Sources about languages in the internet

English is the most common language online, used by 60.4% of the top 10 million websites3. Other popular languages include Russian (8.5%), Spanish (4.0%), Turkish (3.7%), Persian (3.0%), French (2.6%), German (2.4%), and Japanese (2.1%) 3. As of January 2023, the share of websites using these languages is as follows: English (58.8%), Russian (5.3%), Spanish (4.3%), and French (2.9%) 4.

Based on the number of internet users, the top 10 languages and their market share on the internet are as follows1.

:English: 25.9%
Chinese: 19.4%
Spanish: 8.0%
Arabic: 5.2%
Portuguese: 4.1%
Indonesian/Malaysian: 3.7%
French: 3.5%
Japanese: 3.0%
Russian: 2.9%
German: 2.3%

These percentages represent the share of worldwide internet users who speak each language.On the other hand, based on the share of websites using these languages, the top 10 languages and their market share on the internet are as follows2.

:English: 58.8%
Russian: 5.3%
Spanish: 4.3%
French: 2.9%
German: 2.4%
Japanese: 2.1%
Portuguese: 2.1%
Italian: 1.9%
Persian: 1.8%
Chinese: 1.4%

Korean is an important language on the internet, with 39.4 million Korean-speaking internet users, representing 2% of the world’s total1. In 2010, Korean was ranked tenth among the languages used on the internet1.

1. **Market Size and Potential Growth for 10 years**:
The current global travel market is estimated at around $2.3 trillion annually in 2023, with significant components being airline revenue ($800B+) and global hotel demand ($1.5T). Over the next decade, this market is expected to grow significantly due to factors such as increasing global middle class, technological advancements, changing consumer preferences for experiences over material possessions, and the expected recovery and growth post the COVID-19 pandemic**[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)**.

2. **Major Players and Their Dynamics**:
The major players in travel distribution are split into several categories: Service Providers, Discovery engines, Pipes, and Metasearch companies**[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)**. The dynamics among these players often involve competitive and cooperative interactions, with changing power dynamics influenced by factors like technological innovation, consumer behavior, regulatory changes, and global events**[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)**.

3. **Current User Experience**:
Today's travel booking experience can often be fragmented and confusing**[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)**. This is mainly due to outdated technology, the multiplicity of service providers, and the inability of current systems to effectively bundle and sell ancillaries and upgrades**[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)**.

4. **Addressing the Issue - Scenarios, Winners, and Losers**:
- *Scenario 1: GDS-led change* – If GDS players like Sabre, Amadeus, and Travelport manage to modernize their systems and partner effectively with AI-based systems, they could continue to dominate.

[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)

- *Scenario 2: OTA-led change* – If OTAs manage to adapt, focusing on customer service and unique inventory, they could maintain their relevance.

[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)

- *Scenario 3: AI/LLM-led disruption* – If AI systems become advanced enough to make bookings directly on any platform, this would disrupt the entire industry.

[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)

5. **Opportunities for Startups**:

Startups can leverage AI to improve personalization, automate customer service, offer dynamic pricing, and disrupt current models**[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)**. A startup could develop an AI-powered concierge that streamlines the booking process, handles customer service, and personalizes travel recommendations**[2](https://chat.openai.com/?model=gpt-4#user-content-fn-2%5E)**.

6. **Investment Opportunities**:

Investors should consider investing in startups leveraging AI to disrupt the travel industry, particularly those focusing on improving customer experience, personalization, and service integration**[1](https://chat.openai.com/?model=gpt-4#user-content-fn-1%5E)**.

Well written blog about how ai will impact on travel industry.

https://www.platformaeronaut.com/p/impact-of-aillms-on-travel-distribution

https://youtu.be/5cQXjboJwg0?t=4511

Brad Gerstner discusses the recent $105 million seed round raised by Mishro AI, a startup that has not yet written any code. He explains that rounds like this are necessary because these startups need to buy expensive hardware like h100s and a100s for training. However, Gerstner warns against making “teaser bets,” saying that this is not the way to make money in the industry. He compares the current AI funding frenzy to the search engine hype in the late 90s, where many companies went to zero despite the massive investment. Gerstner cautions against making too many “stupid bets” and stresses the importance of proper sizing and accountability within partnerships.

Brad Gerstner discusses how AI startups are overheating and how he sees history repeating itself, similar to the social networking market. He mentions a huge anti-portfolio for AI, saying no to over 60 companies, while many competitors are doing these deals, possibly just teaser bets. He warns that putting a bunch of small bets in order to buy a network, relationships or logos won’t work any better this time than it worked around social networking. He is concerned about LPs of venture funds, losing money, asking how the GPS are letting these things happen.

Brad Gerstner, the CEO of Altimeter Capital Management, shares his thoughts on overfunding AI startups. He advises that investing a large amount of money, such as $100 million, to buy compute for startups is not buying innovative IP but subsidizing capex and leading to a low-yield return. Gerstner explains that it is essential to invest in startups that are developing groundbreaking IP as it offers actual ownership and differentiation of the company. He emphasizes that when 80 cents/dollar goes towards sales and marketing, the returns are less. Gerstner adds that one should understand that putting $100 million into a startup is similar to leasing a function and that startups should look towards banking avenues such as Comerica Bank to fund their needs.

Brad Gerstner and Chamath Palihapitiya discuss the frenzy of funding in the AI startup industry and how it’s creating financial illiteracy. While Gerstner believes a lot of good businesses are being funded, Palihapitiya states that pouring billions of dollars into something can lead to both product and distribution challenges.

the challenges of investing in AI startups and the importance of understanding how quickly model development and training is accelerating and how cost curves are moving. With cost reductions in machine learning happening much faster than Moore’s Law, the business model of AI startups should have some advantage in being the first to market, generating new data, and building a persisting advantage. However, it’s difficult to invest in technology as it’s unclear when the market advantage will lie compared to when technology tips, and the minimizing cost of inputs impacts the coordination cost as well. Moreover, he stated that it’s easier to innovate and disrupt at the application and tools layers versus competing down the stack, where it takes more significant capital and might lead to zero returns.

브래드 거스트너가 아직 코드를 작성하지 않은 스타트업인 미슈로 AI가 최근 1억 5,500만 달러의 시드 라운드를 유치한 것에 대해 이야기합니다. 그는 이러한 스타트업이 훈련을 위해 h100 및 a100과 같은 고가의 하드웨어를 구입해야 하기 때문에 이와 같은 라운드가 필요하다고 설명합니다. 하지만 게르스트너는 “티저 베팅“을 하는 것은 업계에서 돈을 버는 방법이 아니라며 경고합니다. 그는 현재의 AI 펀딩 열풍을 90년대 후반의 검색 엔진 과대광고와 비교하며, 많은 기업이 막대한 투자에도 불구하고 적자를 기록했다고 말합니다. 거스트너는 너무 많은 ‘어리석은 베팅’을 하지 않도록 주의하고 파트너십 내에서 적절한 규모와 책임의 중요성을 강조합니다.

브래드 거스트너는 AI 스타트업이 어떻게 과열되고 있는지, 그리고 소셜 네트워킹 시장과 유사하게 역사가 반복되는 것을 어떻게 바라보는지에 대해 이야기합니다. 그는 AI에 대한 거대한 반 포트폴리오를 언급하며 60개 이상의 회사에 대해 거절 의사를 밝혔지만, 많은 경쟁업체가 이러한 거래를 하고 있으며 이는 아마도 티저 베팅에 불과할 것이라고 말합니다. 그는 네트워크, 관계 또는 로고를 구매하기 위해 작은 베팅을 많이 하는 것은 소셜 네트워킹에서 효과가 있었던 것처럼 이번에도 효과가 없을 것이라고 경고합니다. 그는 벤처 펀드의 LP가 돈을 잃는 것에 대해 우려하며 GP가 어떻게 이런 일이 일어나도록 내버려두고 있는지 묻습니다.

Altimeter Capital Management의 CEO인 브래드 거스트너는 AI 스타트업에 대한 과도한 투자에 대한 자신의 생각을 공유합니다. 그는 스타트업의 컴퓨팅 구매에 1억 달러와 같은 거액을 투자하는 것은 혁신적인 IP를 구매하는 것이 아니라 설비 투자에 보조금을 지급하는 것으로 수익률이 낮을 수 있다고 조언합니다. 게르스트너는 획기적인 IP를 개발하는 스타트업에 투자해야 실질적인 소유권을 확보하고 차별화할 수 있다고 설명합니다. 그는 달러당 80센트가 영업과 마케팅에 사용되면 수익률이 낮아진다고 강조합니다. 거스트너는 스타트업에 1억 달러를 투자하는 것은 기능을 임대하는 것과 비슷하다는 점을 이해해야 하며, 스타트업은 필요한 자금을 조달하기 위해 Comerica Bank와 같은 금융 기관을 찾아야 한다고 덧붙입니다.

브래드 거스트너와 차마스 팔리하피티야가 AI 스타트업 업계의 자금 조달 열풍과 이로 인해 금융 문맹이 어떻게 생겨나고 있는지에 대해 이야기합니다. 게르스트너는 좋은 비즈니스에 많은 자금이 지원되고 있다고 생각하지만, 팔리하피티야는 수십억 달러를 쏟아붓는 것은 제품 및 유통 문제를 야기할 수 있다고 말합니다.

AI 스타트업에 대한 투자의 어려움과 모델 개발 및 학습이 얼마나 빠르게 가속화되고 있는지, 비용 곡선이 어떻게 움직이는지 이해하는 것이 중요하다는 점을 강조합니다. 머신러닝의 비용 절감 속도가 무어의 법칙보다 훨씬 빠르기 때문에 AI 스타트업의 비즈니스 모델은 시장에 가장 먼저 출시하고 새로운 데이터를 생성하며 지속적인 이점을 구축하는 데 유리해야 합니다. 하지만 기술 우위 시점이 언제가 될지 불투명하고, 투입 비용의 최소화가 조정 비용에도 영향을 미치기 때문에 기술 투자에 어려움을 겪고 있습니다. 또한, 스택 아래에서 경쟁하는 것보다 애플리케이션과 도구 계층에서 혁신하고 파괴하는 것이 더 쉬우며, 이는 더 많은 자본이 필요하고 수익이 0이 될 수도 있다고 말했습니다.

https://twitter.com/chamath/status/1670686049863979009

What is the biggest business secret hiding in plain sight right now?

Well, we’ve been saying for a while on
@theallinpod
that we should prepare for interest rates “higher than we like and for longer than we want”.

The most under reported issue in business is how Corporate America is about to hit a massive debt wall because of it.

A “debt wall” is a term that describes how much debt is due at various times. If a lot of debt comes due at the same time, it puts a lot of pressure on a company.

It turns out that companies issued a ton of short term debt during the pandemic at close to 0% interest rates. As you can see below, hundreds of billions of dollars will come due starting Jan-2024 and will need to be refinanced at MUCH higher rates.

Prepare for a bunch of companies who will not be able to refinance their debt and will thus see their equity value incinerated. This will hit the private equity industry very acutely, whose core playbook involves wrapping their companies in gobs of high yield debt.

That said, this will also ultimately create opportunities for those with capital on the sidelines to act as a buyer and recap the best of these companies.

Expect a bunch of articles about potential corporate bankruptcies starting this fall…lots of money to be made if you’re paying attention.

Cohere 제품 Chat 제품을 제외하고는 Access 가능하네요?!

https://dashboard.cohere.ai/

Han Kim’s posting

창업자들 에게:
회사가 기대만큼 안되면 오히려 솔직하게 인정하고 너무 상심하지 말고 모든사람들 (투자가들 포함) 기대감을 많이 낮추고 화이팅 하는것이 좋다.
기대만큼 잘되는 회사들은 모든 투자가들 포트폴리오 10% 도 안된다.
그러니 너무 미안해 하지 않아도 된다.

버핏의 주주서신을 (순서대로) 읽고 있노라면 정말 다양한 사례 속에서도 메세지가 아주 뚜렷한데, 그 외에도 읽다가 탁월한 해학과 자기비하적 개그가 넘치는 부분들이 빵 터지는 경우가 많아서 한 장 번역합니다.

1989년 주주서신 중, 1천억 달러 이상의 보유 주식 리스트 내용 중.

보유 기업의 목록은 작년과 동일하며 주식 수가 변경된 경우는 단 한 건뿐입니다: 1988년 말 14,172,500주였던 코카콜라 보유 주식이 1989년 23,350,000주로 증가했습니다.

이 코카콜라 투자는 여러분의 회장이 얼마나 뛰어난 속도로 투자 기회에 대응하는지를 보여주는 또 다른 예입니다. 투자 기회가 아무리 모호하거나 잘 위장되어 있더라도 말이죠. 저는 아마도 1935년이나 1936년에 처음으로 코카콜라를 마신 것 같습니다. [역자 - 버핏 회장은 1930년 생임] 확실한 것은 1936년 부터 가족 식료품점인 버핏 앤 선(Buffett & Son)에서 콜라를 6개에 25센트에 사서, 동네에서 개당 5센트에 팔기 시작한 것이죠. 고수익 소매업을 향한 이 모험에서 저는 제품의 놀라운 소비자 매력과 상업적 가능성을 제대로 관찰했습니다.

이후 52년 동안 콜라가 전 세계를 뒤덮는 동안 저는 이러한 특성을 계속 관찰하기만 했습니다. 하지만 이 기간 동안 저는 코카콜라를 단 한 주도 사지 않았고, 대신 전차 회사, 풍차 제조업체, 무연탄 생산업체, 섬유 사업, 수집용 우표 발행업체 등에 제 순자산의 대부분을 배분했습니다. (이게 지어낸 이야기라고 생각하신다면 회사 이름을 알려드릴 수도...) 1988년 여름에서야 비로소 제가 목격하고 있는 것과 제 생각이 맞닿기 시작한 것입니다. ​

[중략... ]

사실 제가 제정신이었다면 1936년에 할아버지를 설득해 식료품점을 팔고 그 수익금을 모두 코카콜라 주식에 투자하자고 했어야 합니다. 어쨌건 뒤늦게나마 교훈을 잊지 않겠습니다. 다음 번에는 눈부시게 매력적인 아이디어에 대한 반응 시간을 50년 미만으로 단축할 수 있을 것입니다.

교훈 : 너무 신중해도 안된다. 50년 안에 사자.

https://www.facebook.com/100051225699469/posts/pfbid029DessN7DF1AwwvMVWFjJagJZDDm6EDesNHqJfNqiGjRjC78vpP47qZC5APoUNGHel/?mibextid=jf9HGS

Dan’s posting

뇌에 대한 책을 읽으면 읽을수록, 뇌는 나의 경험, 오감, 기대, 좌절, 사랑, 성취라는 현상을 뉴런이라는 실타래로 엮어 만든 한폭의 그림 같은 회로도 작품이라는 생각을 하게 된다.

류이치 사카모토의 Rain(https://youtu.be/PY5LQQlvWLE) 은 창밖으로 갑작스럽게 떨어지는 빗방울과 바람, 불안감, 무엇인가 급작스럽게 바뀔것 같은 고조감, 불확실함, 그리고 애절함을 자아내는 느낌정말 잘 담아냈다. 그래서였는지 내 중고등학교의 불안정한 감정의 순간들과 늘 함께했었던 노래였는데, 결과적으로 노래와 기억은 하나로 엮여 과거의 그 기억들을 불러오는 매개체가 되었다.

기본적으로 기억이란 어딘가의 RDB에 저장되어 있지 않기도 하고, (기억력이 좋지 않은 편이라,) 이처럼 어둠속에 파묻힌 몇십년 전 기억에 빛을 비춰주는 매개체가 없으면 영영 잊어버릴 수 있다. (마치 자물쇠로 잠긴 서랍을 을 열쇠 없이 열 수 없듯)

혼잡한 내 뇌속에서, 삶의 순간들을 추억할 수 있도록 아름다운 매개체를 만들어준 사카모토를 기억하며

2023.04.03.

https://www.yes24.com/Product/Goods/4358738

팔란티어에서 프로덕트를 리드했던 Adam Judelson이 팔란티어에서 배운 내용들.
평범한 내용이 아닐 뿐더러 상당히 자세하게 나와있어서 흥미롭게 읽었음.

1. 엔지니어링 포워드 배포 (현장에 직접 투입)
2. 현존하는 최고의 인재 채용
3. 영업 사원을 고용하지 말고 대신 엔지니어가 영업을 하도록 하기
4. 라이브 제품으로 실험하기
5. 시간이 지남에 따라 가치를 확대하는 기능 구축

특히 1번에서 언급된 내용 - 단순히 고객을 이해하려고 생각하는걸 넘어, 실제로 현장에 나가보고 고객과 똑같은 일을 해보면서 고객을 이해하려는 시도를 했다는게 매우 인상깊었다.

https://www.lennysnewsletter.com/p/the-unconventional-palantir-principles

성공 사다리의 꼭대기에 오르는 기버와 밑바닥으로 추락하는 기버의 차이점은 호구냐, 아니냐에 있었다. 기버는 남에게 베풀되 호구로 이용 당하지 않으면 최고의 성공을 거뒀지만 남에게 얕보여 호구로 전락하면 밑바닥으로 추락했다.

결국 중요한 것은 선하게 살되 호구가 되지 않는 것이다. 미국 펜실베니아대 와튼스쿨 조직심리학 교수인 애덤 그랜트의 ‘기브앤테이크(GIVE and TAKE)-주는 사람이 성공한다’를 토대로 베풀며 착하게 살되 호구가 되지 않는 방법을 정리했다.

1. 누가 테이커인지 파악한다=기버를 호구로 만드는 사람은 테이커다. 매처는 공정함을 중시하기에 받으면 그만큼 돌려주려 한다. 따라서 호구가 되지 않으려면 누가 테이커인지 알아차려야 한다.

테이커를 파악하는 방법은 크게 세 가지다.

첫째, 자기보다 약자인 사람을 어떻게 대하는지 보면 알 수 있다. 테이커는 얻을게 있는 사람에겐 간이라도 빼줄 것처럼 호의를 베푼다. 반면 얻을게 없는 사람이란 판단이 들면 냉담하게 굴거나 함부로 한다. 이를 알 수 있는 가장 좋은 방법은 아랫사람을 어떻게 대하는지 보는 것이다. 직원을 막 대하는 사람이라면 테이커다.
둘째, 대화할 때 '나’란 단어를 상대적으로 더 많이 사용한다. 테이커는 가정, 직장, 지역사회 등 공동체보다 늘 자기가 중요하기에 공동체를 포괄하는 ‘우리’보다 ‘나’를 강조한다.
셋째, 자기 자랑이 많고 허영기가 있다. 대화할 때 자기 업적을 과시하는 사람, 회의 할 때 요즘 자기가 어떤 일을 하는지 강조해서 길게 설명하는 사람, SNS에 인용한 글이나 올린 사진에서 허세가 느껴지는 사람은 테이커라고 보면 된다.

2. 테이커에겐 상응하는 태도를 보인다=상대방이 테이커라면 태도를 기버에서 받은 만큼 되갚는 매처로 전환해야 한다. 테이커가 내게 손해를 끼쳤다면 똑같이 손해를 입힌다는 의미다.

다만 이 경우 천성적인 기버는 테이커조차 용서해야 하는데 용서하지 못했다는 후회가 남을 수 있다. 이 때문에 테이커에겐 기본적으로 ‘눈에는 눈, 이에는 이’로 대하되 세 번 중 한 번은 기버의 자세로 돌아가 테이커를 용서하고 포용해주는 것도 좋다. 이는 기버의 성공에도 도움이 된다. 벤처투자자 랜디 코미사르의 말처럼 “적을 만들지 않으면 성공은 더 쉽기” 때문이다.

3. 상대방의 감정이 아닌 생각에 집중한다

기버의 특징은 공감 능력이 뛰어나다는 점이다. 그들은 다른 사람의 감정에 자신의 감정을 이입해 같이 웃고 같이 운다. 문제는 감정이입을 너무 잘하기 때문에 테이커라도 모질게 대하지 못한다는 점이다. ‘내가 이렇게 하면 저 사람이 힘들지 않을까’ 걱정한다는 뜻이다.

이를 극복하려면 상대방의 감정이 아닌 생각이나 이익에 초점을 맞춰야 한다. '내가 이렇게 하면 어떻게 느낄까'가 아니라 '저 사람이 무슨 생각으로 내게 이러는 걸까. 내가 저 사람이 하자는 대로 하는 것이 궁극적으로 저 사람의 인생에 도움이 될까'를 생각해보는 것이다.

미국 컬럼비아대 심리학 교수인 애덤 갈린스키에 따르면 협상할 때 상대방의 감정이나 느낌에 집중해 감정이입을 하면 너무 많은 것을 포기할 위험이 있다고 한다. 대신 상대방의 생각이나 이익에 초점을 맞추면 자기 이익을 희생하지 않고도 상대방이 만족할만한 방법을 찾기가 쉽다.

4. 타인의 이익을 대변한다고 생각한다

기버는 자기 이익을 잘 챙기지 못한다. 예를 들어 임금 협상 때 임금을 올려달라는 말을 잘 못한다. 자기 이익을 내세우는 것을 쑥스러워 하고 상대방에게 부담 주는 것을 꺼리기 때문이다.
기버가 협상을 잘하려면 자기 이익이 아니라 남의 이익을 대변하고 있다고 생각해야 한다. 임금 협상을 할 때는 내 이익이 아니라 가족의 이익을 대변하고 있다고 발상을 전환하는 식이다. 회사에서 업무 부탁을 받으면 ‘내가 힘들어도 좀 도와주지’라고 생각하는 대신 이 일을 맡으면 내가 속한 팀에는 피해가 없는지, 가정생활에는 부담이 없는지 고려해본다.

5. 제로섬이 아니라 플러스섬을 추구한다

테이커는 어떤 상황이든 승자와 패자로 갈리는 제로섬으로 바라보기 때문에 자신의 이익을 극대화하는데 주력한다. 타인의 이익을 생각하는 기버는 이런 제로섬 게임에선 패자가 될 공산이 크다. 남을 돕는 것이 기쁨인 사람들이기 때문이다.

기버가 성공하려면 게임의 구도를 자신과 상대방 모두 이익을 누릴 수 있는 플러스섬으로 바꿔야 한다. 실패한 기버는 자신이 얻을 가치를 포기하지만 성공한 기버는 새로운 가치를 창출해 나도, 남도 이익을 향유하게 만든다. 이런 점에서 기버로 성공하려면 상생(윈윈)하는 가치를 만들어내기 위한 칭의력과 분석력이 필요하다.

https://m.mt.co.kr/renew/view_amp.html?no=2019051016232720998

물이 깊고 넓지 않으면 큰 배를 감당할 수 없다. 한잔 물을 웅덩이에 부으면, 거기에 겨자씨야 띄울 수는 있겠지만, 잔을 띄우려 들면 잔이 바닥에 닿아 버리고 말 것이다. 물은 얕은데 배는 크기 때문이다(且夫水之積也不厚, 則其負大舟也無方. 覆杯水於坳堂之上, 則芥爲之舟. 置杯焉則膠, 水淺而舟大也).”-장자, 소요유(逍遙遊)

태어나서 늙어 죽을 때까지 목전의 실용성에만 연연한 대가는 협소한 사회 속에서 졸렬한 인생을 살아야 한다는 것이다. 관처럼 좁은 방을 벗어나 멀리까지 항해하는 커다란 배를 타고 싶거든, 먼 미래까지 감당할 수 있는 인재를 만나고 싶거든, 좀 더 깊고 큰 실용성을 맛보고 싶거든, 진정한 실용성이 무엇인지를 새삼 묻고, 재정의하는 일처럼 일견 무용해 보이는 일에 몰두해 보는 거다. 그렇지 않으면, “남은 실용성인들 사람에게 무슨 쓸모가 있을 수 있겠소?”

“혜자가 장자에게 말했다. 당신 말은 쓸 데가 없소. 그러자 장자가 대답했다. 쓸모없음을 알아야 비로소 쓸모를 이야기할 수 있소. 천지가 넓디넓고 크디큰데, 사람이 쓴다고 해봐야 발이 닿는 부분일 뿐이오. 그렇다고 해서, 발이 딛고 있는 부분을 뺀 나머지 부분을 허물어 황천에까지 닿게 해버리면, 남은 땅인들 사람에게 무슨 쓸모가 있을 수 있겠소?(惠子謂莊子曰，子言無用. 莊子曰, 知無用而始可與言用矣. 天地非不廣且大也. 人之所用，容足耳. 然則厠足而墊之致黃泉，人尙有用乎惠 子曰，無用. 莊子曰，然則無用之爲用也, 亦明矣)”. -장자, ‘외물(外物)’

https://www.chosun.com/national/weekend/2023/02/18/5MKDCE6P4NAYLE2VEAD3A54APM/

글 전체가 잘 쓰여져있다고 생각하진 않지만, 위에 인용한 글들이 좋고 무용에 대해서 생각해보게 하네요 :)

버핏의 너무나 유명한 말 조언 중 하나. 투자 뿐 아니라, 제가 삶을 살아가는 데 매우 중요한 기준이 되었던 말인데요. 더 많은 분들께 소개드리고 싶어 번역하여 공유드리게 됐습니다. 당연한 말이라고 생각되지만, 이를 실천하는 사람은 소수니까요. 한 번 깊게 생각해보시는 계기가 되는 글이길 바라며..

"제 경험상, 오랜 시간 동안 한 가지에 집중하며 꾸준하게 단련할 수 있는 인내심을 갖춘 사람은 매우 드물더라고요. 사실 그렇게 집중해서 한 해만 보내더라도 무언가에 엄청난 실력을 갖추게 될 텐데 말이에요. 그 고비를 넘을 수 있는 사람이 별로 없어요."

https://blog.naver.com/bizucafe/223133607668

"낮잠은 뇌에 좋다"라는 제목의 기사에서는 에든버러 대학교 연구진이 실시한 연구에 따르면 낮잠을 자는 사람이 그렇지 않은 사람보다 인지 기능이 더 좋다는 사실을 발견했다고 설명합니다. 이 연구는 40세에서 69세 사이의 35,000명의 데이터를 사용하여 낮잠을 자는 사람과 낮잠을 자지 않는 사람을 비교하여 낮잠이 인지 기능에 미치는 영향을 확인했습니다. 연구 결과 낮잠을 자는 사람은 낮잠 시간에 관계없이 인지 기능이 더 좋은 것으로 나타났습니다. 이 기사는 또한 이전 연구에서 낮잠을 잘 자거나 하루를 힘차게 보낼 수 있게 하는 97개의 DNA 조각을 확인했다고 설명합니다.

연구 결과에 따르면 낮잠이 인지 기능 향상에 도움이 되는지는 낮잠의 기간, 시간, 빈도, 계획된 또는 계획되지 않은 낮잠의 성격 등 다양한 요인에 따라 달라진다고 합니다. 그러나 대부분의 연구에 따르면 짧은 낮잠(30분 미만)은 방향 감각, 언어, 기억력 등 인지 기능 향상과 관련이 있다고 합니다. 1 2 3 4 . 장시간 낮잠(30분 이상)을 자면 깨어난 후 짧은 시간 동안은 수면 관성으로 인한 장애가 발생할 수 있지만, 이후에는 더 오랜 시간(최대 수 시간) 동안 인지 능력이 향상될 수 있습니다. 4 . 낮잠의 일주기적 타이밍은 이른 오후가 가장 유리한 시간입니다. 4 . 그러나 일부 연구에 따르면 낮잠 시간이 길어지면 인지 기능이 저하되는 것으로 나타났습니다. 5 6 . 따라서 낮잠의 이점을 결정할 때는 개인의 필요와 선호도를 고려하는 것이 중요합니다.

https://www.bbc.com/news/health-65950168

GPT-4는 추론 엔진(Reasoning Engine)입니다. https://every.to/chain-of-thought/gpt-4-is-a-reasoning-engine

GPT 모델은 데이터 베이스가 아니라, 추론 엔진이라는 것이 중요합니다.
AI 유용성 향상이 추론 능력의 향상 뿐 아니라, 정확한 타이밍(적시)에 유용한 지식을 엑세스 하는 능력 향상에서 비롯될 것이라고 (글쓴이가) 예측하기에 중요합니다.
GPT의 웹 검색 베이스 기반 (GPT Model : Browing)은 웹 조사를 수행하여 자체 지식 기반을 만듭니다. 그런 다음에 수집된 정보를 분석하여 보다 정확한 답변을 추출하는 것입니다.
GPT-4가 인터넷, 혹은 데이터베이스에 연결되면 모호한 통계적 추론에 의존할 필요가 없습니다. 대신하여 명확한 답변을 생성할 수 있습니다.
이런 지식에서 적시에 적합한 지식을 찾는 것, AI에서는 일반적으로 벡터 데이터베이스로 수행됩니다.
실제로 AI를 구축하는 회사의 성공을 전체적으로 나타내는 투자를 하고 싶다면 벡터 데이터베이스 제공업체 또는 이들의 바스켓에 투자하는 것이 현명한 조치입니다(파인콘 etc.)
개인 지식 저장소는 매우 가치가 있을 겁니다.
우리는 입력의 중요성을 과소 평가하는 경향이 있는 듯 합니다. AI로 정확한 결과를 얻기 위해서는 입력한 정보가 무엇인지가 중요합니다. 그 답은 우리가 분석을 위하여 제공하는 정보에 의해 크게 좌우됩니다.

안녕하세요, AGI Town in Seoul에서 다가오는 금요일 저녁 6:30에 역삼역 부근에서 '게임/엔터 업계에서의 AI 적용'이라는 주제로 밋업을 진행합니다.

🏄‍♂️ 혹시 게임업계에서 AI를 어떻게 적용하는지 고민하고 계셨던 분, AI 리서처/개발자로서 게임 분야에 활용에 대해서 고민했거나 관심이 크신 분이라면 이번 Meetup에 참석하셔서 같이 토론해봐요!

이번 밋업에서는 아래 주제에 대해서 다룰 예정입니다.

🌟 HYBE IM의 조영조님이 AI와 메타휴먼을 이용해 현실감 넘치는 디지털 캐릭터를 만드는 노하우를 공유해주실 겁니다. 창의력과 기술이 만나 탄생하는 새로운 세계를 경험하실 수 있는 기회입니다. 🎨🔬

🌟 너디스타의 정병익님은 AI가 적용된 수집형 RPG를 만드는 방법에 대해 이야기해주실 것입니다. RPG의 미래에 대해 궁금해하셨다면, 이 세션은 놓치지 마세요. 🧩🎲

🌟 김성완님이 생성 AI를 이용한 게임 개발에 대해 설명해주실 겁니다. 최근 Stanford에서 발표한 Generative Agents: Interactive Simulacra of Human Behavior 논문 재밌게 읽었는데, 실제 업계에 계신분들은 생성 AI를 어떻게 활용하려고 할까요?

AGI Town in Seoul이 지향하는 바는 단순 지식을 공유하는 것에서 끝나는 것이 아니라 기술을 깊게 연구한 리서처들과 서비스를 개발해본 엔지니어들이 모여 특정 주제를 깊게 논의해서 가치있는 무언가를 만들어냄에 있습니다.

🔥 신청 링크: https://lu.ma/jjlxyi8m 🔥

🫡기업, VC 중에서 간단히 후원해주실 수 있는 분들은 agitowninseoul@gmail.com로 후원 문의 부탁드립니다. 후원기업 로고는 행사에서 사용될 장표 하단에 노출되고 행사 시작 전후로 해당 후원사실에 대해서 공유드립니다. 샌프란시스코(SF)에서도 많은 VC들이 AI 관련 행사를 후원하며 생태계가 커질 수 있었습니다. 🙇‍♀️

🙏이번 밋업에서는 게임 업계를 주제로 하는 만큼 관련 산업에 계시거나 AI리서처/빌더인 분들 위주로 초대드리고 있습니다.

https://youtu.be/5Qaxz2e2dVg

이 비디오에서는 Elastic의 전체적인 벡터 데이터베이스와 타사 모델을 활용할 수 있는 기능에 중점을 두고 벡터 검색, 임베딩, 그리고 대규모 검색 환경을 개선하는 데 있어 그 중요성에 대해 자세히 설명합니다. Elastic의 Michael Helderbrand 박사가 벡터 검색 개념을 소개하며, 고차원 공간 내에서 정확히 일치하지 않더라도 의미적으로 유사한 데이터를 찾을 수 있는 벡터 검색의 기능을 설명합니다. 대규모로 벡터 검색을 수행하려면 소스 데이터를 저장하고 이를 벡터로 변환하는 반복 가능한 프로세스를 포함하는 벡터로 가득 찬 데이터베이스를 만들어야 합니다.

벡터 검색에서 임베딩은 데이터를 클러스터링하고 모델을 통해 실행하여 벡터 검색에 사용되는 출력 벡터를 생성할 수 있기 때문에 매우 중요합니다. Burt와 같은 모델은 레이어로 학습되도록 구조화되어 있어 특정 작업에 맞게 미세 조정하는 데 도움이 됩니다. 다양한 유형의 데이터에 대한 신속한 검색을 위한 인덱싱의 중요성도 강조됩니다.

이 동영상에서는 보다 정확한 결과를 위한 하이브리드 스코어링, 패싯을 통한 검색 결과의 동적 계산 및 집계 가능성, 데이터 보호 및 사용자 권한 할당을 위한 역할 기반 액세스 제어 등 벡터 검색의 사용자 경험 측면에 대해 다룹니다. 특히, Elastic 검색은 다양한 타사 모델을 통합할 수 있는 전체론적 벡터 데이터베이스로 제공됩니다.

Elastic 검색의 텍스트 기반 검색 엔진 측면을 벡터 검색에 대한 장점에 중점을 두고 자세히 살펴봅니다. Elastic 검색은 시맨틱 검색과 문서 확장을 제공하므로 데이터 과학 팀이 없는 사용자도 쉽게 사용할 수 있습니다. 상호 순위 융합 기능은 정규화 없이도 서로 다른 등급 시스템을 쉽게 혼합할 수 있게 해줍니다. Elastic Search Relevance Engine, 즉 Ezra는 개인화 및 이미지 검색과 정서 분석을 포함해 최적의 검색 환경을 구축하기 위한 도구를 번들로 제공합니다.

검색 환경을 개선하기 위한 ChatGPT의 잠재력에 대해 논의하면서, 발표자는 자연어와 문맥을 이해하여 고객의 검색 환경을 간소화할 수 있는 능력을 확인합니다. 그러나 공개 학습 데이터는 ChatGPT를 제한하며, 비공개 데이터로 미세 조정이 필요합니다. 관련성 있는 최신 문서를 확보하기 위한 보다 비용 효율적인 대안으로 Elasticsearch와 생성형 AI의 통합이 제안됩니다.

이어서 컨퍼런스 초록을 크롤링하여 벡터화하고 챗봇이 문서를 읽고 요약할 수 있도록 지원하는 Elastic의 기능을 보여주는 실제 데모가 이어집니다. 정확하고 관련성 높은 결과를 제공하기 위해 벡터 검색 기술과 다른 정교한 관련성 순위 기능을 혼합하는 것의 중요성이 강조됩니다.

법률 애플리케이션으로 넘어가서, 연사는 Relativity가 데이터 검색을 사용하여 법무팀이 데이터를 정리하고, 진실을 발견하고, 조치를 취하는 데 어떻게 도움을 주는지에 대해 설명합니다. Microsoft의 ‘변화를 위한 정의’ 프로그램과 비영리 단체 및 로펌의 무료 봉사 활동에서 Relativity의 기술이 어떤 역할을 하는지도 강조합니다.

법적 절차에서 AI 사용에 대한 잠재적인 우려를 다루고 투명성, 공정성, 책임성에 중점을 둔 Relativity의 AI 원칙을 소개합니다. 또한 Relativity 8.8 버전에서 하이브리드 검색과 벡터 검색을 모두 사용할 수 있음을 확인합니다.

마지막으로, 동영상에서는 순수 벡터 검색과 스파스 인코더 모델을 동시에 실행하는 방법과 Elasticsearch에서 1024보다 큰 차원을 지원하는 계획에 대해 설명합니다. 보안, 통합 가시성, 데이터 과학자를 위한 사용자 정의 모델 구축과 같은 다른 핵심 사용 사례에서 머신 러닝을 사용하는 방법도 살펴봅니다.

기업가와 투자자를 위한 주요 내용은 다음과 같습니다:

- 대규모 데이터 세트를 처리하고 검색 환경을 개선하는 데 있어 벡터 검색과 임베딩의 중요성.
- 시맨틱 검색, 문서 확장을 제공하고 데이터 과학 팀이 필요하지 않은 Elastic 검색과 같은 텍스트 기반 검색 엔진 사용의 이점.
- 한계에도 불구하고 검색 환경을 개선하는 데 있어 ChatGPT와 같은 AI 도구의 잠재력.
- 법률 프로세스, 보안, 통합 가시성 등 다양한 분야에서 AI와 머신 러닝의 역할.
- 투명하고 공정하며 책임감 있는 AI 사용을 보장하는 데 있어 AI 원칙의 중요성.