일론 머스크 진영의 회사들은 다른 회사들이 조금씩 성장하고 있을 때, 혼자서 퀀텀 점프식 진보를 해버리니... 완전히 다른 게임을 하고 있는 것이다.

아이러니한건 (경영학과에서 배우는 오리지널한 경영학 관점이 아니라) 꿈의 차원에서 접근하는 것이 비즈니스적으로도 훨씬 더 큰 파급력을 가져오고 있다는 부분.

"The Tesla bet, though, is that Waymo’s approach ultimately doesn’t scale and isn’t generalizable to true Level 5, while starting with the dream — true autonomy — leads Tesla down a better path of relying on nothing but AI, fueled by data and fine-tuning that you can only do if you already have millions of cars on the road."

"That is the connection to SpaceX and what happened this weekend: if you start with the dream, then understand the cost structure necessary to achieve that dream, you force yourself down the only path possible, forgoing easier solutions that don’t scale for fantastical ones that do."

https://stratechery.com/2024/elon-dreams-and-bitter-lessons

왜 SpaceX는 Rocket을 Reusable하게 만들 수 있었는가?

상식적이고 합리적인 방식으로 10배 좋은 것을 만들기 어렵다.

기존 Player들의 사고 방식
뵈르너의 발언은 세상을 정적으로 바라본다는 점에서 보울스와 비슷합니다. 보울스는 이번 주말에 우리가 본 훨씬 더 큰 로켓을 잡는 버전 2의 예는커녕 SpaceX가 실제로 로켓을 드론 우주선에 착륙시켜 재사용하는 방법을 알아낸 세상을 앞을 내다보지 못했습니다. 한편 뵈르너는 거꾸로 볼 수 없습니다. SpaceX가 외부 고객과 자체(스타링크) 모두에서 훨씬 더 많은 물량을 확보할 수 있는 이유는 저렴하기 때문입니다. 저렴하다는 것은 규모를 만들어내고, 규모를 통해 더 저렴한 제품을 만들 수 있으며, 궁극적으로는 완전히 새로운 시장을 창출할 수 있습니다.

SpaceX는 꿈입니다. 화성으로, 그리고 그 너머로 인류의 영역을 지구 너머로 확장하려는 꿈이지만, 아리안스페이스는 그저 사업일 뿐입니다. 하지만 이것이 그들의 운명이었습니다. 기업은 옵션을 신중하게 평가하고, 반드시 가장 상승 가능성이 높은 옵션을 선택하는 것이 아니라 성공 가능성을 고려하여 예상 가치가 가장 큰 옵션을 선택하며, 그 경우에도 대부분 헤지 또는 옵션 가치를 구축하는 것이 현명하다고 생각합니다.

하지만 몽상가는 성공에서 시작하여 거꾸로 생각합니다. 이 사례에서 머스크는 X의 출시 비용을 낮추려는 동기를 설명했습니다:

70년간의 AI 연구에서 얻을 수 있는 가장 큰 교훈은 계산을 활용하는 일반적인 방법이 궁극적으로 가장 효과적이며 큰 차이로 가장 효과적이라는 것입니다. 그 궁극적인 이유는 무어의 법칙, 즉 계산 단위당 비용이 기하급수적으로 계속 하락한다는 법칙이 일반화되었기 때문입니다. 대부분의 AI 연구는 에이전트가 사용할 수 있는 연산이 일정한 것처럼 수행되어 왔지만(이 경우 인간의 지식을 활용하는 것이 성능을 개선하는 유일한 방법 중 하나), 일반적인 연구 프로젝트보다 약간 더 오랜 시간이 지나면 필연적으로 더 많은 연산을 사용할 수 있게 됩니다.

연구자들은 단기간에 변화를 가져올 수 있는 개선을 추구하기 위해 해당 분야에 대한 인간의 지식을 활용하려고 하지만, 장기적으로 중요한 것은 계산의 활용뿐입니다. 이 두 가지가 서로 상충할 필요는 없지만 실제로는 상충하는 경향이 있습니다. 한 쪽에 투자한 시간은 다른 쪽에 투자하지 않은 시간입니다. 한 가지 접근 방식 또는 다른 접근 방식에 투자하는 데에는 심리적인 부담이 있습니다. 그리고 인간 지식 접근 방식은 계산을 활용하는 일반적인 방법을 활용하는 데 적합하지 않은 방식으로 방법을 복잡하게 만드는 경향이 있습니다.AI 연구자들이 이 쓰라린 교훈을 뒤늦게 깨달은 사례는 많으며, 가장 눈에 띄는 몇 가지 사례를 살펴보는 것은 유익합니다.

이것은 큰 교훈입니다. 현장에서는 여전히 같은 종류의 실수를 계속 저지르고 있기 때문에 우리는 아직 완전히 배우지 못했습니다. 이를 파악하고 효과적으로 저항하기 위해서는 이러한 실수의 매력을 이해해야 합니다. 우리가 생각하는 방식으로 구축하는 것은 장기적으로 효과가 없다는 씁쓸한 교훈을 배워야 합니다. 이 쓰라린 교훈은 1) 인공지능 연구자들이 종종 에이전트에 지식을 구축하려고 시도해왔고, 2) 이는 단기적으로는 항상 도움이 되고 연구자에게 개인적으로 만족감을 주지만 3) 장기적으로는 정체되고 심지어 더 이상의 발전을 억제하며, 4) 결국 검색 및 학습에 의한 확장 계산에 기반한 반대 접근 방식을 통해 획기적인 발전이 이루어졌다는 역사적 관찰에 근거하고 있습니다. 최종적인 성공은 인간 중심의 선호된 접근 방식에 대한 성공이기 때문에 씁쓸함이 묻어나고 종종 불완전하게 소화되기도 합니다.

이 쓰라린 교훈에서 배워야 할 한 가지는 범용 방법, 즉 사용 가능한 계산이 매우 커져도 계산이 증가함에 따라 계속 확장되는 방법의 막강한 힘입니다. 이렇게 자의적으로 확장되는 것처럼 보이는 두 가지 방법은 검색과 학습입니다.

쓰라린 교훈에서 배워야 할 두 번째 일반적인 점은 마음의 실제 내용은 엄청나게, 헤아릴 수 없을 정도로 복잡하다는 것입니다. 공간, 사물, 다중 에이전트 또는 대칭에 대해 생각하는 간단한 방법과 같이 마음의 내용을 생각하는 간단한 방법을 찾으려는 시도를 중단해야 한다는 것입니다. 이 모든 것은 임의적이고 본질적으로 복잡한 외부 세계의 일부입니다. 이러한 복잡성은 끝이 없기 때문에 내장되어야 하는 것이 아니라 이러한 임의의 복잡성을 찾아서 포착할 수 있는 메타 메서드만 내장해야 합니다. 이러한 방법의 핵심은 좋은 근사치를 찾을 수 있다는 것이지만, 근사치 검색은 우리가 아닌 다른 방법으로 해야 한다는 것입니다. 우리는 우리가 발견한 것을 포함하는 것이 아니라 우리가 발견한 것처럼 발견할 수 있는 AI 에이전트를 원합니다. 발견한 내용을 담으면 발견 프로세스가 어떻게 이루어질 수 있는지 파악하기가 더 어려워질 뿐입니다.

http://www.incompleteideas.net/IncIdeas/BitterLesson.html

컴퓨터가 사람보다 훨씬 더 뛰어날 수 있는 이유 중 하나는 수백만 대의 자동차가 운전 훈련을 하고 있기 때문입니다. 이는 마치 수백만 개의 삶을 동시에 살면서 사람이 평생 볼 수 없는 매우 특이한 상황을 보는 것과 같습니다. 그 정도의 훈련 데이터라면 사람이 백만 번의 삶을 살 수는 없으니 분명 사람보다 훨씬 더 나은 결과를 얻을 수 있을 것입니다. 또한 모든 방향을 동시에 볼 수 있고, 피곤하거나 문자를 보내거나 그런 것들도 없으니 당연히 인간보다 10배, 20배, 30배 더 안전할 것입니다.

제가 강조하고 싶은 것은 우리가 가진 솔루션은 AI와 비전이라는 점입니다. 고가의 장비가 필요하지 않습니다. 현재 우리가 만드는 모델 3와 모델 Y, S, X는 감독 없이 완전 자율주행을 할 수 있습니다. 이는 곧 차량 생산 비용이 낮다는 것을 의미합니다.

사람들은 웨이모가 테슬라보다 앞서 있다고 생각하지만, 저는 개인적으로 테슬라가 웨이모보다 앞서 있다고 생각하며, 그렇게 보이지 않는다는 것을 알고 있지만 저는 여전히 테슬라와 자율 주행 프로그램에 대해 매우 낙관적입니다. 테슬라에는 소프트웨어 문제가 있고 웨이모에는 하드웨어 문제가 있다고 생각하는데, 제 생각에는 소프트웨어 문제가 훨씬 쉽다고 생각합니다. 테슬라는 이 모든 자동차를 지구상에 대규모로 배치하고 있고, 웨이모는 거기에 도달해야 한다고 생각합니다. 테슬라가 실제로 배포할 수 있는 지점에 도달하고 실제로 작동하는 순간은 정말 놀라울 것이라고 생각합니다.

사람들이 테슬라가 실제로 값비싼 센서를 많이 사용한다는 사실을 잘 모르고 있는 것 같아요. 그래서 라이더를 장착하고 주행하는 수많은 자동차가 있고, 스케일을 조정하지 않고 추가 센서 등을 장착하고 매핑과 이런 모든 작업을 수행합니다. 훈련 시간에는 이 작업을 수행한 다음 이를 테스트 시간 패키지로 추출하여 차량에 배포하고 시각 전용으로 사용합니다. 센서와 비용에 대한 차익 거래와 같습니다. 픽셀에 정보가 있고 네트워크가 이를 수행할 수 있기 때문에 훈련 시에는 이러한 센서가 정말 유용하다고 생각하지만 테스트 시에는 그다지 유용하지 않다고 생각하기 때문에 저는 이것이 실제로 완전히 평가되지 않은 일종의 훌륭한 전략이라고 생각합니다.

• 팔란티어의 현재 상황: 최근 S&P 500에 가입하고 주가가 급등하며, 기업 가치가 1000억 달러에 근접하고 있음. 과거에는 스파이 기술이나 NSA 감시로 인식되었으나, 현재는 긍정적인 평가를 받고 있음.
1. 내가 팔란티어에 합류한 이유
• 의료, 항공우주, 제조, 사이버보안 등 어려운 산업의 실제 문제 해결에 관심이 있었음
• 이 분야에서 실리콘밸리 업무 문화를 가진 회사는 팔란티어가 유일했음
• 창업을 목표로 했기에 한 산업을 깊이 파고들고 미국 영주권을 얻을 수 있는 팔란티어가 좋은 선택이었음
• 초기 직원들의 높은 역량과 열정, 경쟁력이 매력적이었음
• 철학을 좋아하고 이상한 취향을 가진 진지하고 경쟁적인 사람들이 많았는데, 이는 페이팔 마피아의 유산이었음
• CEO 알렉스 카프를 포함한 경영진과의 면접에서 철학적 담화를 나누는 등 지적 웅대함과 경쟁력의 조합이 마음에 들었음
2. 현장 배치 엔지니어(Forward deployed, FDE)
• 팔란티어에는 고객사와 일하는 FDE와 제품 개발(PD)에 집중하는 엔지니어가 있었음
• FDE는 일주일에 3-4일을 고객사에 상주하며 많은 출장을 다녀야 했는데, 이는 실리콘밸리 회사로는 매우 이례적임
• FDE는 제조, 의료, 정보, 항공우주 등 어려운 산업의 비즈니스 프로세스에 대해 깊이 이해하고 이를 바탕으로 문제 해결 소프트웨어를 설계함
• PD 엔지니어는 FDE가 구축한 것을 제품화하고 FDE의 업무를 개선하고 가속화하는 소프트웨어를 만듦
• 파운드리 제품의 초기 모습은 FDE가 고객사에서 수작업으로 처리하던 것을 PD 엔지니어가 자동화 도구를 만들면서 갖춰짐
• 당시에는 고객에게 이 도구에 대한 접근 권한을 주는 것이 과감한 발걸음이었지만 지금은 회사 매출의 50% 이상을 차지함
• 팔란티어는 서비스 회사에서 제품 회사로의 성공적인 피봇을 이뤄냈고, 2023년 80%의 소프트웨어 수준 매출 총이익률을 기록함
• 고객사에 상주하며 그들이 일하는 방식에 대한 암묵지를 습득하는 것이 핵심이었음
• 무작위로 다음날 아침 비행기를 예약하고 출장 가는 것이 일상이었지만, 10년에 걸친 집중적 학습의 결과 성과를 거둠
• 에어버스와의 첫 FDE 경험으로 1년간 툴루즈에 머물며 A350 제조 확대 소프트웨어를 함께 구축함
• 작업 지시서, 부품 부족, 품질 문제 등 다양한 데이터를 한 곳에 모아 팀 간 협업과 문제 해결을 지원하는 인터페이스를 제공함
• 범용성보다는 특정 문제에 대한 종단간 해결책을 제공하는 것이 목표였고, PD의 역할은 이를 일반화하여 다른 곳에 판매하는 것이었음
• FDE는 빠른 문제 해결을 위해 기술 부채를 감수하고, PD는 확장성 있고 견고한 소프트웨어를 작성하는 역할 분담이 효과적이었음
• 고객사 내에 깊숙이 파고들어 신뢰를 얻고 빠르게 핵심 가치를 전달하는 FDE의 역량이 돋보였음
• 작은 고객 팀이 자율적이고 민첩하게 움직이고, 제품팀이 이를 바탕으로 플랫폼을 개발하는 모델이 강력했음
• 스페이스X나 팔란티어처럼 정치적 게임이 아닌 실제 성과로 차별화하는 기업이 더 필요함
3. 팔란티어의 비밀
• FDE의 또 다른 핵심 업무는 데이터 통합이었음
• 데이터 통합은 오랫동안 팔란티어가 하는 일의 핵심이었지만 그 중요성이 과소평가되어 왔음
• 최근 AI의 등장으로 기업의 깨끗하고 잘 정리된 데이터의 중요성이 부각되고 있음
• 데이터 통합이란 (a) 기업 데이터에 대한 접근권을 확보하고 (b) 데이터를 정제 및 변환한 뒤 (c) 모두가 접근할 수 있는 곳에 저장하는 것을 의미함
• 파운드리의 기반 소프트웨어 상당 부분이 이 작업을 쉽고 빠르게 해주는 도구임
• 데이터가 PDF, 노트, 엑셀 등 다양한 형식으로 존재해 통합이 어려움
• 조직 내 정치도 걸림돌인데, 특정 팀이 핵심 데이터에 대한 접근을 통제하며 존재 이유를 삼는 경우가 많음
• 데이터 접근권을 확보하는 데만 파일럿 프로젝트 기간을 모두 소진하고 데모를 서둘러 준비해야 했던 경우도 있음
• 데이터 접근 문제의 상당 부분이 보안 우려에서 비롯된다는 점을 파악하고 플랫폼 전반에 걸쳐 보안 통제 기능을 구축함
• 역할 기반 접근 제어, 행 수준 정책, 보안 마킹, 감사 추적 등 다양한 데이터 보안 기능을 도입함
• 이러한 기능 덕분에 팔란티어 도입이 오히려 기업 데이터 보안을 강화하는 결과를 가져옴
4. 문화에 대한 참고사항
• 팔란티어의 분위기는 정상적인 소프트웨어 회사라기보다는 메시아닉 컬트에 가까웠음
• 그러나 비판이 허용되고 장려되었는데, 신입 엔지니어가 전체 메일로 임원과 논쟁하기도 함
• 합리주의적 사고를 가진 철학과 졸업생인 나에게 이 점이 중요했음. 맹목적 추종이 아닌 세상에 대해 깊이 고민하고 토론하는 회사에 관심이 있었음
• 입사 시 Impro, The Looming Tower, Interviewing Users, Getting Things Done 등의 책을 줌
• The Looming Tower는 회사가 9/11에 대한 대응으로 설립되었다는 배경 지식을 줌
• Impro는 사회적 맥락에 대한 민감성, 즉 정치적 게임을 하는 능력이 FDE 성공에 중요함을 일깨워 줌
• Impro는 사회적 행동을 기계적으로 분석하는데, 'casting' 등 관련 용어가 사내에 널리 쓰임
• 고개를 가만히 하고 서서 손을 보이는 것은 높은 지위를, 고개를 좌우로 움직이고 손을 주머니에 넣는 것은 낮은 지위를 나타냄
• 이런 원리를 모른다면 고객사 환경에서 성공하기 어려웠을 것임
• 전직 FDE들이 훌륭한 창업자가 되는 이유 중 하나임. 구글 출신보다 팔란티어 출신 창업자가 YC에 더 많음
• 훌륭한 창업자는 회의 분위기, 집단 역학, 권력 관계를 읽어내는 감각이 있음. 이는 팔란티어가 FDE에게 가르치지만 다른 밸리 회사에서는 배우기 힘든 것임
• FDE는 빠르게 고객사의 언어를 배우고 비즈니스를 깊이 이해하는 능력이 필요함
• 병원, 신약개발, 의료보험, 정보학, 면역항암요법 등 각 분야마다 전문 용어가 있고 이를 빨리 습득하는 사람이 성공함
• 재능있는 사람은 자신만의 어휘와 밈을 만들어내는데, 이는 그 사람만의 지적 세계로 들어가는 입구 역할을 함
• 회사도 마찬가지인데 팔란티어에는 'ontology', 'impl', 'artist's colony', 'compounding', 'the 36 chambers', 'dots', 'metabolizing pain', 'gamma radiation' 등 방대한 용어가 있음
• 피터 틸이 팔란티어하면 가장 먼저 떠오르지만 많은 용어가 초기 직원, 특히 현 사장인 샴 산카르로부터 나옴
• 피터 틸은 내가 근무할 당시 회사 운영에는 관여하지 않았지만 문화에 큰 영향을 미쳤음
• 직함을 두지 않는 것도 피터 틸의 아이디어로 보임. FDE와 소수의 임원을 제외하고는 모두 같은 직함을 가졌음
• 직함을 만들면 사람들이 그것을 탐내게 되고 내부 정치와 경쟁을 유발한다는 지라르의 사상에 기반한 것으로 보임
• 계층이 없는 조직에 대한 비판도 많고 요즘 스타트업에서는 유행이 지났지만, 팔란티어에서는 잘 작동했음
• 영향력은 인상적인 성과에 기반했고, 누구도 다른 사람에게 무엇을 하라고 지시할 수 없었음
• 영향력 있는 사람이 내 아이디어를 말도 안 된다고 해도 무시하고 옳다고 생각하면 만들 수 있었음
• 임원의 반대를 무릅쓰고 중요한 인프라를 만든 엔지니어의 일화가 미담으로 회자되며 이런 행동이 장려됨
• 단점은 회사에 명확한 전략이나 방향이 없어 보이고 똑똑한 사람들이 제각각 자기 영지를 구축하는 느낌이었음
• 그러나 이는 놀라울 정도로 창의적인 결과를 낳았음. Hex, Retool, Airflow 등 팔란티어에서 먼저 개발된 개념이 적잖음
• 회사는 지금도 대기업에 LLM을 배포하기 위한 강력한 도구를 만들고 있음
• 직함이 없어서 사람들의 인기가 들쭉날쭉했음. 누군가 영향력이 있다가도 몇 달 뒤 보면 눈에 띄는 일을 하지 않고 있었음
5. Bat-Signal(인재 유치 전략)
• 피터 틸로부터 비롯된 또 다른 아이디어는 인재 배트시그널(talent bat-signals)임
• 이제 내 회사를 차렸기에 그 중요성을 더 실감함. 훌륭한 사람을 모집하기란 어려운 일이고 차별화된 인재 풀이 필요함

• 매년 페이스북/구글과 스탠포드 CS 졸업생을 놓고 경쟁한다면 패배할 수밖에 없음
• (a) 다른 회사보다 특별히 당신 회사에 관심이 있고 (b) 대규모로 그들에게 다가갈 방법이 있는 인재 집단이 필요함
• 팔란티어에는 몇 가지 차별화된 인재 유치 전략이 있었음
• 첫째, 국방/정보 분야 일이 인기 없을 때 이 분야에 우호적이었던 사람들이 있었음. 평소보다 미국 중서부나 공화당 지역 출신의 엔지니어가 많았고, 실리콘밸리 회사에 매력을 느끼면서도 미국에 봉사하고 싶어하는 전직 군인, CIA/NSA 출신이 많았음
• 팔란티어 첫 출근 날, 내부 온보딩에서 만난 한 남자가 자신이 CIA에서 15년간 일했다고 했음. 내 첫 리더는 오하이오 출신의 전직 특공대 경찰이자 육군 베테랑이었음
• 이런 사람들이 많았고 대부분 굉장한 인재였지만 구글에는 가지 않았음
• 팔란티어는 이런 부류에게 유일한 '등대' 역할을 했고, 군대 지원과 애국심을 강조하는 것이 매우 비주류적일 때 이를 당당히 내세웠음
• 이는 매우 효과적이고 독특한 배트시그널을 만들었음 (이제는 Anduril과 수많은 국방 및 제조업 스타트업이 있음)
• 둘째, 초기 열풍이 가라앉은 뒤, 특히 트럼프 시대 팔란티어가 지탄 받을 때 회사에 합류하려면 좀 이상해야 했음
• 이는 '미션 중심'이라는 당시로서는 이례적인 브랜딩에서 비롯되었지만, 장시간 근무, 시장 이하 급여, 잦은 출장이 요구된다는 점도 회사가 떠들썩하게 알렸음
• 한편으로는 정부와 일한다는 이유로 실리콘밸리 채용 박람회에서 쫓겨나기도 했음
• 이 모든 것이 나쁜 소식에 흔들리지 않고 스스로 생각할 줄 아는 특정 부류의 사람을 선별해냄
6. 도덕성
• 팔란티어는 서방을 지지하는 입장인데, 나도 대체로 동의함
• 중국이나 러시아 중심의 세계는 나쁜 것 같고, 그게 우리 앞에 놓인 선택지임
• 자유 국가에 살면 비판하기 쉽지만, 그 반대를 경험해보면 어려움 (억압적인 국가에서 어린 시절을 보냄)
• 군대가 하는 일에 동의하지 않을 때도 있었지만 회사가 군을 돕는 것 자체에는 문제가 없었음
• 물론 군대도 나쁜 짓을 하기도 함. 나는 이라크 전쟁에 반대했음
• 이게 핵심인데, 회사에서 일하는 것이 100% 도덕적으로 선하지도, 100% 나쁘지도 않음
• 때론 내가 반대하는 목표를 가진 기관을 돕기도 했지만, 정부는 많은 좋은 일도 하고 더 효율적으로 하도록 소프트웨어를 제공하는 것은 고귀한 일임
• 회사 일을 세 범주로 나눠보면 도덕성 문제를 명확히 할 수 있음 (완벽한 분류는 아니지만):
1 도덕적으로 중립적인 일: FedEx, CVS, 금융사, 기술 기업 등 일반 기업 관련 업무. 문제 삼는 사람도 있겠지만 대체로 괜찮다고 느낌
2 명백히 선한 일: CDC와의 팬데믹 대응, NCMEC와의 아동 포르노 대응 등 대부분 사람들이 좋은 일이라 동의함
3 회색 지대: 도덕적으로 어렵고 까다로운 결정이 필요한 영역. 건강보험, 이민 단속, 석유회사, 군대, 정보기관, 경찰/범죄 등
• 모든 엔지니어는 선택의 기로에 섬. 구글 검색이나 페이스북 뉴스피드 같이 약간 좋아 보이는 1번 범주나, GiveDirectly 같은 2번 범주를 고를 수 있음
• 팔란티어에 대한 주된 비판은 "3번 범주에선 일하면 안 된다. 때론 도덕적으로 나쁜 결정을 내려야 하니까"였음. 트럼프 시대 이민 단속이 한 예시임
• 그러나 3번을 완전히 무시하고 관여를 끊는 것도 책임 방기라고 봄. 3번 범주 기관은 존재해야 함
• 미국은 총을 든 사람들에 의해 지켜짐. 경찰은 범죄와 싸워야 하고, 일부 경찰 활동이 불편해도 집이 털리면 경찰에 신고함. 석유회사는 에너지를 공급해야 함. 건강보험사는 어려운 결정을 계속 내려야 함
• 그런 것들에 불쾌한 면이 있긴 하지만, 그 기관들을 내버려둬야 할까?
• 3번 고객과 일해야 하는지 명확한 답은 없고 사례별로 접근해야 한다고 봄
• 팔란티어의 입장은 "명백히 나쁘지 않은 한 대부분 3번 기관과 일하되, 민주적 절차를 믿고 시간이 지나면 좋은 방향으로 갈 것"이었음
◦ ICE 문제에선 트럼프 시대에 ERO(단속·추방 업무)와는 관계를 끊고 HSI(국토안보수사국)와는 계속 일함
◦ 대부분 3번 기관과 일했는데, 나쁜 일도 하지만 대체로 세상에 이롭다는 논리였음
• 자세한 내용은 말할 순 없지만 팔란티어 소프트웨어 덕에 여러 테러 공격이 저지되었고, 이 사실만으로 이런 입장이 정당화된다고 봄
• 항상 100% 선한 일만 한다는 보장이 없어 많은 이에게 불편한 입장임. 어떻게 보면 역사의 흐름에 身을 맡기는 셈이고 (a) 악보다 선이 더 많이 행해지고 (b) 현장에 있는 게 없는 것보다 낫다는 걸 믿어야 함
• 이 정도면 나한테 충분했음. 다른 이들은 다른 선택을 했음
• 물론 이런 입장의 위험은 기존 권력 구조가 하자는 대로 하는 보편적 변명이 될 수 있다는 것. 그냥 기존 체제를 강화하는 꼴임
• 그래서 사례별로 접근해야 함. 일반론은 없고 구체적으로 봐야 함
• 나 역시 의료, 바이오 분야에 시간을 많이 투자했고 기여한 바에 대해 만족함. 테러를 막은 사람들도, 팬데믹 때 의약품을 유통한 사람들도 마찬가지일 거임
• 이런 '까다로운' 영역에서 일하는 게 이젠 유행이 되었지만, 기술자에겐 여전히 중요한 질문임
• AI가 좋은 예시임. AI 도입의 일부 결과가 걱정되는 사람이 많음. 해킹에 쓰일 수도, 딥페이크가 세상을 나쁘게 만들 수도, 일자리를 없앨 수도 있음. 그러나 AI에는 큰 장점도 있음 (다리오 아모데이가 최근 에세이에서 잘 설명함)
• 팔란티어처럼 AI에 대해 일하는 것도 100% 선하진 않겠지만 100% 악하지도 않음. 관여를 멈추고 중단을 요구하는 건 비현실적이고 최선은 아닐 듯
• 오픈AI나 앤트로픽에서 일하진 않더라도 AI 관련 이슈에 관여할 만한 사람이라면 어떤 식으로든 참여하길 바람
• 쉬운 경우도 있음: 평가 구축, 정렬 연구, 사회적 회복탄력성 제고 등. 하지만 회색 지대에 참여할 가치도 있다고 봄. 정부 AI 정책에 관여하고, 의료 같은 분야에 AI를 도입하는 일 등. 물론 어려울 것임. 그래도 뛰어들자
• 요즘 AI 분야에서 가장 영향력 있는 사람들은 대부분 현장에 있음. AI 연구소든 정부든 영향력 있는 싱크탱크든. 그들 중 하나가 되고 싶음. 설교하는 사람이 되긴 싫음
• 어려운 결정이 뒤따르겠지만, 일이 일어날 때 그 자리에 있는 게 낫다고 봄. 나중에 그만두고 경종을 울려야 한다 해도 말임
7. 앞으로의 전망
• 팔란티어에 대해 계속 긍정적인가? 그렇다.
• 이번 AI 사이클의 큰 생산성 향상은 AI가 제조, 국방, 물류, 의료 등 대기업들에게 레버리지를 제공할 때 일어날 것임
• 팔란티어는 10년간 이런 기업들과 함께 일해왔음
• AI 에이전트가 결국 핵심 업무 절차를 주도하게 될 것이고, 이들은 중요 비즈니스 데이터에 대한 읽기/쓰기 권한에 의존할 것임
• 10년간 기업 데이터를 통합해온 것이 기업에 AI를 도입하기 위한 핵심 기반임. 엄청난 기회가 있음
• 나 역시 오래 기다려온 마스터플랜을 실행에 옮겨 다음엔 창업할 계획임
• 정부 관련 사업도 포함될 것임. 팀도 훌륭하고 채용 중임. 가끔 비트겐슈타인 얘기도 나눔

현장의 치열한 토론 문화

초반, 2010년 즈음엔 있었다. 예컨대 문제점이 있을 땐 그걸 놓고 같이 가설을 세워서 ‘이런 테스트 결과들이 그 가설과 어긋나지 않냐’면서 다른 가설로 얘기하고, 이렇게 서로서로 의견을 나눴다. 또 새로운 걸 해야 할 땐 이 방식이 좋을지 저 방식이 좋을지, 장단점을 토론했다.”

그런 기술적 토론은 당연히 지금도 해야 하지 않나?

“잘 안된다. 효율성, 즉 변화를 주지 않고 더 쉽게 할 수 있는 것만 하려고 한다. 예전엔 실무자가 의견을 내면 그래도 검토해 보고 위로 올라가는 게 있었는데, 지금은 답이 정해져 있다. 실패를 절대 할 수 없기 때문이다.

그래서 기술적으로 어려운 새로운 건 아예 안 하거나, 아니면 반대로 실패하지 않기 위해서 선택과 집중 없이 세상이 얘기하는 기술 트렌드는 일단 다 하기도 한다. 괜히 어느 걸 빼놨는데, 경쟁사가 그걸로 뜨면 안 되기 때문이다. ”

그렇게 된 계기가 있나?

“권오현 전 DS부문장(2011~2017년)은 선택과 집중을 하는 편이었다. 건강에 신경 써야 한다면서 ‘스마트 워크(Smart Work)’를 강조했고. 그런데 후임 김기남 전 부문장(2017~2022년)은 마이크로 매니지먼트 스타일이었다. 이재용 회장이 참석하는 ‘토요 주간회의’가 생기더니 일주일 내내 보고용 회의를 하는 문화가 생겼다. 요즘 얘기되는 HBM(고대역폭메모리) 철수 결정도 그때 이뤄졌다.”

원래 잘하던 걸 계속 더 잘하려고만 하다 보니, 다른 걸 놓친 듯하다.

“실패를 하더라도 미래를 준비했어야 했다.”

문제는 다들 어느 정도 아는 것 같다. 해법은 뭘까.

“바꾸기 쉽지 않다. 경계현 전 사장이 시스템을 바꾸려고 했지만, 그 아래 임원과 부서장은 지난 10년 동안 보신주의 문화에서 발굴된 사람들이었다. 그들은 ‘뭘 알지도 못하면서 바꾸려고 하냐. 힘들다’고 하고, 아래 직원들은 ‘바꾸겠다고 얘기했는데 실망했다’고 하고. 층층이 나뉘어 딴소리했다.

정말 바뀌려면 중간관리자를 대거 바꿔야 한다. 지금은 아예 결정을 안 하고 보고만 올린 뒤 저 꼭대기만 쳐다보고 있다. 원래 팀장이 ‘내가 책임질 테니 이거 해보자’ 해야 하는데, 팀장 본인이 ‘난 아무것도 아니고 아무것도 몰라요’라고 한다. 그럼 팀원들이 어떻게 힘이 나겠나.

지금 경영진이 보기엔 ‘난 잘하는데 왜 밑에 애들은 치열한 토론을 안 하지?’라고 할 거다. 알고 보면 그동안 자기들이 보고 받고 리젝트시키길 반복하면서 나타난 결과다. 직원들은 ‘토론해봤자 어차피 안 들어준다’고 하는 것.”

-반도체 엔지니어가 초등학생 수준으로 내부 보고서를 쓴다고?

“기술용어를 최대한 쓰지 않아야 한다. 그게 도저히 안 돼서 기술용어를 써야 하면, 그걸 쉽게 풀어서 밑에다 써준다.”

https://n.news.naver.com/article/020/0003593188?sid=101 #경영

Hariharan이 YC 재직 중에 작성한 글들 보면서 많이 배웠는데(특히 핀둬둬랑 Faire 글이 너무 좋았음), 비즈니스 모델을 탁월하게 파악해내는 능력을 살려서 새로운 엑셀러레이터겸 투자 하우스를 만들어버렸네. 자기만의 YC를 만들어낸 것인데, 범상치 않아보인다. 열심히 관찰해야겠어.

https://thegeneralist.substack.com/p/avra

Step 1: Data-driven sourcing

“We get to reimagine it in the age of AI,”

“For example, revenue might be a lagging indicator because it’s not necessarily the first metric that helps you identify a breakout business. The same is true of job openings – only after a company achieves a certain round of funding are they able to open up new positions.”

Lucas Fox highlighted the importance of tracking Github repositories and stars, Twitter trends, and engagement via platforms like Discord or other open-source communities. Avra’s system tracks the social activity of certain influential people – noting the new companies or entrepreneurs they follow. It also incorporates app traffic, web traffic, Hacker News upvotes, backlinks growth, and consumer credit card data. The system integrates qualitative signals, too, assessing the perceived quality of a founding team and the caliber of the company’s known cap table. In total, it tracks more than 50 custom sources to develop a sense of the current market.

Before it gets to the invitation stage, Avra conducts further filtering. It cannot reasonably meet with hundreds of companies; instead, it watches them over time and looks for inflection points followed by consistent growth. “We do week-over-week monitoring. That’s how we know which ones are taking off,” Hariharan said. “The key is to measure it dynamically. Pretty easily, you get to a top 50 because not everyone is growing week-over-week.”

Step 2: One-on-one evaluations

Because Avra offers a specific, differentiated product, it is able to sidestep this tripwire. When a member of the investment team reaches out to a startup CEO, it is not asking to invest; it is offering something of value. Especially when this pitch comes via a founder who enjoyed the program, it’s a powerful sell.

Revenue threshold. Avra’s program is explicitly designed for growth-stage companies. If a company hasn’t achieved meaningful revenue, it may be better for them to wait for a later batch. “If you haven’t gotten to $2 million in annual revenue, it doesn’t make sense to do the program because it is not a good use of their time,” Hariharan said.

Scaling speed. As well as surpassing a certain threshold, Avra also looks to ensure a startup is growing rapidly. Much of Avra’s program focuses on building large, performant teams at hyper-speed, something a more modestly growing company may not need. “If you’re not scaling really fast in terms of revenue growth, you shouldnt be scaling your team,” Hariharan added.

A self-aware CEO. “I’ve had the privilege of working with a lot of really good founders, and they’re very self-aware,” Hariharan explained. “It’s almost a signal we’re testing for because we don’t want founders who feel like they know everything. It won’t work for us, and over the long term, we have learned it does not work well for the company.” Avra looks for CEOs that understand their strengths and weaknesses.


Is it difficult to gauge self-awareness? Avra seems to find it straightforward, asking a series of questions that force introspection. A few examples:

1. What’s energizing about your job? What’s draining?

2. What are three things you’re good at? What are three things you suck at?

3. What are the strengths of your leadership team?

4. How well do you think you’ve hired?

Step 4: Classes

“A lot of the value comes from founders sharing their problems, not just from the instructors,” Nic Dardenne remarked. “You need it not to be a one-to-many lecture. People have to feel comfortable sharing and being more vulnerable.”

Executive hiring and management (taught by two CEOs)

Mission, strategy, and metrics (taught by two CEOs)

Leading leaders (taught by public market CEO)

Operating cadence (taught by a CEO)

Scaling engineering (taught by two CTOs)

Scaling people management (taught by a CEO and former VP of People)

Financial Planning and fundraising (taught by a CFO)


Step 5: Office hours

Supabase’s financials as part of Avra’s push for the company to create a “mini S-1” (more in a moment). “The mini S-1 project makes you think a lot and forces you to ask a lot of questions. Without the office hours, I would have been floundering a bit, especially around knowing how to write up our financials. The Avra team literally built spreadsheets for us, which I now use for our investors.”

Momence CEO Vojta Drmota also found the added attention of office hours valuable. “In between sessions we would meet with Anu and her team. It supplemented the sessions very well because it was more pointed toward where Momence is now and what we need to focus on.”

Though most growth VCs get to know potential investments over a long period of time (at least six months and usually a year) to create a longitudinal view of their progress, Avra gets to witness it up close and unvarnished.

“You have to articulate what the best case scenario for your TAM is, what your market share has to look like, and what ACVs have to look like,” Drmota said. “It forces you to think not just about your mission but how it can be materialized.”


Founders rely on help from Avra and feedback from their batchmates to craft their S-1, which they eventually present in front of prominent public market investors. “It’s definitely an interesting process,” Cris Valenzuela said. “You learn a lot just by doing it, but you also get a lot because you speak with other people about it and get feedback. It helps you understand the future things you should be thinking about. I’d never done it before.”

많은 연구자들이 자신들의 이름을 건 알고리즘으로 세상을 바꾸고자 하지만, 알고리즘보다 데이터와 컴퓨팅이 훨씬 중요했다는 것이 역사로 증명

중요한 것은 모델이 가치를 창출하느냐는 것이고 이를 달성하기 위해서는 연구자들도 새로운 인센티브 구조를 연구할 필요가 있음

- 직접적인 교육보다 인센티브 구조를 통한 학습이 더 효과적
- 모델 규모가 커짐에 따라 인센티브 기반 학습의 효과가 증대됨
- 모델 규모에 따라 다른 능력이 출현함
현재 작동하지 않는 아이디어도 미래에는 작동할 수 있다는 "아직"의 관점 필요

- 물론 원숭이에게 바나나를 아무리 가져다줘도 수학 논문을 쓸 수는 없듯이 인센티브 기반 학습이 가능하려면 최소한의 지적 능력을 갖춰야 함
- GPT4 모델부터 이 능력을 갖춘 것으로 봄
- "물고기 맛을 보여준 뒤, 계속 배고프게 하자." 그러면 인내심과 물고기가 좋아하는 미끼 등 여러가지 필수 능력을 인공지능이 스스로 학습할 것

AI 연구에 대한 새로운 관점

- 기본 가정(가장 유능한 모델)이 빠르게 변화함
- 바뀔때마다 기존 방식을 버리고 (unlearning) 새로운 방식을 익혀야 함
- 실제로 기존 방식에 대한 지식이 전무한 학부생이 쓴 논문으로 전체 업계의 연구방향이 바뀌기도 함
- 기존 직관을 버리고 새로운 패러다임에 적응하는 능력이 중요
- 다음 토큰 예측 (Next Token Prediction) 방식이 그동안 아주 잘 동작해왔지만, 이것도 정답이 아닐 수 있음
더 나은 인센티브 구조에 대해 주목해야 함

인간 지능과 기계 지능은 다릅니다. 인간의 기준으로 기계를 가르치는 것보다 모델이 스스로 데이터를 보고 패턴을 학습하게 하는 것이 훨씬 낫습니다.

그럼에도 우리는 계속 인공지능에게 우리가 생각하는 방식을 가르치려고 시도합니다. 정형원 박사는 그 이유에 대해서 단기적으로 좋은 결과가 나오기 때문이라고 설명합니다. 그래서 그동안 연구자들이 우선 여기에 집중을 하는 경향이 있었는데, 장기적으로 봤을 때는 이 방식은 어느 지점 이후로는 성능이 정체된다는 단점이 있었습니다. 사람이 하나하나 가르치게 되면, 사람의 방식이 일종의 한계로 작용할 수 있다는 것입니다.

모델에게 알아서 학습하도록 하면 처음엔 부족하더라도 충분한 컴퓨팅과 데이터가 제공되면 스스로 사람이 가르칠 수 있는 패턴보다 훨씬 많은 개수의 패턴을 스스로 학습할 수 있다는 것입니다. GPT4의 경우에는 그 패턴의 개수가 수조개가 넘는다고 하니, 앞으로도 컴퓨팅과 데이터는 더 많이 제공될 거라는 것을 전제로 했을 때 더 이상 사람이 가르치려는 방식을 붙잡고있을 필요가 없다는 것입니다.

학습량을 늘리면 꺼내쓸 수 있는 공식이 많아지니 더 많은 상황에 대처가 가능해지는 거고, 꺼내쓸 수 있는 공식을 못찾거나 잘못 찾으면 환각을 일으키는 것

How to build a rocket from scratch from abl team.

https://blog.ablspacesystems.com/p/building-e2

에너지와 김의 만남.
신선하다 또는 낯설다.

———
‘독도 김’으로 알려진 국내 빅3 김 제조사 중 하나인 성경식품이 종합에너지기업인 삼천리를 새 주인으로 맞는다. 국내 사모펀드(PEF) 운용사 어펄마캐피탈은 성경식품을 인수한 지 7년 만에 매출을 두 배 가량으로 늘리며 수출 기업으로 기업가치를 높여 성공적으로 엑시트 할 전망이다.

https://n.news.naver.com/mnews/article/011/0004407144

도전하는 인생을 사는 분들의 특징

창업이던, 커리어던, 도전을 멈추지 말아야 한다고 생각한다. 도전을 멈추는 순간 평범의 길로 접어든다고 생각한다.

항상 도전하며 사는 사람들의 특징은 아래와 같다고 생각한다.

1. 객관식이 아닌, 주관식으로 인생을 설계한다. 내가 선택할 수 있는 더 나은 커리어의 보기를 찾기 보다는, 1) 내가 원하는 성장을 정의하고 2) 그 정의에 부합하는 여정을 만들어 나가기 위한 과정을 주변 사람들과 끊임없이 대화하며 설계해 나가야 한다. 커리어/인생을 주관식으로 설계해야, 그 과정에서 '도전'을 할 수 있다.

2. 주변을 활용해야 한다. 도전은 혼자 고민하고 혼자 실행해서 할 수 있는 것이 아니다. 혼자 고민하면 염려가 쌓이게 되는데, 염려는 도전을 방해하는 요소로 작용한다. 좋은 친구/동료/선배/멘토가 있다면, 주기적으로 내 고민을 터놓고 이야기 할 필요가 있다. 그들이 답을 준다기 보다는, 그들과 대화하는 과정에서 나 스스로 답을 발견할 가능성이 크다. 참고로 좋은 친구/동료/선배/멘토의 정의는... '적당히 살아도 되니까 좀 즐겨~' 라고 이야기 해주는 사람이 아닌, 내가 더 깊이 들어갈 수 있도록 질문을 해주고, 경험담을 솔직히 share 해주고, 응원해주고 격려해주는 사람이다.

3. 주변에 같은 강도로 노력하는 동료들이 있다. 설령 서로 가는 길은 다를지언정, 꿈을 이루기 위해 지치지 않고, 끝까지 꾸준히 열심히 노력하는 사람들이 주위에 있다면, 때로는 자극을 받고 때로는 의지하며 결국 포기하지 않고 도전을 이어나갈 수 있다. 도전은 포기하지 않음에서 비롯되는데, 포기하지 않기 위해서는 함께할 수 있는 동료가 필요하다.

4. '안전한 길' 보다는 '맞는 길'을 가려고 한다. 그 과정에서 익숙함 보다는 새로움/낯섬/불편함을 선택한다. 상황을 & 주변을 바꾸려 하기 보다는, 나를 바꾸려고 한다. 그 과정에서 Risk를 줄여나가는 옵션을 선택하기 보다는, Risk 가 따라오되 내가 꿈꾸는 미래에 가까이 갈 수 있는 길을 선택한다.

5. 사람을 깊게 사귄다. 많이 만나는 것 보다는 제대로 만나는 것에 초점을 둔다. 그리고, 내 comfort zone 안에 있는 사람들만 만나기 보다는, 때로는 comfort zone 을 벗어난 사람들과의 교류를 피하지 않고, 오히려 즐기고, 그들의과 깊이있는 관계를 통해 comfort zone 을 넓혀나간다.

Ringle 유저 분들의 공통점 중 하나도, 1) 도전하는 인생을 살아가고 있거나, 2) 도전하는 인생을 살기 위해 노력하는 분들이라는 사실이다.

경기가 좋지 않은 시기일수록 (역풍이 부는 시기일수록), 불안정성이 높아지는 시기일수록, 돌파구를 찾는 것이 필요하다. 돌파구는 안전한 선택을 하는 데에서 찾아질 수 있다기 보다는, 과감을 선택을 하는 과정에서 찾을 수 있는 것이다.

많은 분들이 2024년 말 & 2025년에는 더 나은 삶, 더 나은 세상을 꿈꾸며 도전하는 인생을 살 수 있으면 좋겠다!

화이팅!

승훈님

당신의 인생은 당신의 경험의 총합이다—
김수미씨가 돌아가셨다. 75세밖에 안되셨다. 안타까운 마음이 가득했다.
동창 카톡방은 두 가지 소식이 대부분이다. "자녀결혼" "부모님 상"
생각없이 살다가도 죽음을 접하면 삶에 대해 다시금 생각하게 된다.
얼마전에 밀리의서재에서 "역전하는 법"이란 흥미로운 책을 한 권 읽었다. 저자는 일중독과 돈중독에 빠졌던 잘 나가는 헤지펀드 매니저였는데 일에치여 사망하는 주위 백만장자 동료들을 보고 삶에 대한 관점을 바꾼 사람이었다.
그는 이렇게 말한다.
"대부분의 사람들은 부자가 되려 애쓰는데 그것보다 부자로 사는 것이 더 중요하다. 당신의 인생은 당신의 경험의 총합이다.
왜 돈을 모으는가? 경험을 위해서이다. 죽음을 앞두면 남는 것은 경험뿐이다. 경험은 만료기한이 있다. 아이와 놀아주는 것은 자녀가 아이일때만 가능하다. 스키나 번지점프도 어떤 나이 이상이면 시도하기 어렵다. 당신이 미루면 평생 단 한번도 경험하지 못한채 죽는다.
돈의 효용성은 나이와 함께 감소한다. 나이들면 건강도 관심사도 감소한다. 건강할때 경험에 돈을 써라. 건강과 시간이 돈보다 중요하다."
그는 다음과 같은 몇가지 방안을 말했다.
1.인생에서 긍정적 경험을 최대한 늘려라
2.일찍부터 (물건보다) 경험에 투자하라
3.다 쓰고 죽기를 목표로 하라
4. 자동조정모드에 인생을 맡기지 마라
5. 경험마다 적절한때가있다
6. 재산증식을 멈출때를 파악하라
7. 죽고나서 기부하거나 상속할 생각하지말고 생전에 관대하게 베풀고 돈을써라
8. 지나치게 사치하지말고 그러나 지나치게 검소하지도 마라
9. 자녀에게도 경험의 추억을 주라. 자녀가 크면 그 경험만 기억한다.
10. 젊을수록 과감한 경험에 도전하고 모험하라.
물론, 생계자체가 어려운 분들에게 이러한 이야기는 배부른 이들의 낭만이라 할수 있을수 있다. 이 책의 저자는 이미 엄청난 부를 이루었기에 이런 말을 쉽게 할수 있다고 할수도 있다. 그럼에도 불구하고 특히 평생 경주마처럼 달리기만 하는 사람들에게 충분한 통찰이 있다.
다음과 같은 질문을 해보자.
당신이 누리고 싶은 인생 경험은 무엇인가?
누구와 함께 이 경험을 함께하고싶은가?"
그리고 지금 당장 하자!

신수정님

늘 어딜가나 어떤 창업자를 선호 하는지 묻는데... tossfeed 에 잘 정리해놓은게 있어서 공유.
-- 하고자 하는 업과 관련해 누구보다 많이 알고 준비를 철저히 했다. 그리고 모르는 것은 모른다고 한다.
-- 회사 내외 분들로부터 존경을 받고 사람들이 같이 일하고 싶어 한다. 이것은 좋아하는 것과 다르다. 좋아한다고 꼭 같이 일하고 싶어 하지는 않는다.
-- 끊임없이 자기 발전을 한다. 아무리 좋은 학교를 나오고 스마트한 사람이라도 계속 발전하지 않는 사람에게는 실망한다.
-- 실패를 했다 해도 그 경험을 통해 무엇을 얻었는지 배우고, 또 실패 하는 것을 두려워하지 않는다. 그래서 어려운 결정을 피하지 않는다.
-- 거대한 꿈이 있다. 그러나 꿈과 현실을 혼동하지 않는다.

한킴

https://youtu.be/cdiD-9MMpb0?t=9383

10,000 시간의 의도적인 연습: "초보자들은 주로 '무엇을 해야 하는지'에 집중하는 경향이 있지만, 저는 '얼마나 많이 하는지'가 더 중요하다고 생각해요. 10,000시간의 노력을 쏟아야 해요. 어떤 일을 선택하는지는 그리 중요하지 않아요. 하다 보면 개선되고, 시행착오도 겪겠죠. 하지만 10,000시간 동안 의도적으로 노력한다면 결국 전문가가 될 겁니다."

매일의 습관 형성: "어떻게 하면 10,000시간에 도달할 수 있을지, 그 가능성을 최대화하는 메커니즘에 대해 생각해 보세요. 우리 같은 인간에게는 매일 실제로 일을 하는 습관을 형성하는 것이 필요합니다."

타인과의 비교가 아닌 자기 자신과의 비교: "사람들은 자주 다른 사람들과 비교하는데, 이건 매우 해로워요. 오직 과거의 자신과 비교하세요. 예를 들어, 1년 전의 나와 비교했을 때 지금의 나는 더 나아졌는가? 이것만이 올바른 사고 방식입니다."

'흉터 조직'으로서의 실수 수용: "틀린 방법으로 시간을 낭비하게 될 거예요. 결국은 그것이 옳지 않다는 걸 깨닫게 되겠죠. 시행착오를 통해 '흉터 조직'이 쌓이고, 그 다음에는 더 강해질 겁니다. 모든 실수가 헛된 일이 아니었던 겁니다."

학습 수단으로서의 가르침: "저는 가르치는 걸 사랑하진 않지만, 사람들이 행복해하는 걸 좋아해요. 그리고 가르칠 때 사람들이 행복해하죠. 가르침은 이해를 강화하는 방법이에요. 무언가를 누군가에게 설명하려면 지식의 빈틈을 발견하게 되거든요. 그래서 순전히 이타적인 활동은 아니에요—이건 배움의 한 방법입니다."

기술 선택의 단순화: "사람들은 주로 어떤 IDE를 사용해야 할지 같은 문제로 걱정하죠. 결국은 틀린 방식으로 시간을 낭비하게 될 겁니다. 하지만 시간이 지나면 알아내게 될 거예요."

AI의 추론 능력에 대해: "저에게 생각이나 추론이란 단순한 정보 처리와 일반화입니다. 현재의 신경망은 이미 이걸 하고 있다고 생각해요. 새로운 상황에서도 정보를 처리하여 올바른 답을 제시하고 있죠. 이는 단순한 룩업 테이블이 아니라 알고리즘을 학습한 결과입니다."