Make American dream again!

Excited to release DBRX, a 132 billion parameter mixture of experts language model with 36 billion active parameters.

It’s not only a super capable model, but has many nice properties at inference time because of its MoE architecture. Long context (up to 32K tokens), large batch size, and other compute bound workloads will especially benefit from the sparsity win over similarly sized dense models. Instead of going through all the parameters in the model, only the active parameters need to be passed through - a FLOPs win allowing for high model quality without compromising on inference speed.

Investing heavily in people is key to fostering the entrepreneurship that shapes our future.

Meta Pursues AI Talent With Quick Offers, Emails From Zuckerberg
Company has made job offers without interviewing candidates and relaxed its longstanding practice of not increasing compensation for employees threatening to leave.


To better compete for artificial intelligence researchers, Meta Platforms is making unconventional moves, including extending job offers to candidates without interviewing them and relaxing a longstanding practice of not increasing compensation for employees threatening to leave.

In a sign of how seriously the social media company is taking the competition for AI talent, CEO Mark Zuckerberg has personally written to researchers at Google’s DeepMind unit to recruit them, according to two people who viewed the emails. In some notes, Zuckerberg emphasized the importance of AI to Meta and said he hopes the recipient and the company will work together, one of those people said.

Meta’s intense efforts to recruit and retain employees come as it ramps up investment in AI and after several researchers who developed its large language models left for rivals, including DeepMind, OpenAI and French startup Mistral, two of whose founders came from Meta.

Zuckerberg’s interventions have helped with recruiting. In announcing his move to Meta as a principal Llama engineer in the generative AI group last week, former DeepMind researcher Michal Valko gave “massive thanks for a very personal involvement” to Meta’s senior AI leaders—and “Mark,” referring to Zuckerberg. Valko declined to comment. Zuckerberg typically isn’t involved in hiring individual contributors, a classification for most research scientists and engineers, a former employee said. Meta declined to comment.

Earlier this week, someone asked me about how poker has informed my view of business risk. In short, profoundly.

Poker is a fundamentally defensive game when played at an elite level. A defensive game doesn’t mean you can’t generate huge profits. In fact, poker can yield enormous profits but the way it happens is unintuitive to most.

Maximum profits in poker, and other defensive games for that matter, occur when your error rate is less than your opponent’s error rate.

So their errors - your errors = your profit. If you minimize your errors, you maximize your potential profit.

This simple formula forces you to learn that a lot of the time, the biggest enemy of your success is you. By managing yourself in a predictable, reliable way, you give yourself time for your opponent to self-own themselves. This is true in poker, but it is even more true in business.

As an example, suppose you have an R&D budget and you’re trying to build a product. Once you have some initial product market fit, the most important thing to do is to allocate your remaining resources in a thoughtful way.

You should have many small bets that extend the product area. If any one of these fail, it won’t be life-threatening and you will have learned something that will reduce your future error rate. These small bets can then ladder into a few medium-sized bets which ultimately lead to a few large bets. In such a process, you’ve not only taken many bets, of various sizes, you’ve also done this over a long quantum of time. In that same time, a less organized competitor will eventually do something wrong/stupid/both.

Said differently, you’ve de-risked your error rate in a thoughtful methodical way and have evidence that things are working while giving your competitor enough time to flail and eventually fail.

In so many companies that I’ve invested in and companies that I’ve worked for, I’ve seen enormous bets being made too early, and mostly out of ego. These bets are rarely rooted in data and most have eventually been rolled back.

The second thing to understand in poker is that when you make many small bets, you can play more hands - and some of these can lead to huge pots. Some of the biggest pots I’ve won have been with 2-2 and 8-6 suited while some of the biggest pots I’ve lost are with A-A!

In business, as in poker, you have to make unconventional bets if you want to win huge pots. And the no-brainer bets are rarely big winners and can sometimes come back and sting you. So as an investor, by keeping my bets small I keep my errors small while giving myself a chance to win big by doubling and tripling down at the right time.

비락식혜 제로 출시 예정

와 이게 되네요

RIP 🙏Thank you for sharing.

https://www.nytimes.com/2024/03/27/business/daniel-kahneman-dead.html

Today we are excited to announce the next chapter of Bezi, a fundamental shift in designing for 3D apps and games.

Introducing Bezi AI ✨

Designers can now ideate at the speed of thought with an infinite asset library.
With Bezi AI, you can:
✨ Generate 3D assets within seconds using text prompts.
🛠️ Simply drag and drop assets into the Bezi editor.
👥 Collaborate in real-time on a 3D canvas.

Created by designers for designers, Bezi empowers you and your team to create faster, together.

Get started today 👉 bezi.com/ai

이번 주 초에 누군가 제게 포커가 비즈니스 위험에 대한 제 관점에 어떤 영향을 미쳤는지 물어왔습니다. 간단히 말해서, 매우 큰 영향을 미쳤습니다.

포커는 엘리트 수준에서 플레이할 때 근본적으로 방어적인 게임입니다. 방어적인 게임이라고 해서 큰 수익을 창출할 수 없다는 의미는 아닙니다. 사실 포커는 엄청난 수익을 창출할 수 있지만 그 방식은 대부분의 사람들에게 직관적이지 않습니다.

포커를 비롯한 다른 방어 게임에서 최대 수익은 내 실수율이 상대의 실수율보다 낮을 때 발생합니다.

따라서 상대의 실수 = 나의 실수 = 나의 이익입니다. 오류를 최소화하면 잠재적 이익을 극대화할 수 있습니다.

이 간단한 공식을 통해 많은 경우 성공의 가장 큰 적은 바로 자신이라는 사실을 깨닫게 됩니다. 예측 가능하고 신뢰할 수 있는 방식으로 자신을 관리하면 상대방이 스스로를 관리할 시간을 벌 수 있습니다. 이는 포커에서도 마찬가지지만 비즈니스에서는 더욱 그렇습니다.

예를 들어 R&D 예산이 있고 제품을 개발하려고 한다고 가정해 보겠습니다. 초기 제품이 어느 정도 시장에 적합하다고 판단되면 가장 중요한 것은 남은 자원을 신중하게 배분하는 것입니다.

제품 영역을 확장하는 작은 베팅을 많이 해야 합니다. 이 중 하나라도 실패하더라도 생명을 위협할 정도는 아니며 향후 오류율을 줄일 수 있는 교훈을 얻게 될 것입니다. 이러한 작은 베팅은 몇 번의 중간 규모의 베팅으로 이어져 궁극적으로 몇 번의 큰 베팅으로 이어질 수 있습니다. 이러한 과정에서 여러분은 다양한 규모의 많은 베팅을 했을 뿐만 아니라 오랜 시간 동안 이를 수행한 것입니다. 같은 시간 동안 덜 조직적인 경쟁자는 결국 뭔가 잘못하거나 어리석거나 둘 다 할 것입니다.

다르게 말하면, 사려 깊고 체계적인 방법으로 오류율을 낮추고 경쟁업체가 허둥대다가 결국 실패할 수 있는 충분한 시간을 주면서 일이 제대로 작동하고 있다는 증거를 확보한 것입니다.

제가 투자했던 많은 회사와 제가 근무했던 회사에서 너무 일찍, 그리고 대부분 자존심 때문에 막대한 베팅을 하는 것을 보았습니다. 이러한 베팅은 데이터에 근거한 경우가 거의 없으며 대부분 결국 롤백되었습니다.

포커에서 두 번째로 이해해야 할 것은 작은 베팅을 많이 하면 더 많은 핸드를 플레이할 수 있고, 이 중 일부는 큰 팟으로 이어질 수 있다는 것입니다. 제가 이긴 가장 큰 팟 중 일부는 2-2와 8-6 수트였고, 제가 잃은 가장 큰 팟 중 일부는 A-A였습니다!

포커와 마찬가지로 비즈니스에서도 큰 돈을 따려면 파격적인 베팅을 해야 합니다. 그리고 당연한 베팅은 큰 돈을 따는 경우가 드물고 때때로 돌아와서 당신을 괴롭힐 수 있습니다. 따라서 투자자로서 저는 베팅을 작게 유지함으로써 오류를 최소화하는 동시에 적절한 타이밍에 두 배, 세 배로 늘려 큰 수익을 올릴 수 있는 기회를 마련합니다.

https://youtu.be/S3REdLZ8Xis

역사를 좋아한다. 특히 기업가, 기업에 대한 역사라면 시간 가는 줄 모르고 보고 그 상황에 나를 대입시켜보기도 한다. 나에게는 기업가와 기업의 역사가 BTS같은 존재다. 그런 점에서 Antifrgaile에서 ‘What Kills Me Makes Others Stronger’부분이 좋았다. 한 때는 기업/국가/개인의 역사에서 흥망성쇠를 살펴보는 것을 좋아하는데, 예전에는 성공한 스토리만을 쫓았었다. 요즘은 잘 되던 회사/국가에서 망해가거나 위기의 순간에서 내린 의사결정들이 오히려 더 와닿기도 하고 피가 되고 살이되는 내용들이 많더라. 우리가 사주를 보면서 우리의 하루 혹은 운명을 예측해보려고 하는 것처럼, 과거 상황, 의사결정으로부터 삶의 나침반이 될만한 귀한 재료들을 얻을 수 있다. 그래서 한 때는 세상의 모든 문제는 이미 일어나있으니 과거에 일어난 일들만 잘 배워도 좋은 의사결정을 내릴 수 있을 것이라 자신한 때도 있었다.

과거의 역사와 여러 시행착오에 기반해서 의사결정을 내리다보니 의사결정의 결과물들이 꽤 좋았다. 이런 좋은 결과들이 쌓이다보니 무조건 과거에서 좋은 교훈을 살펴서 의사결정을 하면 크게 망하지 않을거라는 확신까지 들었다. 하지만 꽤 많은 의사결정이 내 기대와 다르게 좋은 결과를 내지 못했던 경험들도 많았다. 특히, 기대가 큰 만큼 실망도 컸고 결과가 좋지 않을 때마다 몸도 마음도 상처를 입고 회복하는 데에 시간이 걸렸다.

세상을 예측할 수도 없기 때문에 Antifragile한 마음가짐이 필요하다. 개인적인 삶, 일, 어떤 상황에서도 무슨 일이든 일어날 수 있다. 포커에서는 룰이 정해져 있고 나올 수 있는 경우의 수가 한정적인데 비해 현실에서는 무슨 일이든 일어날 수 있다. 과거에 미래를 예측할 수 있고 세상을 바꿀 수 있다고 착각하고, 높은 기대를 가졌을 때엔 기대와 다른 결과에 오래 힘들어하기도 했다. 심지어 어짜피 일어날 일은 일어나는데 내가 하는 게 무슨 의미가 있는지를 생각하며 무기력하거나 허무함에 시간을 보내기도 했었다. 큰 기대도 했었고 꽤 노력도 했었다. 하지만, 노력한대로 결과가 일어나지 않아서 마음도 몸도 상해서 슬퍼하거나 우울한 시간을 보내보기도 했었다. 과거 역사를 봤을 때 사람들이 힘들어하는 모습을 글로 접했을 때엔 크게 감정이 이입되지 않다가도 직접 내 일로 다가오니 감정의 폭이 너무도 다르더라.

이런 시기 동안에 곰곰히 생각해보니 세상을 예측할 수 있고 원하는 대로 결과를 만들 수 있다는 오만에 빠져있었고, 과거의 역사와 상황에 대해서는 열심히 공부했지만 나는 어떤 사람이며 지금은 어떤 게임을 하고 있는지에 대한 깊은 고민과 생각이 부족했었다.

감사하게도 이 때 좋아하는 사람들의 도움도 있었고 혼자만의 생각하는 시간도 가질 수 있었다. 나는 어떤 사람인지에 대해서 고민하고 생각할 수 있는 기회가 있었다. 내가 누구인지, 뭘 좋아하고 싫어하는지, 어떤 것을 잘하고 어떤 것은 잘 못하는지, 어떤 삶을 살고 싶은지, 지금 가지고 있는 습관은 어떠하고 그중에 뭘 좋아하고 뭘 버리고 싶은지, 되고 싶은 사람은 누구이고 마음이 가는 사람은 누구인지 스스로 생각해보았다. 또는, 친한 친구들을 붙잡고 몇시간씩 귀찮게 ‘너는 내가 어떤 사람 같아?’라는 질문을 끈질기게 물어보기도 하고 지금까지 살아온 익숙한 곳이 아닌 꽤 새로운 장소에 가서 지내면서 만나는 사람, 쓰는 시간, 먹는 음식, 하는 일도 바꿔서 시간을 보내봤다. 살아가는 방식이 바뀌면서 꽤 많은 것들이 새롭게 보이고 그동안 내가 살아온 모습도 한발자국 떨어져 보이기 시작했다. 그리고 아주 우연하게도 하고 싶은 일들이 하나 둘씩 생기면서 해보고 싶은 일들이 아주 많이 생겼다.

하지만 아직도 내가 어떤 사람인지 정의하기 어렵다. 다만 지금까지 살아온 나는 이런 사람이었고 지금은 어떤 사람인지 정도 알고 있다. 나를 조금 알게되면서 나는 어떤 게임을 하고 있는지 앞으로 어떤 게임을 더 하고 싶은지 스스로 물어보고 있다. 세상은 룰이 없는 참가자도 명확하지 않은 포커 게임이지만 하루 하루 잘 사는 것이 손에 카드 몇장을 더 얻을 수 있고 그 카드로 인해 더 좋은 선택을 할 수 있다는 생각을 한다.

이제는 과거와 다르게 내 의사결정이 항상 맞을 수 없고, 예상하지 못한 나쁜 일들이 충분히 생길 수 있다는 것을 알고 있다. 그래서 한 번의 의사결정이 나를 위험하게 하는 의사결정은 피하고, 관리할 수 있는 위험이지만 그 선택에서 얻을 수 있는 기쁨/혜택/효과는 상방이 뚫려있는 의사결정들을 하려고 한다.

그 과정에서 수많은 시행착오와 감정의 롤러코스터도 경험할 것이고 좋고 나쁜 의사결정과 기억과 인연들이 쌓일 것 같다. 여전히, 좋은 일 나쁜 일들이 생기기도 하고 감정에 치우쳐 좋지 않은 의사결정을 하기도 한다. 이 과정에서 여러 시행착오를 거쳐 더 Antifragile한 마음가짐을 가지고 배우고 더 좋은 선택들을 할 수 있길.