실시간 3D 산업 응용 분야에서 대화형 AI가 어떻게 팀 전반에 걸쳐 더 빠르고 정보에 입각한 의사 결정을 촉진할 수 있는지
Shanti Zachariah - Unity Technologies
Senior content marketing manager

이 웹페이지는 이해를 돕기 위해 기계 번역으로 제공됩니다. 기계 번역으로 제공되는 콘텐츠에 대한 정확도나 신뢰도는 보장되지 않습니다. 번역된 콘텐츠의 정확도에 관해 의문이 있는 경우 웹페이지의 공식 영어 원문을 참고해 주시기 바랍니다.
이 Unity U/Day Houston 발표는 MIT Media Lab의 연구원인 Matti Gruener가 진행합니다.
시각 효과, 증강 현실, 그리고 MIT 미디어 랩에서의 현재 연구에 대한 광범위한 배경을 바탕으로, 마티 그루너는 두 가지 관점에서 실시간 3D 속의 AI를 탐구합니다. 애플리케이션 구축을 돕는 AI 에이전트와 실행 중인 애플리케이션에 대화형 상호작용 파트너로 AI를 직접 내장하는 것.
애플리케이션 개발 측면에서 Unity CLI와 같은 도구를 활용하면 개발자가 Unity 에디터를 계속 열어두는 대신 복잡한 빌드 및 시각화 작업을 AI 에이전트에게 직접 위임할 수 있습니다.
실시간 3D 대화형 AI를 임베딩하면 최종 사용자에게 비서 역할을 하는 직관적인 시스템을 만들 수 있습니다. 마티 그루너의 작업에서 가져온 수십 년간의 달 연구, 합성 도시 이동, 지질 채굴 모델과 같은 대규모 다차원 데이터셋을 통합함으로써 사용자는 자연어를 통해 3D 표현을 실시간으로 쉽게 쿼리, 필터링 및 수정할 수 있습니다.
주요 내용 요약
- Matti Gruener는 Unity CLI가 그의 Unity 워크플로우를 얼마나 크게 가속화했는지 개요를 제공하며, AI 에이전트를 통해 여러 작업을 자동화하고 간단한 HTML 보고서를 사용하여 출력을 검증할 수 있게 되었다고 합니다.
- 그는 MIT 미디어 랩의 세 가지 주요 예시 프로젝트를 살펴봅니다.
- NASA와 함께하는 달 AR 경험
- 건물 및 도시 디자인 시각화
- 리튬 광산 시뮬레이션
- 이 세 가지 애플리케이션 각각은 내장된 대화형 AI와 함께 사용자가 일반 언어 프롬프트를 통해 시각적 응답의 필터링, 모델링 및 렌더링을 요청할 수 있도록 지원합니다. 예를 들어, 리튬 광산 시각화에 있는 사용자가 AI에게 가능한 광산 형상, 도로 계획 또는 경제 예측을 생성하도록 요청하는 경우입니다.
- 그의 연구 목표 중 하나는 규제 산업에서 작동해야 하는 AI 시스템을 위한 특수화된 아키텍처를 개발하는 것인데, 이는 허위 데이터가 전혀 없도록 하여 사용자가 출력을 신뢰하고 고정밀의 데이터 기반 결정을 내릴 수 있도록 하기 위함입니다.
- 대화형 AI 비서는 기능 간 팀 전반의 지식 격차를 해소하는 데 도움을 줄 수 있으며, 이를 통해 다양한 이해관계자, 기술 전문가 및 비기술적 구성원들이 더 효율적이고 정확한 결정을 내리는 것을 목표로 복잡한 공간 정보를 해석할 수 있게 합니다.

전체 녹취록
화자: 마티 그루너, 연구원, MIT 미디어 랩
참고:
- 이것은 녹화된 발표의 가볍게 편집된 녹취록입니다.
- 아이언맨과 JARVIS는 예시 목적으로만 사용됩니다. Marvel/Disney와 제휴하거나 보증하지 않습니다.
들어가는 말
[0:00] 제 이름은 마티입니다. 저는 현재 MIT 미디어 랩에서 연구하고 있습니다. 학교로 돌아가고 MIT로 돌아가기 전에, 저는 다양한 산업에서 약 15년을 보냈는데, 그중 약 10년은 시각 효과 분야에서 일하며 해리 포터 영화, 만달로리안, 왕좌의 게임 중 하나에 참여했습니다. 그런 다음 시각 효과 분야를 떠나 패션 기술 분야에 있었고, 결국 증강 현실과 인공지능 분야로 갔습니다. Unity 애플리케이션의 맥락에서, 저는 AI를 두 가지 다른 관점에서 보고 싶습니다.
[0:58] 첫 번째 관점은 AI가 이러한 애플리케이션을 만드는 데 도움을 주는 왼쪽의 관점입니다. 그래서 저희는 저희를 위해 애플리케이션과 실행 파일을 구축하는 에이전트 워크플로우를 가지고 있습니다. 그리고 오른쪽의 다른 하나는 애플리케이션 자체에 AI를 임베딩하는 것입니다. 우리는 오른쪽 부분에 집중하겠지만, 애플리케이션을 구축하기 위한 이러한 에이전트 워크플로우에 대해 잠시 왼쪽 부분도 이야기하겠습니다.
Unity CLI 및 에이전트 워크플로우를 사용한 애플리케이션 구축
[1:30] 알겠습니다. 그래서 저는 한동안 AI에 완전히 몰두해 왔다고 인정합니다. MIT는 엄청 바쁘다. 특정 날에 MIT라는 폭풍을 헤쳐나가기 위해 가능한 한 많은 것을 에이전트들에게 위임해야 합니다. 그리고 제가 또 고백할 것이 있는데, 지난 몇 달 동안 Unity 에디터 거의 열지 않았다는 것입니다. 그래서 예전에는 매일 Unity 8시간씩 보냈는데, 그 시간들이 사라진 것 같아요. Unity Unity CLI를 출시했을 때 그것이 의도된 효과였는지 모르겠습니다. 하지만 CLI가 출시되면서 자연스럽게 에디터를 열지 않게 되었습니다.
Unity CLI는 이제 제가 애플리케이션을 구축하는 방식을 근본적으로 바꾸어 놓았습니다.
[2:28] 그래서 지금 저는 에이전트들에게 Unity CLI를 통해 무언가를 구축하도록 지시하고, 그들이 제가 할당한 작업이 실제로 완료되었음을 보여주는 시각적 증거를 제공하기 위해 이 HTML 페이지들을 구축하도록 지시합니다. 그래서 이 경우에는 시각적인 부분에 많이 집중하지 않습니다. 저는 올바른 데이터가 수집되었는지, 올바른 위치에 배치되었는지, 올바르게 처리되었는지에 더 중점을 둡니다. 그리고 이 경우에, 에이전트는 이러한 노드 그래프 주변에 매싱을 생성하도록 이해했습니까? 하지만 그것들은 세부 사항입니다. 그것은 워크플로우에 관한 것이고, 요즘은 작업이 완료되었는지 확인하기 위해 HTML 페이지만 보고 있습니다.
[3:03] 그리고 이것이 제 워크플로우를 상당히 빠르게 해 주었습니다. 그리고 오늘 일찍 말씀드렸듯이, 저희가 이 모든 도구들을 얻으면서 더 바빠졌다는 것을 알게 되었습니다. 그래서 그들은 삶을 반드시 덜 바쁘게 만들지는 않았지만, 어쩐지 우리 같은 사람들은 더 많은 일을 하게 되는 것 같아요. 그래서 제 경우에는, 제가 종종 달리는데, 모르겠어요, 동시에 10가지 일을 하고, 이런 종류의 작업 흐름이 제가 그것을 추적하는 데 도움이 되었습니다.
[3:32] 당시 제가 무엇을 하고 있었는지에 대한 맥락을 가진 이러한 HTML 페이지들이 나중에 작업이 실제로 수행되었는지 검토하는 데 도움이 됩니다. 그래서 이것은 절차적인 예시였지만, 저는 이것을 창의적인 작업에도 사용했습니다. 이 경우, 제가 Unity 애플리케이션 중 하나에 가져온 데이터가 있는데, 그 정보를 어떻게 시각화하고 싶은지 파악하려고 합니다.
[3:59] 저는 제 대리인들에게 그것을 할 수 있는 몇 가지 옵션을 제시해 달라고 지시했습니다. 그리고 이제 저는 그냥 스크롤하면서 제가 좋아하는 것들을 봅니다. 다양한 색 구성표가 있으며, 그것은 스케일, 원근 카메라를 사용할지 정사영 카메라를 사용할지에 관한 것입니다. 그리고 제가 좋아하는 것들을 골라낼 수 있어요. 그리고 제가 보통 이것을 한 후에 하는 것은 이 모든 매개변수들을 애플리케이션 위에 UI로 노출할 수 있는 인터랙티브 애플리케이션을 구축하는 것입니다.
[4:27] 그래서 제가 예를 들어 모양을 빠르게 맞추고, UI 스크린샷을 찍어서 제 에이전트에게 전달하고, 에이전트에게 이것이 앞으로 저의 기본 모양이라고 말할 수 있게 됩니다. 그래서 제 작업 속도가 엄청나게 빨라졌습니다.
아이언맨에서 임베디드 AI로
하지만 잠시 주제를 바꿔서 이전에 이야기했던 것, 즉 Unity 애플리케이션에 AI를 임베딩하는 것에 대해 다시 이야기하고 싶습니다. 그리고 이 배경을 설정하기 위해, 저는 여러분을 15년 전으로 되돌리고 싶습니다.
[4:59] 제가 영화계에서 오랫동안 일했다고 말씀드렸잖아요. 그리고 15년 전에 이 시퀀스 작업을 했었어요. 그래서 이것은 아이언맨 3의 아주 짧은 클립입니다. 그리고 토니 스타크가 자신의 몸에 슈트를 조립하는 새로운 시스템을 알아내려고 하는 슈트 조립 테스트입니다. 훌륭한 시퀀스입니다. 그래서 제가 보여주는 거예요. 하지만 토니가 함께 작업하고 있는 이 AI 에이전트도 보여주고 있어요.
[5:31] 저는 아이언맨이 주변의 모든 정보를 시각화할 수 있는 AI 지원 시스템을 사용하여 이러한 위대한 공학적 업적을 달성하는 엔지니어의 대표적인 예라고 생각합니다. 그리고 기억하시면, JARVIS(프랜차이즈의 AI 비서)는 이 모든 정보를 가져올 수 있습니다. 그것은 사라지고 비동기 작업, 시뮬레이션, 분석을 실행한 다음 그 결과를 이 마법 같은 XR 환경으로 다시 가져옵니다. 하지만 토니는 그 모든 정보를 볼 수 있어요.
[6:00] 그것(자비스)은 질문에 답하는 것을 돕고 이 경우에는 토니의 안전 수칙에 대해 많은 비꼬는 논평을 합니다. 그리고 이것으로 가봅시다. 그러니까 이게 이런 모습인 거죠, 맞죠? 그래서 실제로는 이 경우 이 로봇 주변에 정보가 있습니다. 그리고 15년 전에 이 영화를 만들 때, 이것은 모두 공상 과학이었습니다. 그리고 당신은 제가 어디로 가고 있는지 추측하고 있을지도 모릅니다.
[6:28] 더 이상 공상과학처럼 느껴지지 않아요. 이 많은 것들이 오늘날 상당히 실현 가능합니다.
NASA의 달 데이터 데모 및 AI 환각 감소
[6:34] 저는 최근 MIT의 동료 연구원과 함께 했던 프로젝트를 보여드리고 싶습니다. 보시는 것은 제가 증강 현실 헤드셋에서 대화형 에이전트와 대화하는 모습입니다. 그리고 에이전트는 달에 대한 정보를 가져옵니다. 우리는 시스템에 40년간의 달 데이터를 입력하여 달 표면에서 직접 질문하고 시각화할 수 있도록 했습니다.
[6:59] 제가 그걸 할게요. 다음은 마티가 청중에게 보여주는 데모 오디오입니다.
(영상 속의 마티: 달에 대한 중성자 데이터를 사용하여 물이 있을 수 있는 곳을 탐색할 수 있습니까?
(비디오에서 보여지는 애플리케이션에 내장된 AI 어시스턴트): 이제 중성자 데이터를 보여드리는데, 이는 32초당 531.52에서 615.83 카운트 범위입니다. 낮은 중성자 수는 달 표면에 수소, 따라서 잠재적으로 물 얼음이 존재함을 나타낼 수 있습니다. 저는 그것에 열 구배를 적용했습니다.
[7:31] 그래서 이것은 프랜차이즈 속의 JARVIS보다 훨씬 덜 비꼬지만, 여전히 꽤 도움이 됩니다. 그리고 이것이 임무 계획자나 교육자들이 달 데이터와 상호 작용하는 데 어떻게 도움이 될 수 있는지 볼 수 있습니다.
[8:01] 방금 보신 것은 제가 몇 주 전에 NASA 에임스 연구 센터에서 발표할 수 있었던 출판물의 일부입니다. 그리고 제가 정말 중요하다고 생각하는 것은 이 시스템에서 사용하는 아키텍처가 환각을 줄이도록 특별히 설계되었다는 것입니다.
[8:31] 우리가 이 강력한 3D 런타임에 AI 에이전트를 갖춘 세상에 들어서면서도, 저는 여전히 제 눈을 믿고 싶습니다. 보는 것이 믿는 것이다. 그리고 저는 이런 시스템의 경우 특히 혼란스럽거나 사람들에게 잘못된 정보를 줄 수 있다고 생각합니다. 그리고 우리는 이것을 가능한 한 안전하게 유지하기 위해 최선을 다하고 있습니다. 이 특정 작업에 대한 평가에서 에이전트는 조작된 정보를 전혀 보여주지 않았고 실수를 거의 하지 않았습니다. 그리고 전반적으로 응답 시간이 정말 좋았습니다. 그래서 우리는 이 시스템에 꽤 만족했습니다.
[8:59] 제가 몇 개의 클립을 더 보여드릴게요. 제가 여기 오디오를 끄고 말할 수 있게 했는데, 같은 종류의 설정입니다. 당신이 그것에게 말을 걸면 그것이 응답합니다. 이 경우, 저는 달을 궤도한 특정 우주선들의 비행 경로를 보고 싶습니다. 저는 제가 보고 싶은 것뿐만 아니라 그것을 어떻게 보고 싶은지도 요구하고 있습니다. 저는 특정 색상을 요청하고 있는데, 이는 에이전트와 빠르게 같은 이해를 하고 무엇이 시각화되고 있는지 파악하는 빠른 방법입니다.
[9:26] 다시 말하지만, 달 탐사 임무를 계획하고 싶거나 사람들에게 지식을 전달하고 싶을 때 이것이 얼마나 도움이 될 수 있는지 알 수 있습니다. 또 하나 더 있네요 그러니 이것은 제가 시각화 수정 사항을 요청하는 예시입니다. 이 경우, 에이전트는 이 그라디언트로 달의 모든 고도 레벨을 이미 시각화했습니다. 하지만 저는 4킬로미터 지점의 특정 고도에 관심이 있습니다. 그래서 시각화에 대한 수정을 요청하고 있습니다. 그리고 이 모든 것이 제가 시스템과 계속 대화하는 바로 앞에서 일어나고 있습니다.
도시 데이터 및 합성 인구
[10:01] 제가 속한 연구 그룹의 이름은 시티 사이언스입니다. 이제 도시 프로젝트에 대해 이야기하겠습니다. 이것은 지어지지 않은 이 건물 안을 돌아다니는 합성 인구입니다. 인구는 이 점들이 움직이는 것으로 시각화됩니다. 대화 형식으로 정보를 요청할 수 있는 시스템을 사용하면, 건물 내에서 어떻게 움직이는지 시각화된 임의의 에이전트를 요청할 수 있습니다.
[10:27] 이 경우에는 그냥 아무거나 하나 달라고 할게요. 하지만 학생이 할 수 있는 모든 여행, 25세 미만 학생, 그리고 바에서 끝나는 여행에 대해서도 요청할 수 있습니다. 그리고 그것이 엘리베이터가 왜 밤 10시에 항상 붐비는지 이해하는 데 도움이 될 수 있습니다. 그래서 이러한 대화형 데이터 분석 방식은 우리가 무엇이 잘못되고 있는지 더 쉽게 분석할 수 있기 때문에 건물을 개선하고 거주자를 더 행복하고 건강하게 만드는 데 도움을 줍니다. 저희 연구 그룹에서는 합성 개체군을 많이 다루며, 이들이 환경과 어떻게 상호작용하는지 시뮬레이션하면서 배웁니다.
[11:02] 제가 여기서 시연하는 것과 같은 대화형 에이전트를 임베딩하는 것은 우리가 이러한 대규모 데이터 세트와 상호 작용하는 것을 훨씬 더 빠르게 만들었기 때문인데, 왜냐하면 10만 개의 이러한 에이전트를 시뮬레이션할 수 있기 때문입니다. 그것을 이해하는 것은 쉽지 않습니다.
이것은 이러한 상호 작용의 대화적인 특성을 아주 잘 보여주는 또 다른 예입니다. 그래서 저는 이 시각화에 대해 점점 더 깊이 파고들고 있습니다. 원하는 시각화 부분을 지정하여 지시할 수 있습니다
[11:33] 다양한 방법들. 하지만 저는 필터링도 할 수 있고, 에이전트들이 움직이는 특정 공간을 격리하여 깊이 파고들 수도 있습니다. 그 모든 것이 대화하는 방식으로 이루어집니다.
제 생각에 질문은, 왜 이것들 전부가 당신에게 중요해야 하는가 하는 것 같습니다. 제가 오늘 나눴던 대화 중 일부는 여러분 중 많은 분들이 이미 Unity 시각화하고 있을 수 있는 많은 양의 공간 정보를 가지고 있다는 것을 시사했습니다. 그리고 저는 이것이 그러한 종류의 정보를 이해하는 좋은 방법이 될 수 있다고 생각합니다.
[12:01] 질문은, 이러한 강력한 3D 런타임 내에서 필요할 때 정보를 큐레이션해주는 에이전트로 무엇을 할 수 있느냐는 것입니다. 더 빨리 결정할 수 있나요? 더 나은 결정을 내릴 수 있나요? 그리고 아마 가장 중요한 것은, 이 내용을 XR 환경에 넣고 더 많은 사람들과 함께 보면서, (에이전트가) 환경과 보고 싶은 데이터를 선별하도록 함으로써 다른 사람들과 더 빨리 같은 생각을 할 수 있게 할 수 있을까요?
[12:30] 지금까지 제가 보여드린 것은 질문의 측면에서 비교적 간단했습니다. 저는 시각화를 요청하고 시각화가 돌아옵니다.
채굴 사용 사례 및 다단계 추론
우리도 이것을 조금 더 늘릴 수 있습니다. 이것은 채굴 사용 사례입니다. 저는 광업이나 석유 및 가스 분야의 사람이 전혀 아닙니다. 다시 한번, 제가 잘못된 용어를 사용했다면 사과드립니다. 하지만 이것은 지하에 있는 리튬 매장량에 대한 합성 블록 모델입니다. 그리고 여기서의 아이디어는 표면의 한 지점을 선택하고, 이 특정 지점에서 파기하기 시작하면 무슨 일이 일어날지 묻는 것입니다.
[12:58] 그런 다음 에이전트는 비동기적으로 이동하여 데이터를 분석하고, 제가 어디를 파고 싶은지 파악하며, 이 지점에서 파기 시작할 경우 생길 수 있는 구덩이의 모습을 시뮬레이션하기도 합니다. 그래서 이 쉘 형상을 만들 수 있는 백그라운드 모델이 있습니다. 물론 이것을 XR 안경에 넣을 수도 있습니다.
[13:25] 그러면 우리 다섯 명이 테이블 주위에서 그것을 볼 수 있을 거예요. 이것은 에이전트가 노천 광산의 변화하는 모양을 계산하는 다른 예시입니다. 이는 경제 모델과 변동하는 리튬 가격에 대한 가정을 바탕으로 이러한 변화하는 채굴장 모양이 어떠할지 추정합니다. 그래서 다시, 이 작업을 가져가고, 그 다음에는 결과가 어떤 모습일지 매우 시각적인 방식으로 이해하는 데 도움이 되는 시각적 응답을 가지고 돌아옵니다. 그리고 이러한 모델들을 연결하고, 이러한 종류의 시스템에 추가 모델들을 연결하는 것을 상상할 수 있습니다.
[14:02] 바람 속도와 바람 패턴을 기반으로 먼지가 어떻게 이동할지 예측하는 모델을 갖추거나, 에이전트가 광미 부지 위치와 환경적 영향, 그리고 해당 부지에서 개발하는 사람들의 최종적인 측면까지 제안할 수 있습니다. 그리고 에이전트는 여러 옵션을 보여주고, 그것이 환경적이든 경제적이든 상관없이 당신의 목표를 달성하기 위해 당신과 협력할 수 있습니다.
[14:33] 저의 한 가지 특별한 연구 관심사는 이러한 시스템에서 다단계 추론 과정을 다루는 것입니다. 예를 들면, 이것을 보세요, 당신은 이 지점에 있고, 여기가 채굴하고 싶은 곳입니다. 당신은 이미 셸이 어떻게 생겼을지 이해하고 있을 겁니다. 아마도 이런 종류의 것을 이해하는 엔지니어일 테니까요. 하지만 그것이 도로 배치에 어떤 영향을 미치고 궁극적으로 당신의 순이익에 어떤 영향을 미칠지 생각해 보세요.
[14:59] 그래서 에이전트가 한 곳에서 다른 곳으로 이동하며 보여주는 이러한 종류의 다단계 추론 과정은 저의 특별한 관심사이며 매우 중요하다고 생각합니다. 이러한 예시들이 이러한 환경에서 대화형 에이전트가 얼마나 강력할 수 있는지 보여주는 데 도움이 되기를 바랍니다. 특정 분야에 전문 지식이 있을 수 있고 이미 알고 있는 것을 누군가에게 들을 필요가 없기 때문입니다. 하지만 때로는 이러한 에이전트들과 함께 일하면서 모르는 것들이 있습니다.
[15:32] 재무 모델링에는 꽤 익숙하시겠지만, 엔지니어링 작업에는 익숙하지 않거나 그 반대일 수 있습니다. 그리고 엔지니어링 결정을 내릴 때, 경제적인 측면에서 어떤 하류 영향이 있는지 이해하고 싶을 수 있습니다. 토니 스타크를 되돌아보면, 그는 여러 분야에서 많은 전문 지식을 가지고 있으며, 여러 분야에서 비현실적인 수준의 전문 지식을 가지고 있습니다. 하지만 JARVIS가 여전히 빈틈을 채워줄 것입니다. 그래서 JARVIS가 이러한 백그라운드 작업을 수행하고, 정보를 가져와 토니가 가질 수 있는 모든 사각지대를 채워줍니다. 종종 이것들은 그가 완전히 인지하지 못하거나 그냥 무시하는 안전 문제들입니다.
마무리: 설계 목표 및 커뮤니티 참여
저는 이러한 환경에서 훨씬 더 많은 대화형 에이전트를, 상당히 강력한 실시간 3D 환경에서 보게 될 것이라고 생각합니다. 그리고 이상적으로는 이러한 시스템들에 이 세 가지 특성이 모두 있었으면 합니다:
[16:29] 우리는 그것들이 강력하고 표현력이 있기를 원하며, 특히 규제 산업에서는 안전하고 감사 가능하기를 원합니다. 그리고 내부 사용자든 외부 사용자든 사용자들을 위해 이러한 시스템들이 빠르고 직관적이기를 원합니다. 그리고 대부분의 것들과 마찬가지로, 이러한 시스템을 순진하게 구축하면 세 개 중 두 개 또는 어쩌면 세 개 중 하나만 얻을 수도 있습니다. 그래서 이것을 특별히 안전하고 감사 가능하게 유지하기 위해서는 좀 더 많은 연구가 필요하다고 생각합니다.
[17:01] 하지만 우리가 이것을 제대로 해낸다면 꽤 놀라울 거라고 생각해요. 그러니까 당신이 시스템에 와서 데이터에 대한 모든 질문을 하고, 시각적인 응답을 얻고, 데이터를 걸러내고 집중하도록 돕고 데이터를 설명해 주는 시스템을 갖는다고 상상해 보세요. 저는 이런 종류의 시스템을 구축하는 것에 상당히 고무적인 느낌을 받는데, 그것들이 엄청나게 강력할 것이라고 생각하기 때문입니다. 이미 진행 중인 건설 프로젝트에 새로운 동료를 온보딩하는 것에 대해 생각해 볼 수 있습니다.
[17:29] AI 파트너와 함께 혁신적인 해결책을 찾거나, 다양한 이해관계자들을 한자리에 모아 함께 의사결정을 하고 모두가 같은 방향을 보도록 만드는 것입니다. 그리고 그 점에 덧붙여, 저희는 이러한 종류의 시스템을 커뮤니티 참여 플랫폼에 통합했습니다. 저희 연구 그룹은 특정 프로젝트가 진전될 수 있도록 대중의 참여를 이끌어내는 데 많은 전문성을 가지고 있습니다. 하지만 특정 건설 프로젝트와 관련해서는 현재 많은 저항이 있습니다.
[18:00] 그리고 우리는 이 특정 유형의 시스템을 통해 사람들이 모여 합의에 더 빨리 도달할 수 있기를 희망합니다. 이러한 종류의 회의에 오는 많은 사람들이 CAD 도면을 읽을 수 없기 때문에. 하지만 이것을 그들에게 설명하고 그들의 개인적인 상황에 이 상황이 어떻게 영향을 미치는지 설명해 주는 맞춤형 시스템을 갖춘다면, 사람들이 더 빨리 같은 생각을 하게 되기를 바랍니다. 그래서, 아시다시피, 우리는 표면만 긁을 수 있을 뿐입니다.


