60개 데이터센터가 전력망에서 사라진 그날 밤 — 그리고 그것이 AI의 한계에 대해 내게 가르쳐 준 것

나는 한 전력회사 임원과 통화를 하고 있었는데, 그가 한 말이 나를 얼어붙게 했다.

"그날 밤 전력망이 잃은 것은 전력이 아니었습니다. 잃은 것은 수요였습니다. 그리고 그에 대한 대응 지침을 가진 사람은 아무도 없었습니다."

그가 말한 것은 2024년 7월 10일이었다 — 버지니아주 페어팩스에서 발생한 단 한 번의 낙뢰가 60개 데이터센터의 동시 차단을 촉발해, 2분도 채 안 되는 시간에 1,500메가와트의 전력 수요를 증발시킨 그날 저녁 말이다. 이는 대략 보스턴 전체의 전력 소비량에 해당하며, 양치질을 하는 시간 안에 사라진 셈이다. 북미전력신뢰도협회 — 4억 명의 불을 밝혀 주는 연방 기관인 NERC — 는 이를 훗날 "신뢰도에 대한 5급 화재"라고 불렀다.

그리고 나는 그 자리에 앉아 이렇게 생각했던 것을 기억한다: 이것이 바로 내가 경고해 온 그 사건이다. 발전 실패가 아니다. 사이버 공격도 아니다. 자동화된 보호 로직의 연쇄로, 각 시스템은 지시받은 그대로 정확히 작동했지만, 그것들이 모여 아무도 설계하지 않은 결과를 만들어 냈다. 전력망은 무언가 잘못되었기 때문에 무너진 게 아니다. 전력망이 무너진 것은 모든 것이 올바르게 — 잘못된 시간에, 잘못된 순서로, 아무도 모델링하지 않은 규모로 — 돌아갔기 때문이다.

이 글은 그날 밤 실제로 무슨 일이 있었는지, 현재의 AI "솔루션" 물결이 왜 상황을 더 악화시켰을지, 그리고 그 대신 Veriprajna의 우리 팀이 무엇을 만들어 왔는지에 대한 이야기다.

번개가 세계 인터넷 수도를 강타하면 어떤 일이 벌어지는가?

북부 버지니아는 전 세계 인터넷 트래픽의 70%를 처리한다. 이곳을 디지털 경제의 근간이라고 부르는 것은 비유가 아니다 — 말 그대로 그러하다. 그리고 그 7월 저녁, Dominion Energy의 Ox-Possum 230킬로볼트 송전선에서 피뢰기가 고장 나 영구 고장이 발생했다.

여기서부터 흥미로워진다. 전력망의 보호 시스템은 제 역할을 했다. 그것은 선로를 자동 재폐로하려 시도했다 — 고장이 해소되는지 보려고 차단기를 다시 올리는 것과 같은 표준 절차다. 시스템은 82초 동안 여섯 번, 선로 양단에서 각각 세 번씩 시도했다. 매 시도마다 짧은 전압 강하가 발생했다.

이 강하들은 그 자체로는 어느 것도 위험하지 않았다. 각각은 전력망 표준이 정상으로 간주하는 ±10% 범위 안에 머물렀다. 하지만 그 데이터센터 안의 무정전 전원 장치 시스템은 세고 있었다. 그것들은 단순한 규칙으로 프로그래밍되어 있다: 1분 안에 세 번의 전압 교란을 감지하면, 전력망이 고장 나고 있다고 간주하고 디젤 백업 발전기로 전환하라. 무슨 수를 써서라도 서버를 보호하라.

그래서 UPS 시스템들은 셋까지 셌고, 60개 시설이 동시에 이렇게 말했다: 우리는 빠집니다.

단일 송전선에서 발생한 일상적인 고장이 82초도 안 되는 시간에 1,500MW의 부하를 사라지게 했다 — 전형적인 발전소 고장보다 50배 빠른 속도다.

13개 주에 걸쳐 6,500만 명의 전기를 관리하는 PJM Interconnection의 전력망 운영자들은 갑자기 막대한 잉여 발전량을 갖게 되었다. 주파수는 60.047Hz로 급등했다. 정상적인 정전에서는 발전기를 잃었기 때문에 주파수가 떨어진다. 여기서는 발전기가 여전히 돌아가고 있는데 부하가 사라졌기 때문에 급등했다. 운영자들은 자신들이 훈련받은 것과 정반대의 일을 급히 해야 했다 — 그들은 변압기가 과부하되지 않도록 하려고 펜실베이니아의 가스 발전소에서 600MW를, 버지니아의 원자력 발전기에서 300MW를 수동으로 낮췄다.

그리고 데이터센터들은? 그들은 몇 시간 동안 디젤에 의존했다. 백업으로의 전환은 자동이었다. 전력망으로의 복귀는 그렇지 않았다. 그것은 시설별로 수동 개입을 필요로 했고, 기술자들이 재연결을 조율하는 동안 수천 갤런의 디젤을 태웠다.

나는 그것의 부조리함으로 자꾸 되돌아온다. 모든 산업을 변혁할 것이라 여겨지는 모델들을 품고 있는, 지구상에서 가장 정교한 컴퓨팅 인프라가, "하나의 고장에서 비롯된 여섯 번의 강하"와 "여섯 건의 개별 비상사태"를 구분하지 못하는 계수 알고리즘에 의해 오프라인 상태가 되었다.

"그냥 GPT를 쓰면 되잖아" 진영이 이걸 틀릴 줄 내가 알았던 이유

그 사건이 업계 언론에 보도되고 약 일주일 뒤, 우리 작업을 지켜봐 온 한 투자자로부터 이메일을 받았다. 그의 제안을 요약하면 이렇다: "그냥 전력망 데이터로 LLM을 미세 조정해서 이런 연쇄 반응을 예측하게 하면 안 되나요?"

나는 정중한 버전으로 정하기 전에 세 가지 다른 답장을 작성했다. 하지만 내가 하고 싶었던 말은 이것이었다:

아니요. 그리고 당신이 그런 질문을 한다는 사실 자체가 그 오해가 얼마나 깊은지를 정확히 말해 줍니다.

대규모 언어 모델은 확률적 엔진이다. 그것들은 시퀀스에서 다음에 올 법한 토큰을 예측한다. 그것들이 최적화하는 것은 그럴듯함 — 무엇이 옳게 들리는가 — 이지, 진실성 — 무엇이 옳은가 — 이 아니다. 이 구분은 마케팅 문구를 생성할 때는 학술적인 이야기에 그친다. 하지만 주파수가 목표치에서 0.036Hz 이내로 유지되어야 하며 그렇지 않으면 변압기가 과열되기 시작하는 시스템을 관리할 때는 이것이 치명적이다.

우리 팀과 나는 버지니아 사건 이후 몇 주 동안 그 실패 연쇄를 연구했고, 우리는 계속 같은 결론에 도달했다: 핵심 인프라에서 AI에 대한 지배적인 접근법 — 내가 "래퍼(wrapper)" 아키텍처라고 부르는 것, 즉 GPT-4나 Claude 위에 얇은 소프트웨어 계층을 씌워 놓고 그것을 솔루션이라 부르는 방식 — 은 여기서 쓸모없었을 것이다. 어쩌면 쓸모없는 것보다 더 나빴을 것이다.

표준적인 검색 증강 생성(Retrieval-Augmented Generation) 시스템이 전력망 데이터를 가지고 무엇을 할지 생각해 보라. 그것은 모든 것을 텍스트 조각으로 취급한다. Ox-Possum 선로에 관한 문서 하나와 UPS 라이드스루 표준에 관한 또 다른 문서를 검색해 올 수는 있지만, 변전소 A의 전압 강하가 밀리초 단위로 전자기적으로 변전소 B에 전파된다는 개념은 전혀 갖고 있지 않다. 그것은 키르히호프 법칙에 대해 추론할 수 없다. 동요 방정식이 무엇인지 알지 못한다. 그것은 물리적으로 불가능할 수도 있는, 자신감 있고 잘 서식화된 답을 생성할 것이다.

우리는 이 패턴이 다른 영역에서 펼쳐지는 것을 보았다. 2023년, Sports Illustrated는 저널리스트 페르소나와 기사 전체를 생성하는 래퍼 아키텍처를 도입했다 — 그럴듯하고, 세련되었으며, 완전히 조작된 것들이었다. 주가는 27% 떨어졌다. 미디어 회사에게 그것은 스캔들이다. 전력망 운영자에게 부하 분산 알고리즘에서의 그에 상응하는 "환각"은 주가를 폭락시키지 않는다. 그것은 전력망을 붕괴시킨다.

나는 이 실패 양상에 대해, 버지니아 교란에 대한 우리의 인터랙티브 분석에서 광범위하게 다뤘다. 그 분석에서 우리는 낙뢰부터 디젤 발전기까지 전체 연쇄를 지도로 그렸다.

우리가 구축하는 방식을 바꾼 논쟁

한 순간이 있었다 — 아마 2024년 8월 말, 우리가 심층 분석을 시작한 지 대략 3주 뒤였던 것 같다 — 내 엔지니어 두 명이 아키텍처를 두고 진짜 논쟁을 벌였던 순간이다. 한 명은 순수하게 신경망만을 쓰는 접근법을 만들고 싶어 했다: 방대한 모델을 과거 전력망 텔레메트리로 훈련시켜 물리 법칙을 암묵적으로 학습하게 하는 것이다. 다른 한 명은 암묵적 학습만으로는 충분하지 않으며, 반드시 인코딩해야 한다고 주장했다 — 물리 법칙을 모델의 손실 함수에 직접 말이다.

나는 그들이 거의 한 시간 동안 논쟁하도록 내버려 두었다. 내가 의견이 없어서가 아니라, 그 논쟁 자체가 내가 몇 달 동안 맴돌던 무언가를 명확하게 만들어 주었기 때문이다.

신경망만을 옹호하던 사람은 AC 최적 조류(Optimal Power Flow)에 적용된 표준 딥러닝 모델의 결과를 꺼내 보였다 — 전력이 전력망을 통해 어떻게 이동하는지 결정하는 핵심 최적화 문제다. 그 모델은 빨랐다: 추론에 52.6밀리초가 걸렸다. 하지만 우리가 버지니아 사건과 유사한 시나리오 — 갑작스럽고 대규모인 부하 감소 — 로 스트레스 테스트를 했을 때, 그것은 기본적인 조류 방정식을 위반하는 상태를 만들어 냈다. 그것은 물리적으로 존재할 수 없는 전력망 상태를 "환각"했다. 네트워크 토폴로지가 금지하는 방향으로 전류가 흐르도록 요구하는 버스의 전압 같은 것 말이다.

그다음 물리학을 우선하는 쪽을 옹호하던 사람은, 지배 편미분 방정식의 잔차를 신경망의 손실 함수에 직접 삽입하면 어떤 일이 벌어지는지 보여 주었다. 이것이 바로 물리 정보 신경망(Physics-Informed Neural Network), 즉 PINN이라 불리는 것이다. 그 모델은 단지 데이터로부터 패턴을 학습하는 데 그치지 않는다. 그것이 학습하는 패턴은 전자기 법칙에 의해 제약된 것이다. 그것이 내리는 모든 예측은 키르히호프 법칙, 그리고 주파수 안정성을 위한 동요 방정식과 일치해야 한다.

결과는 놀라웠다: 제약이 없는 모델의 0.73MW에 비해 실제값에서 0.64MW의 편차를 보였으며, 추론 시간은 50밀리초 미만이었다. 더 중요한 것은, 물리적으로 제약된 모델이 극단적인 시나리오에서도 실현 가능성을 유지했다는 점이다. 그것은 불가능한 전력망 상태를 환각할 수 없었는데, 물리 법칙이 그것을 허용하지 않았기 때문이다.

당신의 AI의 손실 함수가 물리 법칙을 포함할 때, 환각은 단지 가능성이 낮은 정도가 아니라 — 수학적으로 불이익을 받는다.

그 논쟁은 두 엔지니어가 같은 편에 서면서 끝났다. 그리고 그것은 우리가 지금 Veriprajna에서 구축하는 것의 토대가 되었다.

물리에 대해 거짓말할 수 없는 AI를 어떻게 만드는가?

우리가 개발한 아키텍처는 내가 때때로 "샌드위치"라고 표현하는 구조를 갖고 있다 — 물론 그 표현은 이 아키텍처의 정밀함을 과소평가하는 것이지만 말이다.

최상위 계층은 신경망이다. 그것은 인식을 담당한다: 비정형 데이터를 읽고, 의도를 추출하고, 엔티티를 인식한다. 대규모 부하 연계 요청이 200페이지짜리 PDF 신청서로 들어오면, 이 계층은 그것을 구조화된 매개변수로 파싱한다. 그것은 이 일을 잘한다. LLM은 인식 작업에 정말로 탁월하다.

중간 계층은 심볼릭이다. 이곳이 실제 추론이 일어나는 곳이며, 완전히 결정론적이다. 지식 그래프는 변전소, 송전선, 데이터센터 계약, 그리고 NERC 규정 준수 표준 사이의 관계를 저장한다. 하드코딩된 비즈니스 규칙 — 우리가 코드형 정책(Policy-as-Code)이라 부르는 것 — 은 추출된 모든 매개변수를 전력망 물리와 규제 요건에 비추어 검증한다. 아무리 프롬프트 엔지니어링을 해도 이 계층을 우회할 수 없다. 제안된 부하 상승률이 NERC TPL-001에 정의된 N-1 상정사고 제약을 위반하면, 시스템은 그것을 표시한다. 예외 없이. 안전에 대해 더 창의적으로 만드는 "온도(temperature)" 설정 따위는 없다.

최하위 계층은 다시 신경망이다. 그것은 심볼릭 계층에서 검증된 결정을 받아 자연어나 기계 제어 신호로 변환한다. 그것은 사고하는 자가 아니라 전달하는 자다.

이것이 내가 "글래스 박스(Glass Box)" 접근법이라고 말하는 것이다. 모든 결정에는 인용 사슬이 있다. "날 믿어, 난 AI야"라고 말하는 블랙박스 대신, 우리 시스템은 이렇게 말한다: "저는 이것을 표시했습니다. 제안된 상승률이 연계 계약 4.2조에 정의된 임계값을 초과하며, 이는 변전소 7의 PMU 데이터에서 나온 실시간 텔레메트리와 교차 검증되었기 때문입니다."

사람들은 항상 이에 대해 반박한다. "심볼릭 계층은 그냥 규칙 아닌가요? 단계만 더 추가한 전문가 시스템을 만드는 것 아닌가요?" 아니다. 신경망 계층은 규칙이 할 수 없는 부분 — 비정형 데이터의 인식, 수천 개 변수에 걸친 패턴 인식, 노이즈가 많은 센서 피드에서의 실시간 이상 탐지 — 을 담당한다. 심볼릭 계층은 신경망이 할 수 없는 부분 — 보장된 규정 준수, 물리적 실현 가능성, 감사 가능성 — 을 담당한다. 어느 하나만으로는 충분하지 않다. 둘이 함께라야 서로의 사각지대를 메운다.

전력망은 지금 실제로 무엇을 필요로 하는가?

버지니아 사건에 대한 NERC의 대응은 신속했고, 인정할 만하게도 실질적이었다. 그들은 2024년 8월에 대규모 부하 태스크포스(Large Loads Task Force)를 설립했고, 9월에는 2등급 산업 권고 경보(Level 2 Industry Recommendation Alert)를 발령하여, 전력회사들이 대규모 부하를 모델링하고, 모니터링하고, 소통하는 방식을 전면 개편하도록 촉구했다.

NERC가 파악한 핵심 문제는 내가 비가시성이라 부를 만한 것이다. 전력망 운영자들은 그 60개 데이터센터 내부를 들여다볼 수 없었다. 그들은 UPS 계수 로직에 대한 실시간 텔레메트리도 없었고, 시설이 언제 차단 임계값에 다가가고 있는지에 대한 가시성도 없었다. 데이터센터들은 자신들을 지나치게 큰 주택쯤으로 취급하는 시스템으로부터 기가와트를 끌어다 쓰는 블랙박스였다.

나에게 진정한 희망을 주는 하나의 기술적 진전은 PERC1 모델 — 전력 전자 차단 및 재연결(Power Electronic Ceasing and Reconnecting) — 이다. 전통적인 부하 모델은 모터와 히터, 즉 고장 시 점진적으로 느려지는 장치들을 위해 설계되었다. 데이터센터는 느려지지 않는다. 그것들은 전력 전자 스위칭을 통해 밀리초 단위로 소비를 완전히 중단한다. PERC1은 이 동작을 표현하기 위해 특별히 설계된 최초의 모델이며, 7월 10일과 같은 사건 동안 실제로 무슨 일이 일어나는지 예측하고자 하는 모든 시뮬레이션에 매우 중요하다.

하지만 모델만으로는 충분하지 않다. 데이터센터는 능동적 참여자가 되어야 한다. 즉 전력망 안정성에서, 상황이 불편해질 때 연결을 끊어 버리는 수동적 소비자가 아니라 말이다.

이 지점에서 OpenADR 3.0 — 현대화된 자동 수요 반응 표준 — 이 필수적인 것이 된다. 구버전은 분 단위 미만의 응답 시간을 가진 투박한 XML 메시징을 사용했다. 3.0 버전은 초 단위 미만의 지연 시간을 가진 RESTful API와 JSON을 사용한다. 그것은 "앞으로 60초 안에 언젠가 부하를 줄여 주세요"와 "지금 당장 50MW의 배치 처리를 당신의 오리건 시설로 옮기세요"의 차이다.

데이터센터가 피크 기간에 연간 전력 사용량의 단 0.5%만 줄인다면, 새로운 가스 발전소를 단 하나도 짓지 않고도 100GW의 신규 용량을 전력망에 연결할 수 있다.

EPRI의 DCFlex 이니셔티브는 이 전제 위에 구축된 자발적 수요 반응 프로그램에 이미 데이터센터들을 모집하고 있다. 계산은 설득력이 있지만, 그 실행에는 전력망 제약과 서비스 수준 협약을 모두 준수하면서 지리적 지역들 사이에서 계산 워크로드를 동적으로 이동시킬 수 있는 AI가 필요하다. 그 오케스트레이션 계층 — 초 단위 미만의 응답을 낼 만큼 빠르고, 물리를 준수할 만큼 똑똑하며, 규제 당국이 감사할 수 있을 만큼 투명한 — 이야말로 바로 우리의 PINN 기반 아키텍처가 제공하도록 설계된 것이다.

우리가 PINN을 뉴로-심볼릭 스택과 어떻게 통합하는지에 대한 전체 기술적 설명을 보려면, 버지니아 교란에 관한 우리의 연구 논문을 참고하라.

버지니아의 문제가 모두의 문제인 이유

나는 인적 비용에 대해 이야기해야겠다. 기술 커뮤니티는 전력망 안정성을 추상적으로 논하는 경향이 있기 때문이다.

Dominion Energy의 데이터센터 용량은 오늘날 4GW에서 계약 용량 기준 거의 40GW까지 성장할 것으로 전망된다. 버지니아주는 지난 10년 동안 데이터센터 운영사들에게 27억 달러의 보조금을 지급했다. 이 주는 전망되는 부하를 감당하기 위해 283억 달러 규모의 신규 송전 인프라와 40% 더 많은 송전 용량이 필요하다 — 이는 주의 자체 합동 입법 감사·검토 위원회(Joint Legislative Audit and Review Commission)조차 "달성하기 매우 어렵다"고 평가하는 구축 속도다.

한편, 지역 용량 가격은 833% 급등했다. 주거용 전기 요금은 2045년까지 월 380달러에 이를 것으로 전망된다. 북부 버지니아 데이터센터들은 2023년에 냉각을 위해 거의 20억 갤런의 물을 소비했는데 — 이는 5만 명에게 공급하기에 충분한 양이다 — 그리고 거의 9,000대의 디젤 백업 발전기에 의존하고 있으며, 이 발전기들은 7월 10일이 입증했듯이 단순한 백업이 아니라 운영 전략의 핵심 부분이다.

에너지부는 상당한 개입이 없다면 정전이 오늘날 연간 2.4시간에서 2030년까지 430시간 이상으로 급증할 수 있다고 전망한다.

나는 데이터센터에 반대하는 사람이 아니다. 내 회사는 이 시설들이 제공하는 컴퓨팅 인프라 덕분에 존재한다. 하지만 나는 전력망을 무한한 자원처럼 취급하고 AI 자체를 어떻게든 알아서 해결해 줄 마법의 텍스트 상자처럼 취급하면서 AI 컴퓨팅을 계속 확장할 수 있다는 발상에 깊이 반대한다.

새벽 2시의 깨달음

어느 밤이 있었다 — 아마 9월 초, 우리의 분석이 한창일 때였던 것 같다 — 내가 7월 10일 사건의 PJM 주파수 데이터를 검토하고 있던 밤이다. 나는 아마 백 번째로 60.047Hz 급등을 응시하고 있었다. 그리고 이전에는 명확히 표현하지 못했던 무언가가 딱 맞아떨어졌다.

데이터센터의 UPS 시스템은 설계된 그대로 정확히 작동했다. 전력망의 자동 재폐로는 설계된 그대로 정확히 작동했다. PJM의 운영자들은 훈련받은 그대로 정확히 행동했다. 개별 행위자 하나하나가 올바르게 행동했다. 그 재앙은 상호작용에서 — 서로 대화하도록 설계된 적이 없는 시스템들 사이의 틈에서 — 비롯되었다.

이것은 내가 어디서나 기업 AI 도입에서 목격하는 것과 똑같은 실패 양상이다. LLM은 설계된 대로 한다 — 그럴듯한 텍스트를 생성한다. 검색 시스템은 설계된 대로 한다 — 관련 문서를 찾는다. 사용자 인터페이스는 설계된 대로 한다 — 결과를 깔끔하게 제시한다. 그리고 이 모든 것이 합쳐져 물리적으로 불가능하거나, 법적으로 틀렸거나, 재정적으로 파멸적인, 자신감 있고 출처가 잘 갖춰진 답을 만들어 낸다. 어떤 계층도 실측 진실을 책임지지 않기 때문이다.

그것이 우리가 풀고 있는 문제다. 더 나은 챗봇을 만드는 것이 아니다. GPT에 더 똑똑한 프롬프트를 씌우는 것이 아니다. 진실이 구조적인 아키텍처를 구축하는 것이다 — 물리가 확률에 의해 무시될 수 없고, 논리가 환각될 수 없으며, 모든 출력이 규제 당국이나 엔지니어, 또는 판사가 결론에서 증거로 거슬러 따라갈 수 있는 인용 사슬을 갖는 아키텍처 말이다.

버지니아 정전은 시스템이 고장 나서 일어난 것이 아니었다. 그것은 시스템들이 각자 독립적으로 성공하되, 집단적 재앙을 낳는 방식으로 성공했기 때문에 일어났다. 그것이 바로 오늘날 핵심 인프라에 배치된 모든 AI 래퍼에 도사리고 있는 똑같은 실패 양상이다.

이것이 여기서부터 어디로 가는가

나는 앞으로 무엇이 올 것이라 생각하는지에 대해 솔직하게 말하겠다.

LLM 래퍼의 시대는 중요한 그 무엇에 대해서든 끝났다. 블로그 게시물을 생성하고 회의를 요약하는 데는 괜찮다 — 래퍼는 계속 존재하고 개선될 것이다. 하지만 틀린 답이 물리적 결과를 낳는 시스템 — 전력망, 금융 규정 준수, 의료 기기, 구조 공학 — 에 대해서는 업계가 갈라질 것이다. 한 길은 그 자체가 확률적인 "가드레일"을 갖춘, 확률적 모델을 감싸는 점점 더 정교한 프롬프트 사슬로 이어진다. 다른 길은 신경망 인식이 결정론적 추론에 정보를 공급하고, 그 추론이 해당 영역을 지배하는 실제 법칙에 의해 제약되는 하이브리드 아키텍처로 이어진다.

나는 내가 어느 길 위에서 구축하고 있는지 안다. 버지니아 전력망에 필요했던 것은 더 유창한 AI가 아니었다. 필요했던 것은 1,500MW의 부하가 82초 만에 사라질 때 무슨 일이 일어나는지를 미분 방정식 수준에서 이해하는 AI였다. 필요했던 것은 그 UPS 시스템들의 계수 로직이 차단을 향해 째깍거리는 것을 보고 개입할 수 있는 AI — 제안이 아니라, 1밀리초 이내에 발송되는 물리 검증된 제어 신호로 개입할 수 있는 AI였다.

전력 신뢰도는 이제 이사회 차원의 변수다. 다음번에 북부 버지니아에서 전력망이 깜박일 때 — 그리고 반드시 그럴 것이다, 부하가 송전 용량보다 열 배 빠르게 늘어나고 있기 때문이다 — 질문은 AI가 관여했는지 여부가 아닐 것이다. 질문은 그 AI가 물리를 이해했는지, 아니면 그저 다음 토큰을 예측했을 뿐인지가 될 것이다.