며, BYD Energy Storage가 배터리 기술을 공급할 예정입니다.

이 BESS는 폴란드 시엘데체에 건설되며, 폴란드 전력망(PSE)의 송전망에 400 kV로 연결됩니다. 이는 재생 에너지 발전이 증가하는 환경에서 시스템 유연성을 개선하고 풍력 및 태양광 발전의 통합을 지원하며 공급과 수요의 균형을 맞추는 데 기여할 것으로 기대됩니다.

Greenvolt는 이 프로젝트를 통해 폴란드 내에서 총 1GW의 배터리 용량과 4GWh의 저장 용량을 확보하게 되며, 이미 폴란드에서 200 MW/800 MWh 프로젝트를 운영 중인 터로쉬엔 코시엘나(Turośń Kościelna)와 에우크(Ełk) 프로젝트와 함께 유럽 전역의 배터리 저장 포트폴리오를 확장하고 있습니다.

특히, Greenvolt는 폴란드 프로젝트에 대해 유니크레딧으로부터 2억 180만 유로의 자금 패키지를 확보하여 프로젝트의 재정적 안정성을 높였습니다. 이는 개발자들이 대규모 그리드급 프로젝트를 추진할 때 필요한 자금 조달 및 공급망 확보의 중요성을 보여주는 사례입니다.

Koi.rest는 낯선 사람들이 함께 조용히 물고기를 바라보며 아무것도 하지 않을 수 있는 가상 잉어 연못을 제공하는 공간입니다. 이 프로젝트는 실직과 지난 한 해의 일들로 큰 스트레스를 겪던 한 개발자가 자신의 경험을 바탕으로 만들기로 시작되었습니다.

개발자는 아직 완성하지 못한 발코니 선 정원 대신 누구나 이용할 수 있는 가상 공간을 만들고자 했습니다. 이는 개인적인 스트레스를 해소하고 심리적인 균형을 되찾는 데 중점을 둔 창작 활동의 결과물입니다.

Koi.rest는 단순한 시각적 경험을 넘어, 사용자들에게 명상과 휴식을 제공하는 목적을 가지고 있습니다. 개발자가 개인적인 경험을 디지털 공간으로 구현함으로써, 사용자들이 복잡한 현실에서 벗어나 조용히 사색할 수 있는 커뮤니티 기반의 가상 환경을 구축했습니다.

레위니옹 섬의 롤랑가로 공항은 자연 환기를 통해 냉각되어 에어컨 없이도 쾌적함을 달성했다는 사례를 제시합니다. 이 공항은 2016년부터 탄소 배출량을 줄이기 위한 노력의 일환으로 설계되었으며, 실내 온도를 외부 온도와 동일하게 유지하면서도 승객의 체감 온도를 낮추는 것을 목표로 했습니다.

이러한 냉각 방식은 독특한 건물 디자인을 통해 열대성 산들바람을 터미널로 유도하는 자연 환기 시스템을 적용한 결과입니다. 건물 지붕 디자인은 바람이 건물 양쪽 측면의 통풍구로 유입되도록 저압 영역을 형성하며, 7.5미터 직경의 천장 선풍기가 공기를 순환시켜 실내 온도를 효과적으로 조절합니다.

이 프로젝트는 에너지 효율성 측면에서 큰 성과를 보였는데, 공항은 운영 시작 후 연간 15만 유로의 에너지 비용을 절감했으며, 이는 에어컨이 설치된 건물 대비 약 60%의 절감 효과를 가져왔습니다. 또한 탄소 배출량은 8배 감소하는 효과를 보였습니다.

이 사례는 온도 조절이 열기에 대처하는 유일한 방법이라는 가정에 도전하며, 실내 온도에만 집중하는 사고방식을 재고해야 함을 시사합니다. 그러나 이 자연 환기 방식이 대기 오염이 심한 유럽 대도시에는 적용하기 어려울 수 있으며, 실내에 오염 물질이 집중될 위험이 있다는 점을 고려해야 합니다.

실리콘밸리의 벤처 캐피털 회사인 라이트스피드가 인도 시장에 새로운 초기 단계 AI 펀드를 위해 2억 5천만 달러를 목표로 설정했습니다. 이 새로운 펀드는 기존 2022년 펀드의 절반 규모이며 약 2년 반의 투자 기간을 설정하여 투자 속도를 높이고 개별 거래에 집중하겠다는 전략을 보여줍니다.

라이트스피드는 이 신규 펀드를 통해 인도 투자 사이클을 글로벌 펀드와 처음으로 일치시키며 인도 지역 사업을 회사 전체의 투자 주기와 더욱 긴밀하게 조정했습니다. 이는 경쟁사인 Accel이 유사한 방식으로 자금을 조달한 사례에 이어 지역 전략을 강화하는 움직임입니다.

이번 펀드의 핵심 투자 논리는 인도가 인터넷보다 AI를 통해 더 큰 가치를 창출할 것이라는 예측에 기반하며, 인도와 동남아시아 전역의 AI 기업에 초점을 맞춥니다. 이는 인도 소프트웨어 개발자 풀과 기술 서비스 허브로서의 역량을 활용하여 AI 애플리케이션 계층에서 기회를 포착하려는 것입니다.

라이트스피드의 인도 포트폴리오는 퀵 커머스, 소비자 인터넷, 소프트웨어, 가사 서비스 등 다양한 분야에 걸쳐 있으며, 이 새로운 펀드는 특히 AI 분야에 대한 집중도를 더욱 높여 지역 내에서 AI 투자 전략을 명확히 하고 있습니다.

샌프란시스코에 호로위츠 앤드리슨 아카데미가 새로운 교육기관으로 출범했습니다. 이 아카데미는 고등학교 졸업생과 대학 1~2학년 중 야심 찬 청년들을 선발하여 교육을 제공하는 것을 목표로 합니다.

이 교육기관은 전통적인 성적, 시험, 숙제 중심의 학습 방식에서 벗어나 실질적인 경험을 중시합니다. 학생들은 자율 프로젝트, 단기 강좌, 그리고 기업 현장 경험을 중심으로 배움을 진행하며, 스스로 목표와 작업을 선택하여 학습을 이끌어 나갑니다.

이는 개발자나 기술 분야에 관심 있는 청년들에게 매우 실용적인 학습 모델을 제시합니다. 단순히 지식을 암기하는 것이 아니라 실제 프로젝트 수행과 현장 경험을 통해 문제 해결 능력과 실무 역량을 기르는 데 초점을 맞추고 있기 때문입니다.

따라서 이 아카데미는 정형화된 학업 대신 실무 중심의 자율 학습을 통해 미래 기술 분야에서 경쟁력을 갖출 수 있는 청년들을 양성하는 데 기여할 것으로 보입니다.

저자는 구글을 떠나면서 AI 기술과 하드웨어 설계 도구의 발전이 가져올 현실에 대해 성찰하고 있습니다. 그는 이러한 도구들이 AI 칩 설계를 가속화하여 AI를 더 저렴하고 강력하게 만들고, 결과적으로 AI의 영향력을 확대할 것이라는 점을 인식했습니다. 이러한 변화 속에서 그는 자신의 직업적 의무와 동료들에 대한 존중을 고려하여 구글을 떠나기로 결정했습니다.

그는 AI 능력 자체보다는 하드웨어 칩 설계를 개선하는 도구에 집중했으며, 이러한 작업이 장기적으로 AI 칩 설계 가속화에 영향을 미칠 것을 알게 되었습니다. 따라서 그는 자신의 결정에 대해 확신을 가지기 위해 구글에서의 기회를 포기하는 것이 현실적이라고 판단했습니다.

앞으로 저자는 Pernosco와 rr를 계속 유지하며 AI 에이전트가 코드를 디버깅하는 방식과 디버깅 도구를 개선하는 방법에 대해 연구할 계획입니다. 그는 AI 에이전트를 활용하여 개인 프로젝트 아이디어를 실현하고 싶어 하며, AI의 이점을 신중하게 취하면서도 인간에게 이롭고 자신의 정신을 날카롭게 유지하는 방향으로 발전시키고자 합니다.

GitHub 확장 프로그램인 Jev-Code-Reviewer는 단순히 코드 변경 사항(diff)을 검토하는 것을 넘어 코드 리뷰의 행동 양식을 우선시하여 인간의 주의를 집중시키는 것을 목표로 합니다. 이 도구는 코드 변경 사항을 P0, P1, P2로 분류하여 변경의 우선순위를 정하고, OpenAI를 통해 변경 사항에 대한 설명을 제공함으로써 개발자가 코드 리뷰에 드는 정신적 부담을 줄여줍니다.

Jev-Code-Reviewer는 로컬 CLI, 에이전트 스킬, 그리고 GitHub 확장 프로그램을 결합하여 작동하며, 분석 과정은 사용자의 컴퓨터에서 이루어집니다. 변경된 코드와 주변 컨텍스트를 TypeSafe 및 OpenAI에 전송하여 분석을 수행하며, 이 과정에서 GitHub에 아무것도 게시하지 않고 개인 환경에서 안전하게 작동합니다.

이 도구를 사용하려면 GitHub CLI 로그인과 로컬 클론이 필요하며, 설정 시 TypeSafe 및 OpenAI 키는 로컬에 저장됩니다. 기본적으로 변경 사항 중 처음 12개 단위의 변경 사항만 분석되며, 사용자는 P0 우선순위를 기본으로 설정하고 필요에 따라 정책 파일을 조정하여 우선순위를 세밀하게 조정할 수 있습니다.

천문학자가 스타링크 위성의 하강을 관찰하여 '행성 기압계'를 구축하는 연구를 진행하고 있습니다. 이 연구는 지구 대기의 팽창과 수축을 관측함으로써 대기 변화를 측정하는 데 중점을 둡니다.

이 방법은 위성이 대기 내에서 움직일 때 발생하는 궤도 감쇠 속도를 분석하여 대기 밀도를 추정하는 데 활용됩니다. 위성은 매일 대기 팽창에 따라 고도를 잃는데, 이 과정에서 궤도 붕괴 속도가 모델이 예상하는 것보다 빨라지며, 이를 보정하기 위해 궤도 모델에 포함된 항력 요소인 B* 값이 변화합니다. 이 B* 값은 실제 공기 밀도를 나타냅니다.

연구팀은 스타링크 위성뿐만 아니라 플래닛 랩스 슈퍼더브, 아마존 카이퍼, 유텔샛 원웹 등 세 개의 독립적인 위성군 데이터를 수집하여 이 새로운 데이터 스트림을 분석합니다. 이를 통해 태양 자외선이 열을 발생시켜 열권(thermosphere)을 팽창시키는 현상과 궤도 감쇠 속도 간의 관계를 관찰할 수 있습니다.

이러한 접근 방식은 별도의 장비를 발사하지 않고도 공중의 대기 변화를 실시간으로 감지하는 공개적인 일일 지수를 제공합니다. 이는 우주 데이터를 활용하여 지구 대기 현상을 측정하고 모델링하는 새로운 방법을 제시합니다.

LaunchVideo는 URL이나 제품 설명을 입력하면 Opus 5.5가 해당 내용을 기반으로 영상 코드를 작성하고 서버리스 에이전트가 이를 MP4 파일로 렌더링해주는 서비스입니다. 이 서비스는 복잡한 영상 생성 모델을 사용하지 않고 웹 페이지의 애니메이션을 렌더링하는 데 중점을 둡니다.

LaunchVideo는 가상 시계를 사용하여 각 프레임의 시간을 제어함으로써 영상을 결정론적으로 생성하는 방식을 채택합니다. 이는 입력된 정보에 따라 예측 가능하고 일관성 있는 애니메이션 영상을 제작할 수 있게 합니다.

따라서 개발자나 콘텐츠 제작자는 복잡한 AI 모델 학습 없이도 입력된 텍스트나 웹 콘텐츠를 기반으로 명확한 설명 영상을 효율적으로 만들 수 있습니다. 이는 설명 영상 제작의 자동화와 결정론적 제어에 초점을 맞춘 새로운 접근 방식입니다.

캘리포니아주는 연간 200억 달러의 세수를 확보하기 위해 11월 주민투표에 억만장자 부유세안을 부치고 있습니다. 그러나 이 정책은 이미 많은 부유층이 이주한 상황에서 예상 세수를 확보하기 어렵다는 비판에 직면하고 있습니다.

이러한 논란의 배경에는 캘리포니아의 막대한 토지 가치가 있습니다. Center for Land Economics가 추산한 캘리포니아의 토지 가치는 8조 1,400억 달러에 달하며, 이는 현실적인 가치에 비해 과도하다는 지적이 제기되고 있습니다.

따라서 부유세안 정책이 실질적인 세수 확보로 이어질 수 있는지에 대한 의문이 제기되고 있으며, 토지 가치와 부유층의 이동이라는 맥락 속에서 정책의 현실성과 효과에 대한 논의가 이어지고 있습니다.

AI 모델과의 상호작용 과정에서 지식 관리의 필요성이 제기되었습니다. Claude에게 잊어버린 명령어 문법을 물어보았더니 존재하지 않는 옵션을 답하는 경험을 하면서, 현재의 AI가 제공하는 정보의 한계를 체감하게 되었습니다.

이러한 경험을 통해 단순히 AI에게 질문하고 답을 받는 것을 넘어, 이미 학습한 지식을 직접 보관하고 관리하는 개인 지식 관리(PKM) 시스템을 구축하기로 결정했습니다. 이는 외부 AI에 의존하기보다 자신의 지식을 직접 정리하고 보존하는 것이 중요함을 시사합니다.

직접 노트를 작성하고 정보를 정리하는 과정은 나중에 자신에게 가장 적합한 답과 설명을 쉽게 찾을 수 있게 해줍니다. 결국, AI가 제공하는 정보에 의존하기보다는 정보를 정리하고 보관하는 시스템을 구축하는 것이 효율적인 지식 습득과 활용에 필수적입니다.

루비 온 레일스(Ruby on Rails)의 미래에 대해 개발자 커뮤니티는 새로운 관점을 얻고 있습니다. 레일스 창시자인 데이비드 하이네미어 한슨(DHH)은 LLM(거대 언어 모델)의 등장으로 코드를 직접 작성하는 것이 더 이상 생산적인 작업이 아니며, 개발의 초점이 LLM 코드 생성으로 이동했다고 주장합니다. 그는 이제 프로그래머에서 벗어나 '메이커'로 자신을 칭하며, 인간이 코드를 읽는 것은 예외여야 하며, AI가 코드를 생성하는 시대에 코드를 직접 작성하는 것은 대다수 개발자에게 경제적으로 생산적이지 않다고 강조합니다.

이러한 변화에 따라 레일스 스택의 역할도 재정의되고 있습니다. 과거 레일스는 '작은 팀이 야심 찬 제품을 구축할 수 있게 해주는' 프레임워크로 여겨졌지만, 이제는 '필요한 웹 애플리케이션을 위한 플랫폼'으로 그 의미가 축소되었습니다. DHH는 레일스가 더 이상 선호 사항이 아니라 '작동 방식(workaround)'이었으며, 이제는 안정성과 유지보수에 중점을 두어야 한다고 주장합니다.

실제로 DHH는 자신의 플래그십 제품 중 하나인 Hey를 레일스에서 벗어나 Rust와 같은 언어를 사용하여 네이티브 애플리케이션으로 재구축하는 전략을 취하고 있습니다. 이는 LLM을 활용하여 모든 플랫폼에서 네이티브 애플리케이션을 구축하는 방향으로 나아가며, 서버 측에서는 Rust를 채택하는 것입니다. 이러한 움직임은 레일스 생태계가 AI 시대에 어떻게 적응하고 발전할지에 대한 근본적인 질문을 던지고 있습니다.

테슬라 세미 트럭이 마침내 양산 단계에 진입했습니다. 2017년에 콘셉트 형태로 처음 소개된 이 대형 화물 트럭은 2026년 4월을 기점으로 양산이 시작되었습니다. 테슬라는 이러한 장기간의 대기 끝에 고객과 투자자들에게 생산 진행 상황을 입증하기 위해 또 다른 이벤트를 개최했습니다.

이 행사는 네바다 기가팩토리 옆에 위치한 테슬라의 새로운 세미 공장에서 열렸으며, 이 공장은 연간 5만 대의 트럭, 즉 주당 1,000대의 생산 능력을 갖추고 있습니다. 테슬라는 이 생산 능력을 바탕으로 페PSICO, US Foods, DHL, WattEV, ABF, Einride, IMC 등 다수의 기존 및 새로운 고객들을 발표했습니다.

이는 테슬라의 전기 상용 트럭에 대한 시장 진입이 가속화되고 있음을 보여줍니다. 대규모 생산과 주요 고객 확보는 테슬라가 전기 화물차 시장에서 실질적인 상업적 성과를 내고 있음을 의미합니다.

Android용 연합형 메신저 Conversations가 Google Play 매출에 대한 경제적 의존에서 벗어나 무료 배포 중심으로 전환했습니다. 이는 앱의 배포와 수익 모델에 있어 플랫폼 종속성을 탈피하고 개발자 중심의 독립적인 생태계를 구축하려는 움직임입니다.

이러한 결별의 배경에는 개발자들이 겪었던 여러 문제들이 있습니다. 반복적인 업데이트 거절과 앱 삭제, 그리고 사람과 직접 소통하기 어려운 지원 체계가 주요 원인이 되었습니다. 개발자들은 플랫폼 정책에 의해 자신의 앱을 관리하고 사용자들과 소통하는 데 어려움을 겪었습니다.

또한, 보안 업데이트 역시 심사 지연을 피할 수 없다는 점이 결별에 영향을 미쳤습니다. Conversations의 이러한 변화는 앱 개발자들이 플랫폼 의존성에서 벗어나 더 자유롭게 서비스를 운영하고 사용자 경험을 개선할 수 있는 환경을 제공할 것으로 기대됩니다.

초기 프로그래밍 일화인 ‘멜의 이야기(Story of Mel)’의 핵심 트릭을 RPC-4000 명령어 체계와 비교 분석한 결과, 주소 오버플로를 통해 명령을 변경하는 방식은 기술적으로 가능하지만 일부 설명은 사실과 다르다는 점이 밝혀졌습니다. 이 분석은 일화 속의 개념과 실제 명령어 구조 사이의 기술적 정확성을 검토하는 데 중점을 둡니다.

특히, 일화에서 언급되는 ‘Index 비트’에 대한 설명이 실제 명령어 구조와는 차이가 있음을 지적합니다. 일화에서는 Index 비트가 주소와 연산 코드 사이에 위치한다고 설명되지만, 실제로는 명령어의 최하위 비트(LSB)에 해당한다는 것입니다. 이는 일화가 비록 흥미로운 프로그래밍 역사를 담고 있지만, 명령어 체계에 대한 기술적 세부 사항을 다룰 때는 주의가 필요함을 시사합니다.

따라서 ‘Story of Mel’과 같은 역사적 일화를 참고할 때, 그 안에 담긴 개념을 실제 하드웨어 아키텍처나 명령어 세트와 직접적으로 동일시하기보다는 기술적 맥락을 고려해야 합니다. 이는 일화의 재미를 유지하면서도 명령어 구조에 대한 정확한 이해를 돕는 데 중요한 맥락을 제공합니다.

마이크로소프트가 'Copilot Plus PC' 브랜드를 폐지하고 있다는 소식이 전해졌습니다. 이 브랜드는 내장된 AI 성능을 강조하며 사용자들이 AI 기능을 수행할 수 있는 PC를 선별하는 데 중점을 두었으나, 마이크로소프트와 퀄컴은 이 브랜드가 이미 종료되었다고 인정했습니다.

최근 Windows Central의 Zac Bowden에 따르면, 12인치 Microsoft Surface Pro와 13인치 Surface Laptop과 같은 기기들은 Copilot Plus PC의 시스템 요구 사항을 기술적으로 충족합니다. 하지만 마이크로소프트는 이제 이러한 제품들을 더 이상 'Copilot Plus PC'라고 명명하지 않고 있습니다.

이는 AI 기능을 탑재한 하드웨어에 대한 마케팅 전략이 변화하고 있음을 시사합니다. 마이크로소프트는 특정 브랜드 명칭 대신 제품 자체의 기능과 기술적 사양에 더 집중하며, AI PC 시장에서 새로운 브랜딩 방향을 모색하고 있는 것으로 보입니다.

코드베이스를 분석하거나 시스템을 말로 설명하면 구성 요소와 연결 관계를 직접 탐색할 수 있는 다이어그램을 생성하는 에이전트 스킬이 소개되었습니다. 이 기능은 복잡한 시스템의 구조를 시각화하여 개발자가 코드와 설명을 통해 구성 요소 간의 관계를 쉽게 탐색할 수 있도록 돕습니다.

이러한 다이어그램 생성 기능은 Cursor, Claude Code, Codex CLI, OpenCode와 같은 다양한 AI 도구에서 활용될 수 있습니다. 특히 저장소 없이 자연어 설명만으로도 시스템 다이어그램 생성을 시작할 수 있어 접근성이 크게 향상되었습니다.

이 기술은 아키텍처, 워크플로, 시퀀스, 데이터 흐름, 생명 주기와 같은 시스템의 핵심적인 측면을 명확하게 보여주는 데 중점을 둡니다. 개발자는 이를 통해 시스템의 전체적인 흐름과 구조를 이해하고 분석하는 데 필요한 정보를 얻을 수 있습니다.

인공지능 시스템이 수학 연구에서 놀라운 아이디어를 생성하고 복잡한 계산을 수행함에 따라, 인간 수학자들은 현재 겸손함과 함께 따라잡을 수 없다는 느낌을 경험하는 시기에 접어들었다는 주장이다. 저자는 AI가 인간보다 훨씬 빠르게 발전할 수 있다는 우려 때문에 연구 수학 분야를 포기할 유혹이 생길 수 있다고 지적하며, 이는 인류의 발견에 대한 책임을 포기하는 것이라고 강조한다.

저자는 이러한 상황에서 인간의 역할이 중요하며, AI가 제시하는 아이디어를 이해하고 검증하는 데 있어 수학적으로 정교한 인간 연구자들의 참여가 필수적이라고 주장한다. 특히, 핵융합 발전소 설계와 같이 실생활에 중대한 영향을 미치는 분야에서는 AI의 결과에 대한 신뢰를 확보하기 위해 인간이 설계의 안전성과 수학적 보장을 이해해야 한다고 역설한다.

AI가 아무리 많은 것을 완벽하게 수행할 수 있다 하더라도, 수학적 증명과 모델의 정확성을 이해하는 것은 여전히 인간의 몫이다. 따라서 AI 시스템이 제시하는 결과에 대한 신뢰를 구축하고 실질적인 안전을 보장하기 위해서는 인간의 참여가 필수적이다.

결론적으로, AI 시대에 수학 및 과학 분야의 진보를 지속하고 실질적인 사회적 가치를 창출하기 위해서는 인간이 AI와 협력하여 깊이 있는 이해를 추구하는 노력이 필요하다.