FS
Master the Art of Learning:

"Clear writing gives poor thinking nowhere to hide."

— Source

Insight
A reminder from your future self:

“If I knew I was going to live this long, I'd have taken better care of myself.”

— Mickey Mantle

Tiny Thought
Common causes of bad decisions:

1. Assumptions based on small sample sizes
2. Wanting the world to work the way we want rather than the way it does
3. Conforming to expectations/authority/group (social default)
4. Blindness to large trends (blind spots)
5. Not asking, "and then what?"

(Click here to share on Twitter)

[nVIDIA CEO 젠슨 황 졸업식 연설]

내용이 좋아서 가져와봤습니다
원문: https://twitter.com/danqing_liu/status/1662657519888617476

엔비디아의 창립자인 젠슨 황이 최근에 대만에서 졸업식 연설을 했습니다.

스티브 잡스가 2005년에 했던 것처럼, 그는 엔비디아를 현재의 위치에 이르게 한 3가지 결정적인 이야기 — 겸손, 인내, 그리고 집중에 대한 이야기를 공유했습니다. 그것들은 다음과 같습니다.

겸손
엔비디아의 첫 응용 프로그램은 3D 그래픽이었습니다. 그들은 forward texture mapping이라는 기술을 개발하고 일본 게임 회사인 세가와 계약을 맺었습니다.

그러나 개발을 한 해동안 진행한 후, 엔비디아는 이 기술이 잘못되었고, 기술적으로 미흡한 전략임을 깨달았습니다. 게다가 이는 다른 아키텍처를 사용할 예정인 Windows 95와 호환되지 않을 것이라는 점이었습니다.

계약을 완료하면 그들은 따라잡을 시간이 없어서 사업을 그만둘 수도 있습니다. 하지만 그 당시에는 세가로부터 돈을 받아야 사업을 계속할 수 있었습니다. 그래서 젠슨은 세가에게 전화를 걸어, 계약을 위한 다른 파트너를 찾도록 요청하면서도 그들이 엔비디아에게 돈을 계속 지불해줄 것을 겸손하게 요청했습니다.

이것은 창피스러운 일이었습니다. 하지만 놀랍게도, 세가는 동의했습니다. 그것은 엔비디아에게 6개월 동안의 여유를 줬고, 그 기간 동안 그들은 새로운 칩을 개발하여 히트를 쳤습니다. 오류를 인정하고, 도움을 청하는 형태의 겸손은 특히 재능있고 성공적이며 야망적인 사람들에게 힘든 일입니다.

하지만 모든 사람이 어느 시점에서는 틀리거나 도움을 필요로 할 것이며, 겸손한 사람들이 바로 생존할 사람들이 될 것입니다.

인내
2007년, 엔비디아는 과학 컴퓨팅을 위한 프로그래밍 모델인 CUDA를 발표했습니다.

오늘날, CUDA는 AI의 근간입니다.

그러나 당시에는 새로운 모델을 개발하는 것이 무척 어려웠습니다. CPU 컴퓨팅 모델이 이미 60년 동안 표준이었습니다. 엔비디아는 CUDA를 개발하고 홍보하는 데 최선을 다했습니다.

그들은 충분히 큰 설치 기반을 확보하기 위해 인기 있는 GeForce 게임 GPU에 CUDA 지원을 추가하였고, GTC를 개최하고 개발자들과 협력하여 CUDA에서 실행되는 응용 프로그램이 만들어지도록 했습니다. 그러나 CUDA에 집중하면 다른 제품이 줄어들어 회사의 매출이 정체되었고, CUDA가 발명된 지 5년 만에 엔비디아의 주가는 거의 50% 떨어졌습니다.

주주들은 회사의 수익성을 향상시키라고 요구했지만, 젠슨과 팀은 인내했습니다. 이것은 무척이나 긴 게임이었습니다.

15년 후인 오늘, 모든 사람들이 CUDA가 엔비디아의 가장 큰 자산이며 현재 AI 붐이 일어나는 이유라고 말할 것입니다.

하지만 인내와 인내심이 없었다면 결과는 완전히 달랐을 수 있습니다.

집중
2010년대에는 구글이 안드로이드를 강력한 모바일 컴퓨터로 만들기를 원하였고, 엔비디아와 함께 칩을 개발하게 되었습니다.

이것은 엔비디아에게 즉각적인 성공을 가져다주었고 주가가 급등하였습니다. 그러나 곧 경쟁이 불어났는데, 모뎀 제조사들이 컴퓨팅 칩을 만드는 법을 배우고 엔비디아는 모뎀을 만드는 법을 배우게 되었습니다.

휴대폰 시장은 엄청나게 크다. 하지만 궁극적으로, 엔비디아는 시장 점유율을 높이기 위해 싸우는 대신 시장에서 물러나기로 결정했습니다.

그들은 그들만의 플랫폼에 집중하기 위해서였습니다. 엔비디아의 비전은 일반 컴퓨터로는 해결할 수 없는 문제를 해결할 수 있는 컴퓨터를 만드는 것이었습니다 — 이것이 CUDA를 출시한 이유였습니다.

그리고 젠슨은 모바일 칩 사업을 포기하고 엔비디아를 이 비전을 실현시키는 데 헌신하기로 결정했습니다. 수조 달러의 휴대폰 시장에 비하면, 이 "AI 컴퓨팅" 시장은 그 당시에는 실질적으로 존재하지 않았습니다.

그러나 이 집중력과 헌신이 결국 보랏빛을 봤습니다. 오늘날, 엔비디아는 시가총액이 1조 달러에 근접하며 세계에서 6번째로 가치 있는 회사입니다. 실수를 인정하는 것이 어렵다면, 성공한 것을 포기하는 것은 더욱 어렵습니다.

페이스북의 "빠르게 움직이고 물건을 깨라"는 모토는 당신이 희생해야 할 것을 알려주기 때문에 훌륭합니다.

이 엔비디아의 이야기도 비슷합니다. 포기하는 것이 당신의 진정한 집중이 무엇인지를 보여줍니다. 보너스로, 젠슨이 졸업생들에게 한 조언은 '걷지 말고 달려라'였습니다.

당신은 먹이를 위해 달리거나, 먹이가 되지 않기 위해 달릴 수 있습니다. 하지만 어쨌든 당신은 달려야 합니다.

The infrastructure layer for enterprise GPT has been under development.

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

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.

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

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.

Personal Assistance

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.

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.

Product Design - Karri Saarinen (Linear) Founder and CEO of Linear.