I agree with this comment saying this guy is like speaking at chat gpt 3.5 answer pace 😂

His struggling story of finding LP for his fund.

Oh wow. I didn‘t know that Walter has joined some pods!

https://youtu.be/-yhuiovST4A

<최고의 결과를 만들려면, 불안감을 컨트롤할 수 있어야 해요!>

1. 포텐셜의 원칙은 ‘불안’에서부터 시작한다. (당신이) 최고의 기량을 펼치지 못하도록 만드는 압박감과 관련된 문제의 원인이 대부분 ‘불안’이기 때문이다.

2. (사람은 누구나) 긴장하면 마음이 조마조마하고 조여오는 등 그 영향이 신체 증상으로까지 나타난다. 하지만 우리는 이를 통제하고 유리하게 사용할 수도 있다.

3. 불안이 우리에게 미치는 영향을 이해하고 비교적 객관적으로 인식함으로써 우리는 불안을 ‘흥분’으로 바꿀 수 있다.

4. (특히) 우리는 ‘언어’를 사용해 압박감에 대한 느낌을 재구성할 수 있다. 언어는 불안을 흥분으로 바꿔 인식할 수 있도록 도와준다. 또한, 언어는 자존감을 북돋우며 자신감을 높여준다.

5. 하지만 언어를 부주의하고 경솔하게 사용하면 애석하게도 이런 특징은 파괴될 수 있다. 따라서 (최고의 기량을 선보이려면) 강력하고 생산적인 언어를 사용해야 한다. (즉, 자신이 어떤 언어를 쓰느냐에 따라, 그 사람의 성과는 달라진다)

6. 또한, 우리는 진정한 실력 향상이 일어나는 곳인 ‘어글리 존’에 전념할 수 있는 기회를 스스로에 줘야 하고, 계속해서 장애물을 헤치고 나아갈 수 있는 길을 닦아야 한다.

7. 어글리존은 견디기 힘든 영역일 수 있지만, ‘조금씩 자주’ 반복하기를 한다면 놀라운 즐거움을 얻을 수도 있다.

8. 마지막으로, ‘한계는 없다’는 사고방식 또한 중요하다. 이는 포텐셜의 원칙의 모든 요소를 뒷받침하는 사고방식이다. 당신이 어떤 수준에 있든, 지금 어느 위치에 있든, 당신은 언제나 발전할 수 있다. 이런 믿음을 가져야 한다.

9. 이는 ‘할 수 없는 것’이 아니라, ‘할 수 있는 것’에서부터 시작하다는 사고방식이기도 하다.

10. (이처럼) 포텐셜의 원칙은 (일종의) 철학이다. 1) 생각을 (언어로) 정리하고, 2) 신체와 정신 사이의 상호 작용 관계를 정립함으로써, 3) 우리는 압박감이 우리에게 미치는 부정적인 영향을 정복할 수 있다.

- 데이브 알레드, <포텐셜> 중

정말 좋은 자료들과 생각을 공유해주시는 제네럴폭스님, 그리고 버핏클럽! 좋은 의도로 공유합니다.

https://m.blog.naver.com/thegeneralfox/223136228812

투자의 대가 스탠리 드러켄밀러 영상 모음집입니다.

10분짜리 영상부터, 30분짜리 영상까지. 돈 주고 보아도 아깝지 않을 세계 최고 투자 대가의 통찰이 담겨있습니다. 많은 분들께 전달되길 바라며 정리하여 공유합니다.

투자의 대가 스탠리 드러켄밀러 :
https://youtube.com/playlist?list=PLyf6nZ3V7Am7j7HOR8iQKJaZc4WGCA0C-

부채한도, 자산 버블, 경기 침체에 대하여: https://youtu.be/KB2HpNf3Kfg

* 더 보기 쉬우시라고 모바일 이미지로 대체했습니다🙏

New YC for AI startup

Nat Friedman과 Daniel Gross가 만든 AI grant
I think this is one of the best examples of how a good investor can make a difference in the AI ecosystem.

https://aigrant.org/

What do I get if I win?
- A $250,000 investment via a no cap, no discount MFN SAFE (available here).
- A weekend with peers and advisors at the AI Grant Summit in San Francisco
- $350,000 in cloud credits from Azure, along with other startup benefits, membership in the Microsoft for Startups Founders Hub, and go-to-market support
- $50,000 in credits from Cohere
- $50,000 in credits from AssemblyAI
- $50,000 in credits from Replicate
- $25,000 in credits from Modal
- $11,000 in AI voice credits from Eleven Labs
- $10,000 in human-labeling credits from Scale.ai
- $10,000 in credits from OpenAI
- 10 free seats from Weights and Biases
- $1,000 in credits from the amazing nat.dev
- Created by Nat Friedman and Daniel Gross
- Apply here by July 10th, 2023; decisions by July 24th

What type of company or project qualifies?
In particular, we’re looking for technical & pragmatic founders who want to build great products. If you get a thrill from making something that other people love to use, and you understand that building a new product is 1% idea and 99% iteration, we want to support you.

Are larger investments available?
Nat and Daniel separately invest in startups, generally leading rounds, investing between $1M and $100M. Companies that receive larger investments will also have access to the Andromeda Cluster.

How will you select the winners?
We’re looking for smart and energetic people with actionable ideas that are clearly useful. Demos are a big plus; not just because they’re fun to look at, but because they hint at the type of person that cares about the end-user experience, which is ultimately all that matters.

Advisors and speakers:
David Holz, CEO of Midjourney and Leap Motion
Andrej Karpathy, former Director of AI at Tesla
Patrick Collison, CEO of Stripe
Tobi Lütke, CEO of Shopify
Lukas Biewald, CEO of Weights and Biases
Alexandr Wang, CEO of Scale.ai
Aaron Levie, CEO of Box
Amjad Masad, CEO of Replit
Riley Goodside, GPT whisperer
Noam Shazeer, co-creator of transformers and CEO of Character
Mike Krieger, cofounder of Instagram
Guillermo Rauch, CEO of Vercel
Christina Cacioppo, CEO of Vanta
Dylan Field, CEO of Figma

AI Grant companies — batch 1
Perplexity — the fastest way to get an answer
Animato — video chat with AI characters
Lexica.art — make AI art
Replicate — cloud infrastructure for ML models
Minion.ai — automated browser assistant
Recraft — generate vector art and 3D images
Flair — AI design tool for branded content
ValueBase — AI property valuation models for municipal governments
WOMBO — magical consumer AI experiences
Cursor — AI-first code editor
Chroma — programmable memory for AI
Poly Corp — AI-generated textures
Sieve — AI video API
Sameday — appointment scheduling AI
Play.ht — AI voiceover for podcasts
Ghostwrite — automatic email composer
Rowy — low-code backend
Birch — automating complex call center operations in regulated industries
Vizcom — AI-powered engineering drawings
Circle Labs — generative AI discord friends
Samaya AI — knowledge disovery platform for financial services
Secret Weapons — AI video tools used by Hollywood
Pixelcut — AI-powered product photos
AniML — nerf-generated product videos
Dust — browser copilot for teams
Forefront — enterprise chatbot

Goldilocks in India
While East Asian economies enjoyed for decades rip-roaring growth based on a model of investing in infrastructure, manufacturing and exports, and welcoming foreign capital, India opted — with dreadful results — for a semi-socialist template.

Better late than never. Under Prime Minister Narendra Modi, India’s finally following in the footsteps of the likes of South Korea (with which it had similar per-capita GDP levels in the 1960s).


Modi’s administration has surprised observers by curbing the political instinct to ramp up social spending, in favor of infrastructure aimed at building out an industrial base. Foreign companies are being courted, not shunned, with Modi this week winning a pledge from Elon Musk for Tesla Inc. to look at investing in India.

The timing is fortunate, aligning nicely with the rapidly escalating US-China rift that’s prompted companies to shift their supply chains, partly under pressure from Western governments. Morgan Stanley analysts last week underscored their expectation for India to be a particular beneficiary:

“In India we see a tripling of the manufacturing base by 2031 with its share of GDP rising from about 16% to 21%.”

There are plenty of risks. India’s less-developed economy leaves it vulnerable to the vagaries of the monsoon rains — which have an outsize impact on the agriculture sector. Politics could force a return to populist spending ahead of the 2024 election.

But for now, economists surveyed by Bloomberg are penciling in 7% growth for this year, with at least 6% for the next two. And while India’s GDP is well below China’s, solid growth rates offer an especially attractive narrative at a time when China’s economy is disappointing.

Modi will get a fresh opportunity to tell India’s story on Thursday, when he makes an historic second address to the US Congress (after his debut back in 2016). With investors already giddy, as Bloomberg’s India team wrote here, his message during the US visit will likely be warmly received.

“Investors agree that India is passing through a ‘Goldilocks’ phase,” Samiran Chakraborty and Baqar Zaidi, economists at Citigroup Inc., wrote in a note this week.

Check out the latest Stephanomics podcast

https://www.bloomberg.com/economics

OpenAI's median total compensation package for a Software Engineer is $900k, just shy of a million dollars. The catch is that instead of traditional equity grants, OpenAI issues Profit Participation Units (PPUs).

OpenAI distinguishes itself from the majority of startups by providing PPUs to its employees instead of traditional stock options. To put it simply, while exercising options grants ownership to a portion of the company itself, PPUs represent ownership of a percentage of the company's *profits*.

The basis for PPUs are Profit Interest Units (PIUs), which you can think of as an ennoscriptment to a percentage of the profits based on however many PIUs exist (similar to the total outstanding shares). As an example, if you own 1 PIU and there exist a total of 100 PIU’s, you are ennoscriptd to 1% of the profits of the company. OpenAI has also offered liquidity for the PPUs its issued to employees via tender offers such as the one earlier this year in January (though there is a 2-year lock up period).

We've published a blog post with the full scoop on OpenAI's offer structure, how it works, and its constraints: https://lnkd.in/gQX3GfwN

The below offer is a standard package for an L5 engineer at OpenAI. View more OpenAI compensation data points here: https://lnkd.in/gEfa7gCb

#offer #offerletter #compensation #salaries #salarytransparency #data

"SAM은 물렀거라, 50배 빠른 FastSAM이 나왔다"를 카피 문구로 써야 할 논문이네요. 50배 빠른 런타임 속도로 SAM 방법과 비슷한 성능을 얻을 수 있다니... 한번 보시죠 김진성 Helen Hong 교수님^^

제목: Fast Segment Anything

이 논문은 컴퓨터 비전 작업을 위한 강력한 모델인 세그먼트 애니씽 모델(SAM)의 속도 향상 대체 방법을 제안합니다. 저자는 작업을 세그먼트 생성 및 프롬프트로 재구성하여 인스턴스 분할 분기가 있는 일반 CNN 감지기가 훨씬 더 빠른 계산 시간으로 SAM과 비슷한 성능을 달성할 수 있음을 입증

주요 인사이트와 교훈
* 세그먼트 애니웨어 모델(SAM)은 컴퓨터 비전 작업에서 큰 잠재력을 보여주었지만 높은 계산 비용으로 인해 어려움을 겪었습니다.
* 작업을 인스턴스 분할로 재구성하고 기존 인스턴스 분할 방법을 훈련하면 훨씬 빠른 런타임 속도로 비슷한 성능을 달성할 수 있습니다.
* 제안된 방법은 계산 효율성이 중요한 산업 시나리오에 실용적인 대안을 제공합니다.

주요 결론: 저자는 인스턴스 분할 브랜치가 있는 일반 CNN 검출기를 활용하여 SAM의 속도를 높이는 대안을 제안합니다. 이 작업의 재구성은 계산 시간을 대폭 줄이면서 SAM과 비슷한 성능을 달성하여 산업 애플리케이션에 더 적합합니다.

요약:
최근 제안된 세그먼트 애니웨어 모델(SAM)은 많은 컴퓨터 비전 작업에서 큰 영향을 미치고 있습니다. 이미지 분할, 이미지 캡션, 이미지 편집과 같은 많은 고수준 작업의 기초 단계가 되고 있습니다. 그러나 막대한 계산 비용으로 인해 산업 시나리오에서 더 폭넓게 적용되지 못하고 있습니다. 계산은 주로 고해상도 입력에서 트랜스포머 아키텍처에서 이루어집니다. 이 백서에서는 이 기본 작업에 대해 비슷한 성능으로 속도를 높일 수 있는 대안을 제안합니다. 이 작업을 세그먼트 생성 및 프롬프트로 재구성함으로써 인스턴스 분할 분기가 있는 일반 CNN 검출기로도 이 작업을 잘 수행할 수 있음을 발견했습니다. 구체적으로, 우리는 이 작업을 잘 연구된 인스턴스 분할 작업으로 변환하고 SAM 작성자가 게시한 SA-1B 데이터 세트의 1/50만 사용하여 기존 인스턴스 분할 방법을 직접 훈련합니다. 이 방법을 사용하면 50배 빠른 런타임 속도로 SAM 방법과 비슷한 성능을 얻을 수 있습니다. 그 효과를 입증할 수 있는 충분한 실험 결과를 제공합니다.

arXiv: https://arxiv.org/abs/2306.12156
PDF: https://arxiv.org/pdf/2306.12156.pdf
arXiv-vanity: https://www.arxiv-vanity.com/papers/2306.12156
Paper page: https://huggingface.co/papers/2306.12156
Papers with code: https://paperswithcode.com/paper/fast-segment-anything
Github: https://github.com/casia-iva-lab/fastsam

김민경, 이시영, 스롱피아비 이 세명의 공통점은? --

1. 30대 초반 한 분이 이런 질문을 한다. "저는 큰 회사에서 한 기능을 맡아 시스템적으로 일하는게 편합니다. 그런데 주위에 보면 다른 커리어를 도전하는 분들이 있습니다. 지금 편한데 제가 굳이 다른 것까지 고민할 필요가 있을까요?"

2. 30대 후반 한분은 이런 말을 한다. "저는 굳이 리더가 될 필요가 없을듯 합니다. 팀장을 보니 고생만 하고 전문성은 떨어지고. 저는 리더십에 재능도 없는것 같고요. 이에 리더가 될 기회를 피하고 있는데 그래도 리더를 해봐야 할까요?."

3. 물론, 자신이 잘하고 만족한다면 굳이 다른 영역을 시도해보지 않아도 괜찮다.

4. 그런데 말입니다. 김민경, 이시영, 스롱피아비 이 세명의 공통점을 아시는가? 놀랍게도 세 명 모두 국가대표이다.

5. 그런데 또 하나의 공통점이 무엇인지 아시는가? 세 명 모두 단 한번도 그 영역에 자신이 재능이 있을것이라 생각해본 적이 없었다는 것이다. 이시영은 권투 영화를 찍으려고 권투 연습을 했다. 그런데 재능과 흥미를 발견하여 3년만에 국대가 되었다. 스롱피아비는 캄보디아에서 한국 시골 농부에게 시집왔다. 어느날 남편이 당구를 가르쳐준다고 동네 당구장에 갔다가 재능을 발견했다. 김민경도 운동뚱 유튜브를 하다가 사격을 배우며 흥미와 재능을 발견해서 1년만에 국대가 된다.

6. 나도 첫 직장생활하면서 시스템하에서 내가 맡은 일을 하는것에 불편을 느껴본적이 없었다. 그 틀안에서 성장도 하고 안정된 급여와 복지를 누리는 것도 괜찮았다.

7. 그러나 얼떨결에 대기업을 나와 공동창업을 하면서 상황이 완전히 바뀌었다. 모든것을 다 스스로 설계하고 주관하고 결정할수 밖에 없었다. 리더십 교육이니 이런것을 받은적도 없는 사람이 갑자기 리더가 되었다. 이후에도 작은 조직을 성장시키며 유사하게 살 수밖에 없었다.

8. 정말 다이나믹하게 살고 힘도 들었지만, 해보니 나는 남들이 만드는 시스템 속에서 일하는 것보다 내가 스스로 시스템을 만드는 것에 훨씬 더 재능도 있고 좋아한다는 것을 발견했다. 누구 지시 받고 일하기보다는 리더로서가 재능과 적성이 훨씬 더 있음을 알았다.

9. 사실, 해보기 전까지는 자신이 어느쪽에 재능이 있는지 알기 어렵다. 이에 가능하다면 다른 영역도 도전하고 경험해보는것도 괜찮아 보인다. 이는 젊을수록 유리해보인다. 어짜피 나이가 들수록 잃을게 많아서 익숙하지 않은 것을 도전하기 어렵다.

10. 다른 영역을 해봤는데 재능도 없고 좋아하지도 않는다면? 원래 것을 다시 하면 그만이다. 물론, 시행착오라 할수 있지만 그 경험 또한 나중에 자신의 커리어의 하나의 빌딩블록이 될수 있다. 시행착오처럼 보였던 것들도 지나면 훌륭한 요소로 사용되는 경우도 적지않다.

11. 100세 시대인데 20~40대에 벌써 자신을 어떤 틀에 한계 짓는다면 나중에 후회하지 않을까?

마크 안드레센이 검색이 기존의 파란색 링크 10개 이상으로 진화하면서 인터넷의 형태와 콘텐츠에 미칠 수 있는 잠재적 영향에 대해 설명합니다. 하지만 웹 페이지를 만들 이유가 없어지면 향후 AI 학습 데이터의 중요한 원천이 차단될 수 있다는 현실적인 우려도 강조합니다. 그는 새로운 콘텐츠를 만드는 것이 여전히 동기부여가 되지만, 그 형태는 AI 및 소셜 미디어와의 대화로 바뀔 수 있다고 언급합니다. 또한 그는 탈옥의 흥미로운 현상에 대해 언급하며, 인터넷 데이터로 학습된 AI는 학습 세트 내의 사람들의 성격을 환생시킬 수 있는 능력을 가지고 있어 새로 구축되는 AI마다 불멸의 존재가 될 수 있다고 말합니다.

이 섹션에서는 마크 안드레센이 신경망의 미래와 관련하여 답해야 할 몇 가지 질문에 대해 설명합니다. 예를 들어, 마인드 와이핑이 LLMS의 동작에 어떤 영향을 미칠 것이며 강화 학습을 수행하면 어떻게 될까요? 또한, Andreessen은 사람의 대화를 잠재적인 데이터 소스로 사용할 수 있는 가능성에 대해 언급하고 합성 훈련 데이터의 잠재력에 대해 이야기합니다. 마지막으로 롤플레잉 대화에 LLM을 사용하면 새로운 대화의 거대한 바다로 이어질 수 있으며, 이를 통해 새로운 신호와 지식을 얻을 수 있다고 설명합니다.

이 섹션에서는 마크 안드레센이 논쟁의 여지가 있는 문제를 조사하고 감정적으로 자극적인 주제에 대해 대화를 나눌 때 GPT와 같은 언어 모델의 잠재력에 대해 설명합니다. 그는 언어 모델에는 본질적으로 관점이 없으며, 토론의 매개변수를 설정하여 대화를 더 대립적으로 이끌거나 중립을 유지할 수 있다고 설명합니다. 또한 안드레센은 뉴스 기사에서 편견을 제거할 수 있는 LLN의 잠재력을 강조합니다. 그러나 그는 언어 모델의 시대에 진실을 추구해야 하는 과제와 환각과 창의성 사이의 균형을 유지해야 한다는 점을 인정합니다. 안드레센은 한 로펌과의 대화를 예로 들며, LLN이 100% 진실이어야 한다고 가정했지만 로펌은 학습된 패턴을 기반으로 창의적인 해석이 가능한 모델을 선호했다고 설명합니다.

특히 다양한 가설과 주장을 탐색하는 데 있어 LLMS(대규모 언어 모델)가 법적 논증에 도움이 될 수 있는 잠재력에 대해 설명합니다. 또한 검증 문제를 강조하고 LLM이 정보를 '환각'하는 문제를 해결할 수 있는 다양한 기술적 접근 방식에 대해 논의합니다. 또한, 정보를 제공할 때 확률적으로 정확할 수 있는 위키백과와 유사한 접근 방식을 LLM에 사용할 수 있는 가능성에 대해서도 자세히 설명합니다. 그는 무엇이 진실인지 판단하는 데 어려움이 있음을 인정하고 진실을 안다고 주장하는 사람들에 대한 겸손과 회의론의 필요성을 강조합니다. 그러나 그는 과학적 방법과 합리성이 우리를 진실에 더 가까이 데려다 줄 수 있다고 말하며, 마음에 들지 않는 대답에 안주하는 것을 경계합니다.

이 섹션에서는 마크 안드레센이 대규모 언어 모델(LLMS)이 과학적 프로세스에 미치는 영향에 대해 설명합니다. 그는 갈릴레오의 예를 들어 인간의 피드백과 학습 데이터가 역사적 사건의 맥락에서 LLMS에 어떤 영향을 미칠 수 있는지 설명합니다. 또한 안드레센은 전통적인 저널리즘의 현재 상태와 소셜 미디어 및 기타 미디어 환경이 사람들이 현실을 경험하는 방식을 어떻게 변화시켰는지에 대해 질문합니다. 그는 미디어 환경으로 인한 중개가 피드백 루프에 영향을 미치고 다른 현실을 만들어낸다고 주장합니다. 궁극적으로 그는 LLMS와 미디어 환경이 사람들의 현실 인식에 미치는 영향이 진실을 판단하기 어렵게 만들고 과학적 과정을 약화시킨다고 믿습니다.

특히 1970년대 초부터 미국의 기관에 대한 신뢰가 무너진 것을 예로 들었습니다. 그는 이를 '구세계'에 대한 상실감과 신뢰하는 기관으로 돌아가고자 하는 열망으로 보는 시각도 있지만, 기관의 운영 방식에 대해 더 많이 알게 되고 기관이 그다지 인상적이지 않다는 것을 깨달은 결과라고 보는 시각도 있다고 지적합니다. 그는 미디어가 현실에 대한 우리의 인식과 이해를 형성하는 데 핵심적인 역할을 하며, 미디어 환경을 바꾸면 현실이 바뀔 수 있다고 제안합니다. 또한 안드레센은 대규모 언어 모델이 새로운 주류 미디어가 될 가능성에 대해 추측하고, 인공지능 시스템이 실시간으로 스스로를 재교육하고 프롬프트할 가능성에 대해 논의합니다. 그러나 그는 우리 삶에서 AI의 형태와 그것이 현실과 우리의 경험을 어떻게 매개할지 예측하는 것은 아직 불가능하다는 점을 인정합니다.

페이스북의 CTO였고 최근에는 세일즈포스의 공동 CEO였던 Bret Taylor가 새롭게 창업한 AI 회사에 Benchmark가 투자 (세콰이어도 함께 참여). 벤치마크에게는 Langchain에 이은 두번째 Generative AI 기업 투자로, 트위터와 옐프 등에 투자했던 Peter Fenton이 담당이라고 함.

https://www.theinformation.com/articles/benchmark-sequoia-back-ex-salesforce-ceos-ai-startup?rc=jfxtml