세르게이 브린의 영상을 요약한 글의 번역된 글을 요약한 글을 Geeknews에서 소비하고 있습니다

삶을 너무 바삐 살아가면, 방향을 설정할 틈이 전혀 없어지는 것 같아요.
너무 무리하면서 지내지 말고, 본인 스스로를 뒤에서 충분히 살펴볼 틈을 만들었으면 좋겠어요.

스토리지도 11나인을 보장해주니 클라우드를 쓰는 것처럼 운영이 어려우니 클라우드를 쓰는거죠 ㅎㅎ

의적과 무법 사이 그 어딘가...

아주 좋은 벤치 같은데요
요즘 AI 코딩 툴들을 보면 Plan을 미리 세우고 Agent 모드로 행동하게 하는 경우가 많은데, 이게 정말 장기 성공률에 유의미한 영향을 주는 지도 궁금하네요

움직이는 모습은 아래 영상 에서 보시면 됩니다. (2:52 부터로 시작지점 걸어놨습니다)
Olaf: Bringing an Animated Character to Life in the Physical World

더 빡치는건 TPM 2.0 지원이 되는 CPU인데도 업그레이드가 안되는 CPU도 있습니다

완전 동감하는 글입니다.
일에 몰두하다 보면, 그 일에만 빠져서 다른 곳을 전혀 안보게 되는 경우가 많더라고요.
제 경우는 그러다 뒤늦게야 다른 선택을 한 경우가 몇번 있습니다.

잠깐씩 시간을 내어서 돌아보는 시간을 가지는 것을 추천드립니다.

Hacker News 의견 중에 MS Office에 독점소포트웨어 같은 얘기는 이제 옛말이죠.
Office365 이후부터는 web 버전도 꽤 괜찮아서요.

너무 좋네요 ^^ 그런데 신규 상장된 주식이 검색되지 않는데 어떻게 하면 될까요?

각 AI별로 생각하고 있던 느낌이랑 비슷하네요
사람들 체감하는게 대부분 거기서 거기긴 한가봐요
Meta빼곤 다 써봤는데

GPT > 가격대비 뭐가 없음. 성능은 준수
Gemini > 타 AI들에 비해 전문성이 좀 약함. 대신 Google거 많이 퍼주고 편하게 쓰긴 좋음
Claude > 제일 마음에 드는데.. 프로 플랜 쓰기엔 토큰이 너무 짠듯 ㅠ
Perplexity > 검색 전용 그외 굳이? 요즘 다른 AI들도 웹 연결이 되다보니 잘 안씀
Grok > 재미용

GPT > Claude > GPT+Cluade > Claude > Gemini 순으로 사용하며 느낀점입니다. 퍼플렉시티나 grok은 중간 한달정도 체험만 해보고..

t7vonn | 2일전 | parent | on: 인터넷의 끝 (hmpg.net)

이제 컴퓨터 전원을 끄셔도 됩니다

감사합니다. 이 연구 덕분에 사람을 자를 명분이 하나 더 늘었습니다.

나폴리탄 괴담 같네요

C드라이브 용량이 모자라네요. 누군가가 A:에 디스크를 좀 바꿔주세요?

오랑우탄 무한마리가 사람 한명보다 똑똑하다고 보기는 어려울것 같습니다. 오랑우탄이 아무리 많아도 우리가 관심있어할만한 문제를 해결하지는 못해서 "지능은 곧 문제해결 능력이다"라는 전제에서는 사람의 지능에 미치지 못합니다. 물론 그 "문제"를 우리가 정한다는 측면에서 오랑우탄이 억울해할 측면이 있기는 하지만요.

챗GPT가 이미 인간보다 똑똑하다는건 어느 정도 공감합니다. 일단, 저보다는 훨씬 많이 아니까요. 척척박사죠.
하지만 역시 문제해결 능력의 측면에선 아직 AI는 부족한 점이 많습니다. 그래서 아직 AGI 수준에 도달하지 못했다고 하는 것이겠구요.

A, B 두 사람이 시험을 봤는데 각각 80점, 60점을 얻었습니다. A가 더 똑똑하다고 말할수 있겠지만 지능이 더 높다고 하긴 애매합니다.
다음번 시험에서 B가 더 열심히 공부해서 이번엔 A, B 두 사람이 각각 70점, 90점을 얻는다면 이번엔 B가 더 똑똑하고 지능이 높다고 얘기해야 할테니까요.
사람은 학습을 통해 지식을 확장할수 있고, AI와 마찬가지로 지식의 확장에는 한계가 없습니다.
사람은 이미 종이와 디지털기기를 이용해서 두뇌의 용량과 기억의 한계를 넘어서 지식을 저장할수 있고, 필요에 따라 추가로 학습할수 있으니까요.

관건은 지식 보다는 지식을 활용해서 문제를 해결하는 능력입니다.
문제 해결을 위해선 아직 지식에 포함되어있지 않고, 어디선가 얻을수도 없는 지식을 찾아내거나 스스로 만들어야 합니다.
그게 올바른 지식이고 그걸로 문제를 해결할수 있는지 확인하려면 외부적 도구를 이용해야만 합니다. 여기서 확장성의 문제가 생깁니다.
새로운 물리학적 발견을 위해선 사고 실험만으론 부족합니다. 새로운 물리적 도구를 만들어야 할수도 있고, 기존 도구를 이용해서 다양한 실험을 해야 할수도 있습니다.
당장 새로운 AI 모델 개발을 위해선 코딩 뿐만 아니라 학습 인프라라는 물리장비를 사용해야 하고, 필요하면 GPU도 더 구매해서 기존 인프라를 확장해야 합니다.
이런 물리적 작업들은 앞으로도 오랫동안 사람이 지원을 해줘야 할뿐만 아니라 우린 이런 물음에 직면하게 될수 밖에 없습니다. "우리가 지원하고 있는 물리적 작업 외에 다른 작업들은 과연 AI가 더 잘할수 있는걸까?" 라는.