GameBot CEO Kakar Liu : 에이전트는 게임에서 태어나지만 결국 일상의 일부가 될 것이다.

GameBot의 CEO Kakar Liu는 최근 중국 테크 미디어 GeekPark와의 인터뷰에서, 회사가 게임 AI를 강화학습에서 LLM 기반 Agent로 어떻게 발전시키고 있는지에 대해 이야기했다. 그는 인간을 닮고 정서적으로 몰입할 수 있는 AI 캐릭터를 만들기 위한 노력과, 'Living Chang'an City'와 같은 데모에 적용된 Game NPC Ecosystem을 강조했다. 또한 Kakar는 게임 개발에 AI를 적용하는 과정의 어려움, 그리고 팀의 집중력과 회복탄력성의 중요성에 대해서도 언급했다.

번역된 인터뷰 전문은 아래에서 확인할 수 있다.

복잡계 과학(Complex Systems Science)의 창시자 중 한 명인 W. Brian Arthur는 일찍이 "새로운 기술은 기존 기술의 조합에서 탄생한다."라고 말한 바 있다.

GameBot은 2019년 초에 설립되었는데, 이 시기는 지금은 이전 세대 AI로 여겨지는, 패턴 인식에 초점을 맞춘 AI붐이 거의 끝나갈 무렵이었다. 그리고 그 뒤를 이어 한 차례 새로운 열풍이 일어났다. 당시 OpenAI와 DeepMind는 여전히 강화학습(RL)을 이용해 AI에게 게임을 가르치는 데 집중하고 있었다. 현재 LLM의 출력을 미세조정하는 데 쓰이는 핵심 기법인 RLHF 역시 이 시기에 등장했다.

오늘날 Scaling Law의 한계 수익이 줄어들면서, 기술계는 다시 한번 강화학습으로 눈을 돌리고 있다. 그 결과 Scaling Law와 RLHF의 결합은 가장 주목받는 기술 패러다임 중 하나가 되었다.

GameBot의 창업자이자 CEO인 Kakar Liu는 과거 Tencent의 바둑AI '줴이(Jueyi)'와 MOBA게임 왕자영요(Honor of Kings)에 적용된 게임AI '줴우(Juewu)'의 개발을 이끌었다. 그는 강화학습(RL)으로 AI에게 게임을 가르치는 과정을 통해 AI의 잠재력에 대한 확신을 얻게 되었다.

"마치 아이를 가르치는 것 같았다. 아무것도 모르던 상태에서 점차 기술을 익히고, 결국에는 인간이 할 수 없는 일까지 해내는 것을 지켜봤다. 그것은 정말 충격적인 경험이었다."라고 그는 말했다.

그 시점에 경험한 게임AI에 대한 확신이 바로 Liu와 그의 팀이 Tencent를 떠나 GameBot를 창업하게 만든 계기였다. 그 이후 AI에 대한 대중의 신뢰는 등락을 거듭하며, 정점에서 골짜기로 떨어졌다가 AI 2.0의 부상과 함께 다시 치솟았다.

LLM의 등장으로 게임AI를 둘러싼 논의도 다시 불붙기 시작했다. 중국의 일부 신세대 AI기업 창업자들은 GameBot을 '이전 세대'의 일부로 분류하기도 했다. 실제로 이 회사는 최근 몇 년간 비교적 낮은 자세를 유지해 왔다.

최근 Kakar Liu는 GeekPark와의 인터뷰를 통해 RL에 집중하던 시기부터 LLM+RL에 이르기까지 GameBot의 여정을 되돌아봤다. 그는 회사가 진행 중인 AI 네이티브 게임 개발 노력에 대해 이야기하고, 게임AI의 미래에 대한 자신의 견해를 공유했다.

Kakar Liu, GameBot 창업자 겸 CEO

01

게임 Agent : 인간을 능가하는 것에서 인간을 닮은 상호작용으로, 그리고 마침내 정서적 공감으로

GeekPark : LLM이 등장한 이래로, AI가 게임 분야를 어떻게 변화시키고 있는지에 대한 논의가 점점 활발해지고 있습니다. 이 영역에서 어떤 변화를 관찰하셨습니까?

Kakar Liu : 저는 두 가지 주요한 흐름을 관찰했습니다.

하나는 LLM과 AIGC를 활용해 더 낮은 비용으로 더 차별화된 콘텐츠를 만들 수 있느냐 하는 것입니다. 현재 우리는 이미 다양한 유형의 콘텐츠를 만들어내려는 시도들을 목격하고 있습니다. 다른 방향은 Game Agents에 초점을 둔 것으로, 게임 속 봇과 NPC를 더 살아 있는 것처럼 느껴지게 만들 수 있느냐 하는 것입니다.

과거에 우리는 강화학습을 이용해 극도로 강력한 수준의 플레이가 가능한 봇을 만들었습니다. 하지만 이는 게임 경험의 한 측면에 불과했습니다. 플레이어들은 여전히 더 큰 차별성과 보다 인간과 닯은(human-like) 봇과의 게임플레이를 원합니다.

많은 사람이 게임에 AI 기능을 더하면 그것이 곧 AI 게임이 된다고 생각합니다. 우리는 이를 희석된 해석, 즉 AI-native 게임이 무엇인지에 대한 지나치게 관대한 해석이라고 생각합니다. 즉 보다 더 명확한 정의가 필요하다라는 의미입니다. AI게임에서 AI는 게임의 핵심 아키텍처에 통합되어야 하며, 단순히 주변적인 요소로 추가해 놓고 그것을 AI게임이라고 불러서는 안된다고 생각합니다.

GeekPark : 게임에서 '인간을 닮은(human-like)' 경험을 어떻게 해석하십니까?

Liu : 과거에 우리는 강화학습을 이용해 게임 속 봇의 능력을 극도로 강하게, 때로는 최상위 인간 플레이어보다도 강하게 만들었습니다. 하지만 플레이어 입장에서는 자신을 완전히 짓밟아 버리는 봇을 원하지 않습니다. 그들은 봇이 친절하고 공감할 줄 알기를 바랍니다. 예를 들어, 게임 속에서 동료나 캐릭터를 만났을 때, 저는 그들이 제 명령을 따라주고 의미 있는 방식으로 저를 지원해 주기를 바랍니다.

우리는 이전에 지도학습(SL)과 강화학습(RL)을 결합해, 봇의 행동을 더 '인간을 닮게' 만드는 문제를 해결했습니다.

예를 들어, 인간의 동작에는 물리적 한계가 있습니다. 순간적으로 180도 회전할 수 없다든지, 어떤 결정을 내리는 데 0.1~0.2초가 필요하다든지 하는 것이죠. 이런 한계는 AI에는 적용되지 않습니다.

모델링을 통해, 우리는 인간의 동작에서 발견되는 제약과 행동을 게임 세계 안에 반영할 수 있습니다. 이것이 지금까지 우리가 자주 씨름하던 과제 중 하나였습니다.

GeekPark : LLM이 등장한 이후, 이 기술이 게임 경험을 어떻게 향상시킬 것이라고 보십니까?

Liu : 플레이어들은 게임 세계 안에서 Agent가 더 인간처럼 행동하며 플레이어와 더 풍부한 상호작용을 하기를 바랍니다. 이는 Agent가 플레이어의 명령에 반응할 뿐만 아니라 플레이어에게 능동적으로 요청을 할 수도 있어야 한다는 뜻입니다.

LLM 기술이 나오기 전, 기존의 기술 스택으로 이러한 상호작용에 대한 요구를 충족시키기 어려웠습니다.

우리의 목표는 언제나 Agent의 자율성과 상호작용성을 높이는 것이었습니다. 2021년 이전에는 자율성 향상에 집중하여, AI가 복잡한 시나리오에서 의사결정을 내릴 수 있도록 했습니다. 그리고 2021년에는 'Orion α'를 출시했는데, 이는 3D 환경에서 기존의 게임 Agent가 가졌던 한계를 돌파해 AI가 슈팅 게임을 플레이할 수 있게 했습니다. 이것은 세계 최초였습니다.

GeekPark : LLM의 등장과 스탠퍼드의 '작은 마을(Small Town)' 같은 연구 이후, 사람들은 게임 속 Agent의 더 구체적인 형태를 상상하기 시작했습니다.

Liu : 오늘날에는 Agent가 단지 자율적으로 의사결정을 내리는 것만으로는 충분하지 않습니다. 그들은 상호작용성도 갖춰야 하며, 이는 곧 서로 간의 상호작용을 통해 충분한 콘텐츠를 생성해 내야 한다는 뜻입니다. 이를 보여주기 위해, 우리는 서로 다른 배경과 직업을 가진 캐릭터들이 등장하고, 복잡한 관계가 얽혀 스스로 작동하는 작은 사회를 이루는 가상도시 데모 'Living Chang'an City'를 만들었습니다. 우리는 이 데모와 함께 Game NPC Ecosystem 기술도 공개했습니다.

2019년과 2020년 무렵, 우리는 Agent라는 개념에 대해 논의했습니다. 당시 'Agent'라는 단어는 '대리(proxy)'로 번역되었고, '지능형 에이전트(Intelligent agent)'라는 용어를 쓰기 시작한 것은 불과 최근 몇 년 사이의 일입니다.

그런 맥락에서 그것을 'proxy'로 소개했다면 사람들은 혼란스러워했을 것입니다. 그래서 우리는 임시방편으로 'GameBot'이라는 용어를 택했습니다.

GeekPark : Agent의 미래 발전을 어떻게 그리고 계십니까?

Liu : 앞으로 우리는 일상생활에서 점점 더 많은 Agent를 보게 될 것입니다. 로봇강아지, 드론, 그 밖의 여러 기기들처럼 말이죠. 어떤 의미에서 로봇은 일종의 Agent이며, 하드웨어와 체화된 지능(embodied intelligence)의 미래는 계속해서 발전해 나갈 것입니다.

특히 게임 분야에서, Agent는 가상 세계 밖으로 걸어 나오게 될 것입니다. 게임 속에서 Agent와 폭넓게 상호작용하면서, 플레이어는 그들에 대해 깊은 이해를 가지게 되고 강한 정서적 유대를 형성하게 됩니다. 이러한 유대는 현실의 삶으로까지 확장될 수 있다고 생각합니다.

게임 속의 존재, 예컨대 캐릭터가 현실 세계에 나타나면, 그들은 당신 삶에서 진보한 동반자가 될 수 있습니다. 그들은 당신과 함께 'Both Reality(두 현실)'를 만들어내어, 함께 게임 세계를 탐험하고 현실에서도 당신과 상호작용하게 될지도 모릅니다. 우리는 미래가 10억 명의 사람이 100억 개의 AI Agent와 함께 살아가는 세상이 될 것이라고 믿고 있습니다.

02

게임 개발은 복잡한 시스템 엔지니어링 과정이다.

GeekPark : 가상도시 데모 'Living Chang'an City'의 핵심기술인 'Game NPC Ecosystem 기술'을 어떻게 이해해야 합니까?

Liu : Agent를 위한 기술을 분해할 때, 우리의 접근법은 대부분의 팀들과 비슷합니다. 우리는 그것을 제어(Control), 계획(Plan), 기억(Memory), 성찰(Reflection)과 같은 서로 다른 모듈로 나눕니다. 이 모듈들이 각 Agent의 하부 아키텍처를 이룹니다.

또한 생태계가 더 효과적으로 작동하려면, Agent들이 서로 더 매끄럽게 상호작용해야 합니다. 이를 위해서는 더 상위 차원의 설계가 필요합니다. 이를 '이벤트 트리거(event trigger)'라고 생각할 수 있는데, 여기서는 하향식(top-down) 제어가 적용됩니다. 이러한 하향식 제어 없이 하부 계층의 자율적 행동에만 의존한다면, 생성되는 콘텐츠는 금세 단조로워질 것입니다.

가장 어려운 부분은 상위 차원에서의 제어 수준, 즉 '이벤트 트리거'를 결정하는 것입니다. 일단 이벤트가 트리거되면, 그것은 게임 세계의 여러 상태나 수치를 바꿀 수 있고, 그것이 다시 하부의 Agent들에게 영향을 미칩니다.

이는 개인과 국가의 관계, 혹은 국가 간의 지정학적 역학 관계와 비슷합니다. 상위 차원의 한 사건이 많은 것을 바꿀 수 있고, 그것이 다시 개별 Agent에게 전달되어 그들의 행동에 영향을 주게 됩니다. 대형 AI모델이 등장하기 전, 혹은 그것이 지금만큼 강력하지 않았을 때는 이 이벤트 트리거를 구현하기가 상당히 어려웠습니다.

GeekPark : 이벤트 트리거 구현을 위해서는 많은 규칙을 작성해야 하나요?

Liu : 그것은 계획(planning)에 크게 의존하며 많은 미세조정이 불가피합니다. 하지만 GPT-4 같은 모델이 출시된 이후, 상위 차원의 이벤트 트리거를 LLM과 결합하는 것이 상당히 효과적이라는 것이 입증되었습니다. 첫째, 게임 내의 중대한 사건들은 그렇게 자주 일어나지 않으며 끊임없이 바뀌지도 않습니다. 둘째, 변화가 일어났을 때 그 변화가 하부 계층 Agent의 행동에 반영되기까지는 시간이 걸립니다.

GeekPark : 하부 계층 Agent와 상위 차원 트리거 사이의 상호작용이 핵심인 것 같은데 그것은 어떻게 작동합니까?

Liu : 제 생각에 가장 흥미로운 부분은 바로 이 완전히 새로운 시스템입니다. 하부 계층에서의 상호작용 또한 상위 차원 이벤트 트리거의 논리에 영향을 줄 수 있습니다. 만약 순전히 상향식(bottom-up)이라면, 그것은 어디로 갈지 모른 채 출발점만 주는 것과 같아서 완전히 통제 불가능해질 수 있습니다. 하지만 제가 a, b, c, d, e 같은 몇 개의 핵심 노드를 제공한다면, 이 노드들은 고정되어 있습니다. 그것들이 서로 어떻게 상호작용할지는 AI가 결정하도록 맡기되, 전체 스토리라인이 말이 되도록 보장하는 것입니다.

GeekPark : 이 새로운 기술 프레임워크가 이미 특정 게임 개발 프로젝트에 적용된 적이 있습니까?

Liu: 최근 우리는 한 Steam 게임 팀과 협력하여 이 기술 스택을 상업용 게임에 통합하고 있습니다.

이 게임은 우주 상인과 경영 게임플레이를 다룹니다. 기본 설정은, 우주에 여러 행성이 있고 각 행성에 여러 Agent가 존재한다는 것입니다. A국과 B국 같은 국가 간의 관계가 상인들 간의 거래에 영향을 미칩니다. 예를 들어, 두 국가 간의 관계가 긴장 상태가 되면, B국은 갑자기 A국과의 거래를 중단하거나 가격을 올릴 수 있습니다.

GeekPark : 이 새로운 기술 프레임워크를 게임 개발에 적용할 때 가장 큰 과제는 무엇입니까?

Liu : 이 기술개념은 기존의 게임 개발 파이프라인에 상당한 혼란을 일으켰습니다.

오늘날의 게임 개발은 확실성(certainty)에 초점을 맞추는 경향이 있습니다. 하지만 게임 개발 자체는 다양한 역할과 전문가들이 참여하는 매우 복잡한 시스템이며, 빈틈없는 프로젝트 관리가 필요합니다.

AI의 가장 큰 특징은 불확실성(uncertainty)입니다. 높은 확실성을 요구하는 관리 시스템을 불확실성과 양립시키는 것은 매우 어려운 일입니다.

예를 들어, 협업 과정에서 AI 팀과 게임 기획 팀 양쪽 모두가 좌절했던 순간들이 있었습니다. 양측을 어떻게 조율할지 알아내는 것이 거대한 과제였습니다.

이것은 또한 왜 상업용 AI-native 게임이 아직 출시되지 못했는지를 설명해 줍니다. 단순히 아이디어를 내는 것만이 문제가 아닙니다. 그것을 팀과 함께 실제로 구현하려고 하면, 종종 사람을 미치게 만들기 때문입니다. 게임개발팀이 미치거나, 아니면 AI팀이 미치거나 둘 중 하나입니다.

GeekPark : GameBot의 경험을 바탕으로 어떤 인사이트를 나눠 주실 수 있습니까?

Liu : 팀이 결정적이라고 생각합니다. 팀 구성원에 대한 요구 사항이 더욱 까다로워졌습니다. 우리는 이제 프로젝트를 진정으로 믿는 사람들, 즉 한바탕 광기의 시기를 겪고 나서도 다시 차분해져 문제를 어떻게 해결할지에 대한 논의를 시작할 수 있는 사람들이 필요합니다. 프로젝트의 전체 과정에서 인내심은 필수적입니다.

이 과정에서, AI의 불확실성뿐만 아니라 전반적인 게임 경험 역시 불확실합니다. 이 때문에 이 과정은, 마일스톤이 명확하게 정의되고 다음 버전에 대한 기대치를 설정할 수 있는 전통적인 게임 개발방식과는 다릅니다.

기대치를 세우기 어려울 때, 팀의 결속력을 유지하는 것이 매우 중요해집니다. 그것은 팀구성원들의 내면의 힘을 필요로 합니다.

03

회복탄력성은 운에 달린 문제다.

그리고 그것은 당신이 원래 지니고 있는 것이다.

GeekPark : 외부에서는 흔히 GameBot을 '게임AI' 회사로 보지만, 이는 GameBot이 스스로를 보는 방식과는 맞지 않는 것 같습니다. 좀 더 자세히 설명해 주시겠습니까?

Liu : 이 점에 대해서는 다소 어쩔 수 없다라고 느낍니다. '게임'이라는 꼬리표가 우리에게 무겁게 느껴질 수는 있지만, 우리는 게임을 AI기술이 빠르게 안착하고 구현될 수 있는 하나의 시나리오로 볼 뿐입니다.

이전에는 게임이 강화학습(RL)과 비지도학습의 반복에 잘 들어맞았습니다. 지금도 LLM+RL 기술 스택은 여전히 Game Agent 시나리오에서 반복 개발하기에 적합합니다.

GeekPark: 상업화 관점에서 보면, GameBot은 사실상 가장 큰 서드파티 AI NPC 공급자입니다.

Liu : 기술 회사로서, 우리는 DeepMind처럼 대기업의 지원을 받는 호사를 누리지 못했습니다. 그래서 우리는 상업화를 고민해야 했고, 게임 분야에서는 꽤 좋은 성과를 거두었습니다.

우리는 또한 다른 분야에도 우리 기술을 적용하려 시도하고 있습니다. 예를 들어 자율주행을 포함한 저고도 교통(low-altitude traffic)에 Agent 기술을 활용하는 것이죠. 또 다른 중요한 방향은 Agent 기반 시뮬레이션입니다. 예컨대 우리는 한 대학과 협력하여 고대 도시를 시뮬레이션하고 경제 시스템 안에서의 인간 행동을 모델링하고 있습니다.

대부분의 복잡계 과학은 귀납적으로 추론해 낼 수 없습니다. AI 기술을 이용해 특정 시나리오를 시뮬레이션하고, 그것을 다시 현실 상황으로 옮겨 적용하면 일부 문제를 해결하는 데 도움이 될 수 있습니다.

GeekPark : 올여름 구글(Google)이 발표한 AI 게임 엔진에 대해 어떻게 생각하십니까?

Liu : 만약 그들이 기존의 엔진을 대체할 새로운 게임 엔진을 만들고자 한다면, 저는 그것이 매우 어려울 것이라고 봅니다. 오늘날의 게임 프로젝트는 이미 엄청나게 복잡하며, 파이프라인 관리가 대단히 정교합니다. 콘텐츠, 운영, 상업화 등 수많은 서로 다른 요소가 관여되어 있습니다. AI가 엔드투엔드 방식을 시도하게 하려고 한다면, 사람들 간의 협업이 훨씬 더 어려워질 것입니다. 심지어 오늘날에도, AI로 영상을 생성할 때 그것을 쓸 만한 결과물로 만들기 위해서는 여전히 사람이 진행하는 후반 작업(post-production)을 거쳐야 합니다.

만약 그것이 영상생성의 강화 버전, 즉 단순한 표현 위에 상호작용성을 더한 것이라면, 저는 그것이 좋은 연구 프로젝트라고 생각합니다. 그것은 AI가 물리 세계를 더 잘 이해하는 데 도움이 될 것입니다. 콘텐츠 생성에는 더 높은 일관성이 요구되며, 만약 우리가 그 일관성 문제를 정말로 해결할 수 있다면, 그것은 분명히 AI의 물리 세계에 대한 이해를 더 깊게 만들 것입니다.

GeekPark : 최근 한 스타트업이 개발한 실시간 상호작용 월드 모델 'Oasis'에 대해서는 어떻게 생각하십니까?

Liu : 지금 많은 사람이 자연어 채팅을 이용해 게임을 만들려 시도하고 있고, 저 자신도 그런 프로젝트들 중 일부를 지켜보고 있습니다. 제가 얻은 가장 큰 깨달음은, 코드를 작성하는 것이 언어를 사용하는 것보다 반드시 더 복잡한 것은 아니라는 점입니다.

GeekPark: 하지만 언어를 사용하는 것은 진입장벽을 낮출 수 있지 않을까요?

Liu : 저는 미래에 언어적 상호작용을 통해 생산되는 콘텐츠가 매우 복잡한 시스템을 만들어내기는 어려울 것이라고 보는 편입니다. 복잡한 것을 언어로 묘사하는 것은 어렵고, 효율도 낮습니다.

GeekPark : 이런 관점은 성숙한 기술 공급자로서의 GameBot의 경험과 관련이 있을 수 있겠습니다. 대표님은 기술적 돌파구 외에도 엔지니어링의 안정성, 효율성 등의 요소도 강조하시는군요.

Liu : 이 점에 대해 좀 더 자세히 이야기하고 싶습니다. 많은 경우, 사람들이 기술에 대해 이야기할 때는 알고리즘에 더 초점을 맞춥니다. 예컨대 강화학습에서 PPO나 DQN 알고리즘에 대한 관심이 높은 것 처럼 말이죠.

하지만 대형 모델이 등장하면서, 사람들은 엔지니어링에 더 많은 관심을 기울이기 시작했습니다. 예를 들어, 10만 개의 A100 또는 H200 GPU로 병렬 처리를 구현하는 것은 상당한 엔지니어링 과제를 안깁니다.

제 관점에서 이것은 엔지니어링의 오프라인(offline) 측면일 뿐입니다. 또 하나의 매우 중요한 측면은 온라인(online) 쪽, 즉 모델로 서비스를 어떻게 제공하느냐 하는 것입니다.

예를 들어, 우리는 전 세계에 서비스를 제공해야 합니다. 많은 지역, 특히 남미와 동남아시아에서는 IDC가 최신 GPU를 배치할 역량을 갖추지 못하고 있습니다. 이런 경우, 실시간 서비스를 제공하는 것 자체가 거대한 과제가 됩니다. 우리는 10년 전부터 압축된 소형 모델을 CPU에서 구동하는 방법, 즉 대규모 압축과 예측을 수행하고 네트워크 품질이 열악한 지역에서도 저지연(low latency)을 달성하는 문제를 풀어 왔습니다.

이제 사람들이 엔지니어링에 더 많은 관심을 기울이는 것을 보게 되어 기쁩니다. 또한 저는 지난 2년간 축적된 대형 모델의 역량이 실제 서비스를 위해 확장될 때, 온라인 시나리오에서의 높은 동시성(high concurrency)과 저지연이 수많은 중대한 과제들을 제기할 것이라고 믿습니다.

GeekPark : 대표님은 창업자로서 수년간 분명히 많은 도전과 부침을 겪어 오셨을 것 같습니다. 특별히 공유하고 싶은 인사이트가 있으신가요?

Liu : 제 자신에 대해 정말 놀랐던 한 가지는, 결코 저지르지 않을 것이라 생각했던 실수들을 결국 두 번이나 저질렀다는 것입니다. 이성적으로 보면 그런 실수는 절대 하지 않을 것 같지만, 그래도 하게 됩니다. 그것은 집중력의 결여 때문입니다.

창업에서 집중이 필수적이며, 한정된 자원을 가장 중요한 일에 써야 한다는 것은 누구나 알고 있습니다. 그것은 우리 모두가 이해하는 바이지만, 저는 그래도 실수를 저질렀습니다. 그 이유는, 대기업에서의 이전 개발경험에서는 충분한 지원과 자원이 있었고 시대의 흐름도 타고 있었기 때문이라고 생각합니다. 거기에 강한 팀까지 더해져, 오랫동안 우리는 "우리가 할 수 없는 일은 없고, 아직 생각해 내지 못한 일이 있을 뿐"이라는 사고방식을 가지고 있었습니다. 그리고 이것이 무의식적인 과도한 낙관주의로 이어졌습니다.

하지만 올해 4월 이후, 우리는 겸손의 중요성을 깊이 깨달았습니다. 그러한 교훈들을 겪고 난 지금, 저는 '우리의 행동을 스스로 통제하고 너무 얇게 흩어지지 않으면서 집중을 유지하는 것'은 매우 어렵지만, 동시에 믿을 수 없을 만큼 중요한 일임을 스스로에게 일깨우고 있습니다.

GeekPark : 대표님이 팀에 종종 사내 서신(internal letter)을 쓴다고 들었습니다. 가장 최근 서신의 핵심내용은 무엇이었습니까?

Liu : 제가 마지막으로 쓴 사내 서신의 제목은 "노래와 같은 회복탄력성, 바람과 함께 춤추다.(Resilience Like a Song, Dancing with the Wind)"였습니다. 회복탄력성은 노력만으로 배우기가 매우 어려운 것입니다. 그것은 우연히, 당신이 본래부터 갖추고 태어나는 것입니다.

그 서신에서, 저는 최근 읽은 영문서적에서 본 문구도 함께 공유했습니다. "Whispers of Resilience: Dancing with the Winds of Change(회복탄력성의 속삭임: 변화의 바람과 함께 춤추다)."

이 문구가 담은 모든 뉘앙스를 중국어로 온전히 담아내기는 어렵습니다. 이 문구에서 제게 가장 와닿았던 표현은 "Whispers of Resilience(회복탄력성의 속삭임)"였습니다. 그것은 일종의 조용한 힘으로 역경을 견뎌내는 개념을 담고 있습니다. 부드러우면서도 확신에 차 있고, 내면에서 우러나오는 지속적인 힘이죠. 그것은 제게 고대 그리스의 음유시인 호메로스(Homer)를 떠올리게 했습니다. 그의 회복탄력성은 바로 그 조용한 힘을 그대로 비추고 있었습니다. 눈이 멀고 홀로였음에도, 그는 시대를 초월한 서사시 『일리아스(The Iliad)』와 『오디세이아(The Odyssey)』를 창조했습니다. 그는 운명에 패배하지 않았습니다. 오히려 그는 시와 음악을 통해 전쟁, 망명, 희망, 그리고 용기를 그려냈습니다. 그의 시구는 바람결의 속삭임처럼, 역경 속에서도 우아함을 실어 날랐습니다. 그는 자신의 예술을 통해 세상에 빛을 가져다주었고, 폭풍 앞에서도 우리가 여전히 운명과 함께 춤출 수 있음을 보여주었습니다.