The infrastructure layer for enterprise GPT has been under development.
Continuous Learning_Startup & Investment
AI chef https://twitter.com/aakashg0/status/1666301809768677376?s=46&t=h5Byg6Wosg8MJb4pbPSDow
In this paper, we propose an algorithm that incrementally adds recipes to the robot’s cookbook based on the visual observation of a human chef, enabling the easier and cheaper deployment of robotic chefs. A new recipe is added only if the current observation is substantially different than all recipes in the cookbook, which is decided by computing the similarity between the vectorizations of these two. The algorithm correctly recognizes known recipes in 93% of the demonstrations and successfully learned new recipes when shown, using off-the-shelf neural networks for computer vision.
https://ieeexplore.ieee.org/document/10124218
https://ieeexplore.ieee.org/document/10124218
Saas incumbent which adopt AI vs new startups
Zoom AI
Zoom released a host of generative AI features, including meeting summaries, thread & email drafts, and meeting catch-ups.
It's only available for select plans right now.
Zoom AI
Zoom released a host of generative AI features, including meeting summaries, thread & email drafts, and meeting catch-ups.
It's only available for select plans right now.
New way of search?
Instacart AI
Instacart released Ask Instacart, a first-of-its-kind AI-powered search tool designed to assist with customers’ grocery shopping questions.
The genius? It's integrating natural language chat into Instacart's main search bar.
From decisions about budget and dietary specifications to cooking skills, and preferences, Ask Instacart can help customers answer their questions get ingredients.
In the future, every product will have purpose-driven chatbots like this.
https://twitter.com/aakashg0/status/1666302406383239168?s=46&t=h5Byg6Wosg8MJb4pbPSDow
Instacart AI
Instacart released Ask Instacart, a first-of-its-kind AI-powered search tool designed to assist with customers’ grocery shopping questions.
The genius? It's integrating natural language chat into Instacart's main search bar.
From decisions about budget and dietary specifications to cooking skills, and preferences, Ask Instacart can help customers answer their questions get ingredients.
In the future, every product will have purpose-driven chatbots like this.
https://twitter.com/aakashg0/status/1666302406383239168?s=46&t=h5Byg6Wosg8MJb4pbPSDow
Chatbot on Instagram: https://twitter.com/alex193a/status/1665825192398995469?s=20
Snap AI chat bot feature: https://youtu.be/jTU0OeNBx7s
Snap AI chat bot feature: https://youtu.be/jTU0OeNBx7s
X (formerly Twitter)
Alessandro Paluzzi (@alex193a) on X
#Instagram is working on bringing AI Agents (Bots 🤖) to your chats for a more fun and engaging experience 👀
ℹ️ AI Agents will be able to answer questions and give advice.
You'll be able to choose from 30 different personalities.
ℹ️ AI Agents will be able to answer questions and give advice.
You'll be able to choose from 30 different personalities.
Continuous Learning_Startup & Investment
Chatbot on Instagram: https://twitter.com/alex193a/status/1665825192398995469?s=20 Snap AI chat bot feature: https://youtu.be/jTU0OeNBx7s
It seems we're witnessing a ubiquitous integration of chatbots across industries!
From B2C platforms like Instagram and Snapchat introducing AI-based features like "My AI," to gaming and social media sectors exploring a multitude of use cases, the transformative power of AI is becoming increasingly apparent.
And let's not forget e-commerce. Consider Instacart's innovative 'Ask Instacart' feature, an AI-powered search tool designed to handle all grocery shopping-related queries. The brilliance lies in integrating natural language chat within Instacart's primary search bar, effectively dealing with inquiries about budgets, dietary specifications, cooking skills, and personal preferences. It's a glimpse into a future where every product might be supported by purpose-driven chatbots like this one.
For more information, follow this link: https://twitter.com/aakashg0/status/1666302406383239168?s=46&t=h5Byg6Wosg8MJb4pbPSDow
Even SaaS companies aren't shy about embracing AI. Take Zoom, for instance. They recently rolled out an AI assistant for their meetings, a development that could ignite intense competition among startups aiming to offer similar solutions.
As we step further into the AI era, I'm curious to hear from you. What AI services have truly fascinated you lately? Or do you have an idea for an AI service that doesn't exist yet but should? I'm looking forward to reading your innovative ideas and insights in the comments!
Feel free to share your thoughts and experiences on this growing trend.
From B2C platforms like Instagram and Snapchat introducing AI-based features like "My AI," to gaming and social media sectors exploring a multitude of use cases, the transformative power of AI is becoming increasingly apparent.
And let's not forget e-commerce. Consider Instacart's innovative 'Ask Instacart' feature, an AI-powered search tool designed to handle all grocery shopping-related queries. The brilliance lies in integrating natural language chat within Instacart's primary search bar, effectively dealing with inquiries about budgets, dietary specifications, cooking skills, and personal preferences. It's a glimpse into a future where every product might be supported by purpose-driven chatbots like this one.
For more information, follow this link: https://twitter.com/aakashg0/status/1666302406383239168?s=46&t=h5Byg6Wosg8MJb4pbPSDow
Even SaaS companies aren't shy about embracing AI. Take Zoom, for instance. They recently rolled out an AI assistant for their meetings, a development that could ignite intense competition among startups aiming to offer similar solutions.
As we step further into the AI era, I'm curious to hear from you. What AI services have truly fascinated you lately? Or do you have an idea for an AI service that doesn't exist yet but should? I'm looking forward to reading your innovative ideas and insights in the comments!
Feel free to share your thoughts and experiences on this growing trend.
https://www.nature.com/articles/s41586-023-06004-9
1. What is it?
Researchers have discovered new sorting algorithms that are faster than any existing algorithms.
The new algorithms were discovered using deep reinforcement learning, a type of artificial intelligence.
The new algorithms could be used to speed up a wide variety of tasks, such as sorting data, searching for information, and comparing files.
The research is still in its early stages, but it has the potential to revolutionize the way we sort data.
2. Why does it matter?
Sorting data is a fundamental operation in many computer algorithms.
Faster sorting algorithms could lead to significant performance improvements in a wide variety of applications.
1. Data mining and machine learning: Sorting is a fundamental operation in data mining and machine learning algorithms. Faster sorting algorithms can lead to faster execution times for these algorithms, which can be beneficial for tasks such as classification, regression, and clustering.
2. Databases: Sorting is often used to improve the performance of database queries. For example, a database server might sort the results of a query before returning them to the client. Faster sorting algorithms can lead to faster query times, which can improve the overall performance of the database.
3. Graphics and animation: Sorting is often used to sort objects in a scene before rendering them. For example, a graphics engine might sort objects by their distance from the camera before rendering them. Faster sorting algorithms can lead to faster rendering times, which can improve the overall performance of the graphics engine.
4. Scientific computing: Sorting is often used in scientific computing applications, such as numerical methods and simulations. Faster sorting algorithms can lead to faster execution times for these applications, which can be beneficial for tasks such as solving differential equations and simulating physical systems.
The research could lead to the development of new algorithms for other computational problems.
3. How could we use the research
- The new algorithms could be used to speed up existing sorting algorithms.
- The new algorithms could be used to develop new sorting algorithms for specific applications.
- The new algorithms could be used to improve the performance of other computer algorithms that rely on sorting.
4. challenges that still need to be addressed:
The new algorithms are still computationally expensive.
The new algorithms have not been thoroughly tested in real-world applications.
The new algorithms may not be suitable for all sorting problems.
1. What is it?
Researchers have discovered new sorting algorithms that are faster than any existing algorithms.
The new algorithms were discovered using deep reinforcement learning, a type of artificial intelligence.
The new algorithms could be used to speed up a wide variety of tasks, such as sorting data, searching for information, and comparing files.
The research is still in its early stages, but it has the potential to revolutionize the way we sort data.
2. Why does it matter?
Sorting data is a fundamental operation in many computer algorithms.
Faster sorting algorithms could lead to significant performance improvements in a wide variety of applications.
1. Data mining and machine learning: Sorting is a fundamental operation in data mining and machine learning algorithms. Faster sorting algorithms can lead to faster execution times for these algorithms, which can be beneficial for tasks such as classification, regression, and clustering.
2. Databases: Sorting is often used to improve the performance of database queries. For example, a database server might sort the results of a query before returning them to the client. Faster sorting algorithms can lead to faster query times, which can improve the overall performance of the database.
3. Graphics and animation: Sorting is often used to sort objects in a scene before rendering them. For example, a graphics engine might sort objects by their distance from the camera before rendering them. Faster sorting algorithms can lead to faster rendering times, which can improve the overall performance of the graphics engine.
4. Scientific computing: Sorting is often used in scientific computing applications, such as numerical methods and simulations. Faster sorting algorithms can lead to faster execution times for these applications, which can be beneficial for tasks such as solving differential equations and simulating physical systems.
The research could lead to the development of new algorithms for other computational problems.
3. How could we use the research
- The new algorithms could be used to speed up existing sorting algorithms.
- The new algorithms could be used to develop new sorting algorithms for specific applications.
- The new algorithms could be used to improve the performance of other computer algorithms that rely on sorting.
4. challenges that still need to be addressed:
The new algorithms are still computationally expensive.
The new algorithms have not been thoroughly tested in real-world applications.
The new algorithms may not be suitable for all sorting problems.
Nature
Faster sorting algorithms discovered using deep reinforcement learning
Nature - Artificial intelligence goes beyond the current state of the art by discovering unknown, faster sorting algorithms as a single-player game using a deep reinforcement learning agent. These...
VC 는 High Risk, High Return 을 추구하는 대표적인 업이다.
과장이 섞여 있긴 하지만, 100개 중 95개가 망해도 5개가 크게 성공하면 큰 이익을 보는 업으로도 알려져 있다.
최근 실리콘밸리 내 초창기 기업 중심으로 투자하는 VC에 계신 지인 분과 대화하며, 왜 스타트업 투자가 어려운지? 그런데 왜 이 업을 계속 하시는지? 물어보며 대화할 기회가 있었다.
그 분과 나눈 대화의 핵심은 아래와 같다.
"능력이 좋아 보이는 사람은 많아도, 오래 버티는 사람은 드물다.
오래 버티는 사람은 있어도, 진짜 잘하는 사람은 드물다.
잘하는 사람은 있어도, 인격과 리더십을 겸비한 사람은 드물다.
인격과 리더십을 겸비한 사람은 있어도, 운까지 타고 나는 팀은 드물다.
한 마디로, 능력이 있으면서도, 오래 버티면서도, 잘 하면서도, 좋은 팀을 구축/운영하면서도, 운 때를 기다리고 그 운을 탈 수 있는 사람을 찾는 것은 매우 어렵다.
그래도 우리는 그런 가능성이 있는 사람을 찾아 투자한다. 결국 스타트업은 사람이 세상을 바꿔나가는 업이기 때문이다. 그리고 우리가 투자한 팀이 빼어난 제품을 앞세워 시장과 세상을 바꿔나가는 광경을 볼 때 투자자로서 큰 보람을 느낀다"
그 분과 대화하며 스스로를 돌아보게 되었다. 약 3년 뒤, 나는 능력, 지구력/집념, 성과를 만들어 낸 경험, 리더십, 그리고 운을 가지고 있었던 사람으로 평가 받을 수 있을까?
이 구역에서 큰 성공을 만들어 내는 것이 매우 어렵지만, 그래서 더 해내고 싶다는 생각이 드는 하루였다.
과장이 섞여 있긴 하지만, 100개 중 95개가 망해도 5개가 크게 성공하면 큰 이익을 보는 업으로도 알려져 있다.
최근 실리콘밸리 내 초창기 기업 중심으로 투자하는 VC에 계신 지인 분과 대화하며, 왜 스타트업 투자가 어려운지? 그런데 왜 이 업을 계속 하시는지? 물어보며 대화할 기회가 있었다.
그 분과 나눈 대화의 핵심은 아래와 같다.
"능력이 좋아 보이는 사람은 많아도, 오래 버티는 사람은 드물다.
오래 버티는 사람은 있어도, 진짜 잘하는 사람은 드물다.
잘하는 사람은 있어도, 인격과 리더십을 겸비한 사람은 드물다.
인격과 리더십을 겸비한 사람은 있어도, 운까지 타고 나는 팀은 드물다.
한 마디로, 능력이 있으면서도, 오래 버티면서도, 잘 하면서도, 좋은 팀을 구축/운영하면서도, 운 때를 기다리고 그 운을 탈 수 있는 사람을 찾는 것은 매우 어렵다.
그래도 우리는 그런 가능성이 있는 사람을 찾아 투자한다. 결국 스타트업은 사람이 세상을 바꿔나가는 업이기 때문이다. 그리고 우리가 투자한 팀이 빼어난 제품을 앞세워 시장과 세상을 바꿔나가는 광경을 볼 때 투자자로서 큰 보람을 느낀다"
그 분과 대화하며 스스로를 돌아보게 되었다. 약 3년 뒤, 나는 능력, 지구력/집념, 성과를 만들어 낸 경험, 리더십, 그리고 운을 가지고 있었던 사람으로 평가 받을 수 있을까?
이 구역에서 큰 성공을 만들어 내는 것이 매우 어렵지만, 그래서 더 해내고 싶다는 생각이 드는 하루였다.
👍1
Product Design - Karri Saarinen (Linear) Founder and CEO of Linear.
Sam pointed out that the Chat GPT Plugin has not yet achieved product-market fit (PMF), particularly when compared to ChatGPT. Nonetheless, the tool has received validation from a significant number of developers and users, suggesting that the GPT plugin could be a valuable resource for both B2C and B2B service providers. This is especially relevant given the current importance of Facebook advertising. Lately, I’ve noticed several Twitter threads, like this one (https://twitter.com/itsPaulAi/status/1666435102769905664), where people are promoting their ChatGPT plugins to attract more users. I’d be interested to hear your thoughts on this matter.
Continuous Learning_Startup & Investment
https://www.nature.com/articles/s41586-023-06004-9 1. What is it? Researchers have discovered new sorting algorithms that are faster than any existing algorithms. The new algorithms were discovered using deep reinforcement learning, a type of artificial intelligence.…
구글의 딥마인드는 2016년의 알파고에 이은, DQN 기반 강화학습의 끝판왕 격인 알파제로 (alphazero)로도 유명합니다. 딥마인드는 바둑, 체스, 장기 같은 게임의 승리 확률을 최대로 높이는 방식을 거의 그대로 차용하여, 강화학습으로 풀 수 있는 수많은 문제들에 대해 도전하고 있습니다. 몇 년 전에는 반도체 칩의 component 배치를 최적화하여 칩 성능을 획기적으로 개선시킬 수 있는 floorplanning 문제 (layout optimization)나 단백질의 아미노산 시퀀스가 주어졌을 때, 이들의 3차원 접힙 그리고 결정구조까지 추정할 수 있는 alphafold2 같은 알고리즘을 보고하기도 했습니다.
6월 7일자로 딥마인드의 연구진이 네이쳐지에 보고한 최근 연구 결과는 다름 아닌 정렬 알고리즘에 대한 개선입니다. 정렬은 우리가 매일 같이 활용하는 검색엔진부터 시작하여, 산업의 곳곳에서 데이터를 처리할 때 수도없이 반복적으로 활용되는 알고리즘입니다. 그리고 이러한 알고리즘들은 대개 C++로 짜여있고 오픈소스화되어 업데이트되고 있습니다. 딥마인드가 주목한 것은 단순히 정렬에 필요한 논리-산술 계산 (주로 비교)에 필요한 계산 시간을 줄이는 것을 넘어, 각 요소들이 메모리에 할당되고 다시 불려오는 보다 기초적인 (즉, 그야말로 폰노이만 구조 컴퓨터 과학의 원리에 가까운) 방식에서의 시간 절약에 대한 것이었습니다. C++만해도 사용자들이 직관적으로 이해할 수 있는 코드인 high-level language이지만, 사실 C++의 코드를 컴퓨터가 바로 이해하는 것은 아닙니다. 이를 컴퓨터가 이해할 수 있게 하려면 어셈블리어 같은 low-level language (기계어)가 필요한데, 어셈블리어에서는 보다 직관적인 메모리 관리와 할당 연산이 코딩됩니다.
딥마인드사는 자사가 개발한 alphazero 기반 강화학습 엔진인 AlphaDev라는 DQN기반 딥러닝 엔진을 이용하여 이러한 정렬 알고리즘의 기반을 이루는 어셈블리어 코드를 최적화하는 것에 주안을 두었습니다. 그들의 보고에 따르면 정렬 알고리즘에서 가장 원초적인 단계인 몇 개 안 되는 요소들의 비교와 자리 바꾸기 단계에서 많은 성능의 개선을 보였고 (~70%), 이를 이용한 해시 계산에서도 30% 정도의 개선을 보였다고 합니다.
매일 같이 수천조 번 이상 반복되면서 활용되는 정렬 알고리즘에서 이 정도의 속도 개선이 있다는 것은 그만큼 컴퓨팅 시간이 줄어듦을 의미하는 동시에, 그에 필요한 에너지를 절약할 수 있음을 의미합니다. 실제로 이 개선이 얼마나 광범위하게 보급될지 모르겠지만, 딥마인드사는 자사의 결과를 C++ 라이브러리에 업데이트하면서 공개했기 때문에, 빠른 보급이 예상되기도 합니다.
정렬 알고리즘의 원리와 그 중요성, 딥마인드사가 찾아낸 개선 아이디어, 그리고 그 파급효과에 대해 더 자세히 알고 싶은 분들은 답글의 링크를 확인해 주시면 좋을 것 같습니다.
https://alook.so/posts/Vntez6R?fbclid=IwAR3Q3gOlmtp48-y8RLtMNzKJaTcN0gAi2Plbnf7XacLyv4XzsI7sHy-Zux0
6월 7일자로 딥마인드의 연구진이 네이쳐지에 보고한 최근 연구 결과는 다름 아닌 정렬 알고리즘에 대한 개선입니다. 정렬은 우리가 매일 같이 활용하는 검색엔진부터 시작하여, 산업의 곳곳에서 데이터를 처리할 때 수도없이 반복적으로 활용되는 알고리즘입니다. 그리고 이러한 알고리즘들은 대개 C++로 짜여있고 오픈소스화되어 업데이트되고 있습니다. 딥마인드가 주목한 것은 단순히 정렬에 필요한 논리-산술 계산 (주로 비교)에 필요한 계산 시간을 줄이는 것을 넘어, 각 요소들이 메모리에 할당되고 다시 불려오는 보다 기초적인 (즉, 그야말로 폰노이만 구조 컴퓨터 과학의 원리에 가까운) 방식에서의 시간 절약에 대한 것이었습니다. C++만해도 사용자들이 직관적으로 이해할 수 있는 코드인 high-level language이지만, 사실 C++의 코드를 컴퓨터가 바로 이해하는 것은 아닙니다. 이를 컴퓨터가 이해할 수 있게 하려면 어셈블리어 같은 low-level language (기계어)가 필요한데, 어셈블리어에서는 보다 직관적인 메모리 관리와 할당 연산이 코딩됩니다.
딥마인드사는 자사가 개발한 alphazero 기반 강화학습 엔진인 AlphaDev라는 DQN기반 딥러닝 엔진을 이용하여 이러한 정렬 알고리즘의 기반을 이루는 어셈블리어 코드를 최적화하는 것에 주안을 두었습니다. 그들의 보고에 따르면 정렬 알고리즘에서 가장 원초적인 단계인 몇 개 안 되는 요소들의 비교와 자리 바꾸기 단계에서 많은 성능의 개선을 보였고 (~70%), 이를 이용한 해시 계산에서도 30% 정도의 개선을 보였다고 합니다.
매일 같이 수천조 번 이상 반복되면서 활용되는 정렬 알고리즘에서 이 정도의 속도 개선이 있다는 것은 그만큼 컴퓨팅 시간이 줄어듦을 의미하는 동시에, 그에 필요한 에너지를 절약할 수 있음을 의미합니다. 실제로 이 개선이 얼마나 광범위하게 보급될지 모르겠지만, 딥마인드사는 자사의 결과를 C++ 라이브러리에 업데이트하면서 공개했기 때문에, 빠른 보급이 예상되기도 합니다.
정렬 알고리즘의 원리와 그 중요성, 딥마인드사가 찾아낸 개선 아이디어, 그리고 그 파급효과에 대해 더 자세히 알고 싶은 분들은 답글의 링크를 확인해 주시면 좋을 것 같습니다.
https://alook.so/posts/Vntez6R?fbclid=IwAR3Q3gOlmtp48-y8RLtMNzKJaTcN0gAi2Plbnf7XacLyv4XzsI7sHy-Zux0
alook.so
우선순위 결정의 새로운 전기: 알파고가 발견한 새로운 정렬 알고리즘 by 권석준의 테크어댑팅 - 얼룩소 alookso
우리는 하루에도 여러 번 포털 사이트 혹은 검색 엔진을 이용하여 정보를 찾곤 합니다. 인터넷에 널려 있는 수억, 수조개의 정보 중, 주어진 검색어에 가장 가까운 (혹은 가장 적합한) 정보를 담고 있는 웹페이지들은 1초도 안 되는 시간 동안 사용자의 모니터에 뜨기 시작합니다. 구글 검색을 할 경우, 관련된 정보들은 1페이지부터 시작하여 N번째 페이지까지...