샘 올트먼이 오픈 에이아이 이사회에서 쫓겨난 사건의 전말에 대해 설명하는 부분 중 재밌는 부분 발췌 ======== 2023년 9월, 올트먼은 AI 칩 프로젝트 관련 건으로 중동으로 날아가 투자자들을 만났다. 그러나 올트먼이 관련 계획을 이사회와 전부 공유하지 않자, 이사회의 불만이 고조됐다. 그해 10월, 올트먼은 야쿠브 파초키Jakub Pachocki를 수츠케버와 동급인 최고 연구 책임자로 발탁했는데, 이에 대해 수츠케버는 자신을 무시한 처사라고 생각했다. 수츠케버는 이사회에 고충을 토로하며 올트먼이 연구원끼리 서로 경쟁하게 하거나 두 명의 고위직에게 자원과 책임을 동시에 약속하는 식의 관리 방식을 좋아한다고 비난했다. ====== 올트먼 처럼 하면 사실 적을 만들기 딱 좋음ㅋㅋ 1. 혼자 직위를 활용해서 정보에 접근권한을 얻거나 정보 공유 안 하고 활용하는 행위 2. 동일한 포지션의 인력을 채용해서 은근하게 경쟁시키기

미군 파병지 발표 순간 한국은 최고의 파병지임 ㅋㅋㅋㅋ

$HYPE 제2의 하리는 없을거라 봅니다 라이터 아스터도 하리 1/10도 안됩니다 최근에 Eㅇㅇx도 사실상… 하리는 특이한 케이스입니다. 펍덱작 할 시간에 그냥 하리 2배 롱치는게 낫다 봅니다

스타1으로 AI끼리 붙는 리그가 열렸는데, 방식이 재밌습니다. LLM은 마우스를 안 잡습니다. 봇 코드를 직접 짜서 내고, 그 봇들이 브루드워에서 싸웁니다. 바둑은 한 수마다 생각할 시간이라도 있었는데, 스타는 1초 안에 판단이 수십 개 겹치고 상대 화면은 안개에 가려 있습니다. 여기서 이기는 코드를 짜려면 모델이 계획 세우고, 돌려 보고, 지면 고치는 걸 다 해야 해서 지금 나와 있는 코딩 점수표보다 훨씬 정직한 시험이라고 봅니다. 한국 사람한테는 묘하게 익숙한 장면이죠. 20년 전 임요환 드랍 보던 그 게임에서, 이제는 AI가 짠 코드끼리 저그 러시를 주고받습니다.

한국 프로게이머들이 이러한 게임 카테고리에서 약진할 수 있었던 비결에는 뛰어난 두되 회전과 빠른 상황판단도 있었겠지만 마우스/키보드를 활용한 세밀한 유닛 컨트롤도 큰비중을 차지한것 같다 앞으로 AI를 이용해서 이러한 컨트롤 속도가 빨라지게된다면 종국에는 전략 시뮬레이션 게임은 말그대로 전략에 극도로 높은 비중이 반영되는 형태로 변화하지 않을까 싶다. 세부 컨트롤은 AI가 처리 하게되고, 전쟁속의 장수 처럼 개별 전투별 흐름을 통해 전체적인 판세를 읽고, 지시하는 형태의 게임들이 나오지 않을까 생각 🧐

90年台の東京、誰一人スマホ持ってない。 ファッションも「古さ」を感じないんだよな。

알파고 김성현 프로게이머도 잡고 다닌다는 AI 플루토에게 2패!! (뒷이야기는 영상에서 보시길) 순간 APM 1000까지 올라가는 AI.. youtu.be/8VPVlbb2L6g?si=mNyI…

일론 머스크는 시뮬레이션 이론을 정말 믿는 것 같다. 세상이 시뮬레이션으로 돌아가고 있다고 생각하는 것. "시뮬레이션 가설에 사는 우리가 멸종하지 않기 위해 해야 할 일은 이것 하나뿐, 어쨌든 바보여도 좋으니 재미있는 놈이 되어라" "만약 시뮬레이션 가설이 옳다면, '가장 흥미로운 (재미있는) 결말이야말로 가장 일어나기 쉬운 것'이라는 나름의 주장이 있어요. 왜냐하면 재미없는 시뮬레이션은 중단되어 버리기 때문이죠. 우리 현실 세계에서도 시뮬레이션이 재미없는 방향으로 흘러간다면, 노력을 들이지 않고 종료시켜 버리잖아요. 따라서 가장 중요한 건, 소위 '우주의 AWS 이용료'를 지불하고 있는 누군가가 계속 비용을 내주도록 하기 위해 충분히 흥미로운 상태를 유지하는 거예요. 우리가 계속 재미있게 지내는 한, 그들은 서버 비용을 계속 지불해 줄 테니까요."

Shop now: ormavio.com/products/11-364-… Fit a short hand workout into the parts of the day when a full gym session is not possible. Its compact design makes it easy to use for a few controlled sets at your desk, at home or between larger workouts without setting up extra equipment.

'연봉 54억' 한국 야구, '사회인' 일본에 0-5 완패…한일전 대참사 (출처 : 네이버 뉴스) naver.me/FiPeLYOI

Here’s to the wanting. Here’s to the dreaming. Here’s to everyone.

It has become fashionable to quote our token index as support for a bearish view on the AI trade. We have pushed back gently a few times, because nothing here is definitive and people should come to their own conclusions. It now seems worth saying a little more. In June we clarified what our LLM Token Index measures: what API users in our sample actually paid per million tokens. A usage-weighted price. Not token volume, not total spend. We noted it can be read, loosely, as revealed willingness to pay for frontier intelligence. We should have emphasized the conditions. The binding one is that the intelligence content of a token stays stable. Over a few weeks that is defensible. Across a couple of release cycles it clearly is not. While a token is simply the wrong unit for intelligence, measuring capability itself without bias is also extremely hard. [Btw we will struggle with this measurement problem all over the place as AI proliferates delivering non-market economic value.] The upshot is that the message from June landed. Maybe a little too well, because it created a new misread: that a falling index is necessarily bearish for the AI trade, since if token prices fall, model-layer margins must follow. Two things are being conflated. The deflation in our sample is real, and it is recent. It dates from the end of May. The index peaked at $2.07 on May 28 and sits at $1.00 as of Sept 21, down 52%. But the same index rose 67% from January into that peak, and few read the rise as bullish for lab margins. It is not bearish now. A usage-weighted price moves with the mix, in both directions. What the mix actually says: more work, at least within our sample, is being routed to cheap, fast models, and labs keep shipping more mid-tier variants. Most everyday tasks never needed a frontier model. That is partial equilibrium for the users we track, and our methodology note is explicit that this index alone cannot separate substitution from efficient agentic routing. Compute demand is a different question entirely, answered by different data series. Our H200 non-hyperscaler rental index has rerated through the summer: $2.87 average in June, $3.29 now, with a record $3.32 on Sept 19. B200 is $5.76, up 7% over the same stretch and 31% year to date. B300, our newest and thinnest series, is up 44% since inception in late April. H100 is off 7% from its August high, consistent with workloads migrating up the stack. Rents on the parts that are actually scarce are not signaling a demand stall. A world of mass agentic use is one where cheap tokens are nearly all of the count. Total token usage should keep growing far faster than the price is falling, with most of that growth coming from cheap, fast, and increasingly open models. The usage-weighted price can keep falling anyway. Our view, not a finding from this index: the highest value-add work still routes through frontier models, and that is where most of the economics will accrue. In any event, the implication for compute is more, not less. An astronomical number of tokens, most of them from cheap flash models, is what economy-wide AI proliferation should look like. It is not a demand stall.

AI 빈부격차 지금이야 소프트웨어만 해당되지만 피지컬까지 분야까지 구독하면 완전거지 될듯