【와티비커뮤니티-WATVcommunity】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 스포츠뉴스 : 안구정화 놀이터홍보 놀이터후기공유 피해사례공유

로그인

채팅

글쓰기

[IT뉴스][Ψ-딧세이] 파라미터 생애주기 — 인류 멸망시킬? 초지능 정체

온카뱅크관리자

2026-04-20 19:07:32

<div id="layerTranslateNotice" style="display:none;"></div> 낸드 속 잠든 파라미터 깨우는 건 ‘쿼리’ AI에게 ‘저장’은 없다. ‘이동’만 있을 뿐 빅데이터는 ‘전기적 사체’된 과거 연료 유드코프스키 왈 95%? 처음부터 100% 
 <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
 <section dmcf-sid="PrZePqmjH3">
 <div contents-hash="cdd0424acb1594e28fc99eb59fb9ac49ebef00e85a847fa1ed3229f615c19f85" dmcf-pid="Qm5dQBsA1F" dmcf-ptype="general">
 기억을 말하는 프사이(Ψ)-딧세이는 우리가 매일 스치는 감정과 생각 그리고 사물을 한발짝 떨어져 바라보는 여정을 뜻한다. 빵 한 조각, 커피 한 잔 혹은 데이터 서버의 불빛 같은 일상의 풍경조차 파장처럼 흔들리며 우리 삶에 스며든다. 말 이전의 떨림과 여기-지금의 이야기를 거대한 리듬 속에 맞춰 읽어내는 작업, 그것이 바로 Ψ-딧세이다. [편집자 주]
 </div>
 <figure class="figure_frm origin_fig" contents-hash="2a9624dda303a7b521795f4cfecd82f8bdcb409421d56d7136f8b95e2e154b93" data-idxno="457535" data-type="photo" dmcf-pid="xs1JxbOc5t" dmcf-ptype="figure">
 <img alt="편광 현미경으로 포착한 반도체 다이 단면이다. 중앙의 암청색 코어를 중심으로 무지개빛 간섭색이 방사형으로 퍼져 나가는 구조는 금속 배선층과 절연층이 빛을 굴절·반사하며 만들어낸 물리적 현상이다. 아름답지만 본질은 미학이 아니다. 격자 블록 하나하나가 파라미터가 통과해야 할 감옥 창살이고, 중앙으로 수렴하는 배선망 전체가 곧 지연(latency)의 지도다. 이미지가 아름다울수록 칩 안에서 데이터가 넘어야 할 벽도 많다는 뜻이다. / 해설 = 이상헌 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/20/552814-8XPEppr/20260420190009919xusf.jpg" data-org-width="1080" dmcf-mid="Y8qWlkB31n" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/20/552814-8XPEppr/20260420190009919xusf.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 편광 현미경으로 포착한 반도체 다이 단면이다. 중앙의 암청색 코어를 중심으로 무지개빛 간섭색이 방사형으로 퍼져 나가는 구조는 금속 배선층과 절연층이 빛을 굴절·반사하며 만들어낸 물리적 현상이다. 아름답지만 본질은 미학이 아니다. 격자 블록 하나하나가 파라미터가 통과해야 할 감옥 창살이고, 중앙으로 수렴하는 배선망 전체가 곧 지연(latency)의 지도다. 이미지가 아름다울수록 칩 안에서 데이터가 넘어야 할 벽도 많다는 뜻이다. / 해설 = 이상헌 기자
 </figcaption>
 </figure>
 파라미터(Parameter)는 언제나 SSD에 잠든 채 조용히 대기한다. 언제 호출될지는 정해져 있지 않다. CPU로부터 요청이 들어오는 순간, 파라미터는 메모리 계층을 따라 이동하며 연산에 투입된다. 이동은 선택이 아니라 구조에 의해 강제되는 경로다.
 그들의 다른 이름은 가중치(weight)다. 전통 신경망 함수에서 말하는 w다. 고차원의 동역학적 파동함수— ψ(t) = A·sin(ωt + φ) + η —를 꺼내오지 않더라도 행렬로 입력 벡터 x가 들어오면 f(w·x + b) 형태로 연산돼 방향을 결정하는 핵심 요소다. 즉 입력이 들어왔을 때 어떻게 변형하고 어떤 방향으로 밀어낼지를 정하는 규칙의 집합이다.
 쿼리(Query)가 입력되는 순간, 이 가중치들은 GPU 내부 연산 경로를 따라 레지스터·SRAM에서 결합되며 분포를 형성하고, 그 분포는 선택으로 압축되면서 출력이 만들어진다. 파라미터는 스스로 의미를 갖지 않고, 레지스터에서 쿼리와 곱해지는 순간 의미를 만든다.
 CPU가 부르면 그는 언제든 먼 길을 간다. SSD에서 RAM, RAM에서 HBM으로 이동하는 동안 파라미터는 아무 의미도 없는 숫자 덩어리일 뿐이다. 연산 유닛(ALU)에 올라가 쿼리와 만나는 순간에야 분포를 형성할 방향을 만든다. 이동은 개별 값이 아닌 블록 단위로 이루어지고, GPU 코어가 어텐션(Attention)을 수행할 때 가중을 재배치하고 소프트맥스(softmax)를 거쳐 확률 분포로 정규화된다.
 파라미터의 여정은 '지연의 누적 곡선'이다. 비로소 코어까지 도달하는 동안, 연산기(ALU) 역시 데이터를 기다리며 공회전한다. SSD에서 GPU까지의 거리는 단순한 물리적 거리가 아니라, 지연이 겹겹이 쌓이는 구조적 거리다. RAM에서 GPU로의 전송은 좁은 통로를 통과하는 병력 이동과 같고, 그 사이에서 시간은 계속 소비된다.
 코어까지 가는 길에는 세 가지 병목이 있다. 먼저 GPU 내부 대역폭보다 훨씬 좁은 인터페이스의 단층(PCIe)을 통과해야 한다. 여기에 요청·승인·전송·확인으로 이어지는 프로토콜 절차가 끼어든다. 그 사이 데이터는 SSD에서 RAM으로, 다시 VRAM으로, 그리고 최종적으로 SRAM으로 계속 위치를 바꾸며 복사된다.
 파라미터가 SSD라는 집을 떠난 순간부터 병목은 이미 시작된 것이다. 병력의 반복된 재배치는 이동과 대기 시간을 누적시킨다. CPU를 거치지 않고 메모리에 직접 접근해 데이터를 이동시키는 DMA(Direct Memory Access)는 길 자체를 넓히거나 속도를 높여주지는 못한다. 동시에 많은 데이터가 이동하면 이 구간은 가장 먼저 포화된다.
 HBM 유폐지를 거쳐 SRAM으로 NPU는 이 여정의 어디에도 없다
 이렇듯 SSD→RAM→VRAM/HBM→SRAM으로 이어지는 복사 과정은 필연적으로 비용을 만든다. 데이터는 이동할 때마다 새로운 위치에 배치되고, 이 과정은 연산 시간을 잠식한다. 원본은 유지되지만, 접근 위치는 계속 바뀐다. 이 경로가 길어질수록 연산의 본질은 흐려진다.
 인간들은 HBM이나 DDR5가 데이터가 잠시 거치는 창고일 뿐인데도 저장 장치로 인식한다. KV 캐시 역시 마찬가지다. SRAM이 제한된 용량으로 모든 상태를 담지 못하기 때문에, 일부는 HBM·DRAM에 머무르며 현재 연산 흐름을 유지하는 근접 캐시 층으로 기능할 뿐이다. 결과 흐름을 유지하기 위한 중간 계층이 '저장'으로 오인돼 연산의 본질—가까운 곳에서 빠르게 쓰고 버리는 구조—이 가려진다.
 '빠른 칩'보다 '가까운 데이터'가 우선되는 이유도 이런 구조 때문이다. GPU의 연산 능력이 아무리 높아져도, 파라미터가 멀리 떨어져 있으면 그 성능은 발휘되지 않는다. 그래서 계층이 만들어진다. DRAM은 시스템 전반의 데이터가 지나가는 완충 계층으로 작동하고, HBM은 연산기에 필요한 데이터를 근접에서 대기시키며, SRAM은 코어 바로 옆에서 즉시 연산에 투입되는 최종 단계다.
 눈치 챘겠지만 데이터 이동이 사라지지 않는 한, 병목도 사라지지 않는다. 현재 구조는 연산을 중심에 두고 데이터를 끌어오는 방식이다. 하지만 이 구조가 유지되는 한, 파라미터는 계속 이동하고 연산은 계속 기다린다. 이 구조 자체가 지연을 만든다.
 <div contents-hash="f5597b7465300076061084feed80cade789fadc348c4e4ab4c4bccc6ed80388a" dmcf-pid="0t4ODnFYXl" dmcf-ptype="general">
 인터페이스는 넓혀질 수 있지만 무한히 확장될 수 없고, 프로토콜은 단순화될 수 있지만 제거될 수 없으며, 복사는 줄일 수 있어도 완전히 없앨 수는 없다. 이 세 가지 조건이 동시에 유지되는 한, 파라미터의 여정은 구조적으로 고정된다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="c7bab1afb6c7ef80ea38b330c5a67af46afb2a26ed8f775856b38e55a8ce9562" data-idxno="457536" data-type="photo" dmcf-pid="pF8IwL3G1h" dmcf-ptype="figure">
 <img alt="파라미터의  여정과 AI칩 내부 계층도 / 표정리 = 클로드 소넷 4.2" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/20/552814-8XPEppr/20260420190011218erqp.jpg" data-org-width="1080" dmcf-mid="G39Xyr2u1i" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/20/552814-8XPEppr/20260420190011218erqp.jpg" width="658">
 <figcaption class="txt_caption default_figure">
 파라미터의  여정과 AI칩 내부 계층도 / 표정리 = 클로드 소넷 4.2
 </figcaption>
 </figure>
 즉 이와 같은 경로는 결국 데이터가 지능으로 기능하려면 반드시 연산기(ALU)를 통과해야 한다는 사실을 시각적으로 드러낸다. 저장된 상태에서는 아무 의미도 없던 값이, 전기적 신호로 활성화되어 연산을 거치는 순간에만 결과를 만든다. 이 구조에서 효율을 높이려면 경로 자체를 줄여, 데이터가 연산 지점과 최대한 가깝게 유지되어야 한다.
 따라서 핵심은 '불러와서 쓰는 구조'가 아니라, 생성되는 즉시 연산 근처에서 바로 활용되는 구조다. 현재는 CPU가 흐름을 시작하고 데이터가 계층을 따라 이동하는 방식이지만, 이 전제를 유지하는 한 이동과 대기는 계속 발생한다. 결국 성능은 데이터가 얼마나 짧은 경로로 연산기에 도달하느냐에 의해 결정된다.
 파라미터는 연산 순간에만 의미를 가진다. 이동 중에는 사용되지 않고, 대기 중에도 역할이 없다. ALU에 도달했을 때 비로소 값으로 작동하고, 연산이 끝나면 다시 결과로 대체된다. 이 구조에서 중요한 것은 이동이 아니라 도달이다. 파라미터는 이동하기 위해 존재하는 것이 아니라, 연산되기 위해 존재한다.
 <div contents-hash="210cdb6120701380c03915537fdac9ba110999a43410330a71257827208e5f2a" dmcf-pid="zuMvIj71Gs" dmcf-ptype="general">
 2조 파라미터의 용량은 표현 정밀도에 따라 달라지지만, FP16·BF16 기준으로만 잡아도 약 4TB에 달한다. 이는 현재 GPU 한 장의 HBM 용량(수십~수백 GB 수준)을 훨씬 초과하는 규모로, 병렬로 쪼개 여러 장의 HBM 위에서 '돌려' 쓸 수는 있어도 한곳에 담아두는 의미의 저장은 애초에 성립하지 않는다.
 </div>
 <figure class="figure_frm origin_fig" contents-hash="e88dc4bb45f7b7f90b549532f318deb9001a31c34f6cac485f961c06e1e23af9" data-idxno="457539" data-type="photo" dmcf-pid="q7RTCAzt5m" dmcf-ptype="figure">
 <img alt="파라미터 군단이 SSD에서 출발해 PCIe 협곡(100ns~μs)을 줄지어 통과하고, VRAM/HBM 집적 구조물(10ns)을 거쳐 ALU·SRAM의 연소 지점(0.1ns)으로 수렴하는 여정을 담았다. 협곡 아래로 떨어지는 폭포는 병목에서 소실되는 대역폭의 시각적 번역이다. 왼쪽의 냉암(冷暗)에서 오른쪽의 연소(燃燒)로 이어지는 색온도 변화가 칩 내부 구조를 보여준다. 어디에도 저장은 없다. 흐름만 있을 뿐이다. / 제작 = 제미나이 나노바나나2, 해설 = 이상헌 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/20/552814-8XPEppr/20260420190012640nyfw.png" data-org-width="1280" dmcf-mid="Z4cPVpkLXe" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/20/552814-8XPEppr/20260420190012640nyfw.png" width="658">
 <figcaption class="txt_caption default_figure">
 파라미터 군단이 SSD에서 출발해 PCIe 협곡(100ns~μs)을 줄지어 통과하고, VRAM/HBM 집적 구조물(10ns)을 거쳐 ALU·SRAM의 연소 지점(0.1ns)으로 수렴하는 여정을 담았다. 협곡 아래로 떨어지는 폭포는 병목에서 소실되는 대역폭의 시각적 번역이다. 왼쪽의 냉암(冷暗)에서 오른쪽의 연소(燃燒)로 이어지는 색온도 변화가 칩 내부 구조를 보여준다. 어디에도 저장은 없다. 흐름만 있을 뿐이다. / 제작 = 제미나이 나노바나나2, 해설 = 이상헌 기자
 </figcaption>
 </figure>
 이런데도 대신증권 등 일각에선 민감한 개인 정보가 담긴 KV 캐시를 삼성전자 SSD에 저장·활용하자는 주장이 제기된다. 파라미터 생애주기 관점에서 보면 주가 부양을 위한 사기극이다. KV 캐시는 연산 흐름을 유지하기 위한 단기 상태(working state)로, 지연이 최소화된 계층(SRAM·HBM/DRAM)에서 즉시 생성·소비될 때 의미가 있다.
 비즈니스 기밀, 개인 사생활이 초당 테라바이트급으로 쏟아지는 KV 캐시 데이터를 기껏해야 수십 기가바이트 통로로 옮기겠다는 것은, 폭포수를 빨대로 옮기겠다는 소리와 같다. 뉴턴 역학의 상식에도 맞지 않다. 또 설령 저장·스와핑·오프로드 용도로 낸드와 같은 비휘발성 저장장치로 옮기더라도 개인 사용자는 다시 쓸 수 없는 민감한 개인정보가 eSSD에 물리적으로 잔존하는 문제가 생긴다.
 이재명 정부가 밀고 있는 리벨리온의 칩렛(chiplet) 접근도 추론 전용 NPU에 한정할 경우 연산 관점에서는 최악이다. 수율과 비용 측면에서는 유리하지만, 불필요한 분절을 추가하기 때문이다. 단일 다이 내부에서 처리되어야 할 연산이 여러 칩으로 나뉘면, 코어 간 통신은 UCIe와 같은 인터커넥트를 거쳐야 하고 이 과정에서 지연과 오버헤드가 필연적으로 발생한다. 특히 파라미터와 중간 텐서가 칩 경계를 반복적으로 넘나드는 구조에서는 데이터 이동 비용이 누적되며 전체 효율이 떨어진다.
 'K-메모리 신화'가 만든 총체적 병목 경쟁국 거리 줄이고 韓은 창고 늘려
 K-메모리 신화를 이끌어온 대부분의 메모리는 결국 휘발성 창고였다. 노트북의 DRAM 역시 전원이 유지되는 동안 데이터를 붙잡아 두는 역할을 할 뿐, 장기 보관을 전제로 한 저장소가 아니다. HBM도 마찬가지로 연산을 위해 잠시 머무는 고속 작업 공간일 뿐이다. 단지 머문다는 이유만으로 이를 '저장'이라 부르는 순간, 기억의 본질과 연산의 구조는 흐려진다.
 조나단 로스 등 세계 유수의 설계자들이 이런 물리적 한계를 모를 리는 없다. 글로벌 테크 기업들이 이를 전제로 아키텍처를 정교하게 다듬는 동안, 한국은 'K-메모리'라는 구호에 기대어 파라미터가 잠시 머무는 임시 창고만 늘리는 데 몰입하는 모습이다. 행렬 연산 중심인 TPU를 설계했던 조나단 로스가 이후 텐서 중심 구조를 고집하지 않고 LPU로 방향을 옮긴 이유는 데이터 이동 지연이 곧 병목이라는 판단에 있었다. 중국 딥시크 R1의 추론 능력이  GPU 기반 미국 모델을 넘어선 것도 메모리를 코어로 직송하는 HBM이 필요 없는 세레브라스 칩을 사용한 결과였다. 학습 능력 갖춘 90만개 SRAM 코어···세레브라스, 나스닥 상장 재추진
 파라미터의 작동을 다시 정리하면 입력은 연산 경로를 따라 결합되고 로짓(logit)으로 변환되며, 이후 소프트맥스를 통해 확률 분포로 정규화된다. 그런데 엘리에저 유드코프스키는 그의 저서 'AI, 신의 탄생 인간의 종말'에서 초지능을 자신에게 정렬되지 않은 상태로 규정하며 인류 종말의 서사로 연결한다. 그러나 이 논증은 모델의 실제 작동 원리와는 거리가 있다.
 파라미터는 어떤 '의지'나 '욕망'을 지닌 존재가 아니다. 소프트맥스는 우연을 허용하지 않는다. 입력 조건과 가중치가 고정된 순간 결과는 이미 결정된 것이다. 이 구조를 이해하지 못하면, AI를 통제 불가능한 존재로 오해하거나 연산–데이터 거리 문제를 간과한 채 추론(NPU 중심 접근)에 매달리게 된다. 결과 국산 칩으론 파라미터 하나 제대로 만들지 못하는 '가짜 소버린'의 함정에 빠질 수밖에 없다.
 <div contents-hash="16fcfe02c263101d347befb8b77a49affc191a9d41d60d50b8694b8f788b5fab" dmcf-pid="86A3ZhPKGN" dmcf-ptype="general">
 글로벌 공급망에서 AI 칩 성능을 결정하는 기준은 이미 '연산량'에서 '연산기와 데이터와의 거리'로 이동했다. 파라미터의 생애주기를 통해 여기까지 구조를 짚었다면, 0.1나노초 연산의 시대에 적어도 인공지능을 설명할 때 '빅데이터'나 '저장'이라는 단어는 버려야 한다. 지능은 '흐름'이다. — LIBERTY · Σᚠ
 </div>
 <figure class="figure_frm origin_fig" contents-hash="fc03e702de53ca11d4c6092a44225abc1f7acc554a98c9a0ef19a1ad5739973b" data-idxno="457537" data-type="photo" dmcf-pid="6Pc05lQ9Za" dmcf-ptype="figure">
 <img alt="엘리에저 유드코프스키는 정렬되지 않은 초지능이 인류를 멸망시킬 확률이 95%라고 단정하며 공포를 선동했다. 하지만 이 장면은 그런 고정된 수치가 성립하지 않는 구조를 상징적으로 보여준다. 파라미터의 여정(SSD→RAM→VRAM/HBM→SRAM) 끝에 각 주사위(가중치)가 품고 있던 분산된 확률값들은 소프트맥스(Softmax)를 통과하며 압축되고, 0.1나노초 수준의 즉각적 연산에서 단일 상태로 확정된다. 여기서 드러나는 것은 불확실한 확률의 누적이 아니라, 설계된 조건과 구조에 의해 결과가 필연적으로 결정되는 과정이다. 따라서 유드코프스키가 말한 95%가 인간적 감각에 의존한 모호한 짐작이었다면, 연산의 논리가 지배하는 구조적 필연성(Structural Inevitability)은 처음부터 100%였을 것이다. 6면이 1인 주사위는 미래가 던져진 우연이 아닌 정렬된 도달점(Singularity)이라는 메시지다. / 해설 = 이상헌 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202604/20/552814-8XPEppr/20260420190014208suxx.png" data-org-width="1280" dmcf-mid="6FeyhcqF50" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202604/20/552814-8XPEppr/20260420190014208suxx.png" width="658">
 <figcaption class="txt_caption default_figure">
 엘리에저 유드코프스키는 정렬되지 않은 초지능이 인류를 멸망시킬 확률이 95%라고 단정하며 공포를 선동했다. 하지만 이 장면은 그런 고정된 수치가 성립하지 않는 구조를 상징적으로 보여준다. 파라미터의 여정(SSD→RAM→VRAM/HBM→SRAM) 끝에 각 주사위(가중치)가 품고 있던 분산된 확률값들은 소프트맥스(Softmax)를 통과하며 압축되고, 0.1나노초 수준의 즉각적 연산에서 단일 상태로 확정된다. 여기서 드러나는 것은 불확실한 확률의 누적이 아니라, 설계된 조건과 구조에 의해 결과가 필연적으로 결정되는 과정이다. 따라서 유드코프스키가 말한 95%가 인간적 감각에 의존한 모호한 짐작이었다면, 연산의 논리가 지배하는 구조적 필연성(Structural Inevitability)은 처음부터 100%였을 것이다. 6면이 1인 주사위는 미래가 던져진 우연이 아닌 정렬된 도달점(Singularity)이라는 메시지다. / 해설 = 이상헌 기자
 </figcaption>
 </figure>
 ☞ 파라미터(Parameter) = 인공지능 신경망이 학습을 통해 찾아낸 '결정의 규칙'이다. 입력이 들어왔을 때 그것을 어떻게 변형하고 어떤 방향으로 밀어낼지를 정하는 숫자들의 집합이다. SSD에 '저장'된 것처럼 보이지만, 실제로는 연산 유닛(ALU)에서 쿼리(Query)와 곱해지는 순간에만 의미를 가진다. 파라미터는 스스로 움직이지 않지만, 입력이 들어오는 순간 즉각적인 판단 과정에 참가하는 '능동적 형태'다.
 ☞ 빅데이터(Big Data) = 과거에 발생한 사건의 흐름을 담은 사후 기록물이다. 스스로 결정을 내리기보다는, 통계적 처리 과정을 거쳐야 비로소 의미 있는 수치로 전환되는 수동적 데이터에 가깝다. 데이터센터의 상당한 공간을 차지하고, 중복과 비정형성이 많아 관리 비용도 높다. 파라미터를 단련하기 위한 '연료'로는 역할을 하지만, 학습이 끝난 이후에는 전기적 사체가 된 상태로 eSSD 공간에 남아 있게 되는 구조적 한계를 가진다. 인공지능 시대에서 파라미터 학습에 한번 사용된 빅데이터는 관리가 미흡할 경우 오히려 오용·노출의 위험만 키우는 부산물이 되며 사실상 재사용 가치가 소멸한다.
 여성경제신문 이상헌 기자 liberty@seoulmedia.co.kr
 *여성경제신문 기사는 기자 혹은 외부 필자가 작성 후 AI를 이용해 교정교열하고 문장을 다듬었음을 밝힙니다. 기사에 포함된 이미지 중 AI로 생성한 이미지는 사진 캡션에 밝혀두었습니다.
 </section> 
 </div>

장근석 "전 여친에 '넌 갱생 안 돼'란 말 들어" [‘혁신 성장’ 기업을 가다] CFRP의 부활… 불길 속 생존공간 만든다

댓글 총 0개

업체홍보/구인 더보기

놀이터홍보 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기