이 작성자와 연결된 문서를 한곳에서 모아보고, 관련 태그를 따라 같은 맥락의 문서를 이어서 탐색할 수 있습니다.
자주 함께 등장한 태그
총 23건 중 1-23건
Making Cities Awesome: Peregrine’s Nick Noone & Ben Rudolph를 중심으로, 도시의 발전은 주민이 실제로 안전하고 안전하다고 느끼는 상태에서 시작되며, 공공안전은 공동체의 안정과 번영을 떠받치는 기반 인프라를 핵심 판단 포인트로 압축 정리한다.
Parallel’s Parag Agrawal: Building a New Web for AI Agents를 중심으로, 에이전트 검색은 인간 검색의 확장이 아니라 별도의 인프라 문제다. 에이전트는 길고 구체적인 질의를 사용하고 인간보다 최대 1,00를 핵심 판단 포인트로 압축 정리한다.
Rich Sutton and Khurram Javed: Why AI Models Stop Learning, and How to Start It Again를 중심으로, 학습은 별도의 훈련 단계가 아니라 목표를 가진 행동과 함께 계속되는 과정이다. 강화학습은 학습과 목표를 하나의 틀에서 다루며, 변를 핵심 판단 포인트로 압축 정리한다.
Continual Learning: How AI Agents Get Better With Every Use를 중심으로, 모델의 지능이 높아지는 것만으로는 조직의 업무 경험이 생기지 않으며, 실제 사용에서 얻은 경험이 지능과 결합해야 업무 성능으로 전를 핵심 판단 포인트로 압축 정리한다.
When to Build Your Own Agent Harness를 중심으로, 에이전트의 실질적인 지능은 모델 하나가 아니라 모델·컨텍스트·하네스의 결합에서 나오므로, 세 축을 통제해야 공급자 종속을 줄이고를 핵심 판단 포인트로 압축 정리한다.
Post Training Is How You Keep Your Taste를 중심으로, 생성형 AI로 앱 제작에 필요한 인력과 시간이 크게 줄면서, 애플리케이션 구현 자체는 복제하기 어려운 경쟁력이 되기 힘들어졌다를 핵심 판단 포인트로 압축 정리한다.
RL Environments Explained: How AI Agents Learn Real World Work를 중심으로, AI 데이터 시장은 저숙련 행동 복제와 선호도 수집에서 변호사·의사·엔지니어 등 고숙련 전문가가 환경과 평가 기준을 설계하는 구조를 핵심 판단 포인트로 압축 정리한다.
Harvey가 제한된 예산으로 연구소를 구축한 핵심은 모든 역량을 직접 소유하는 대신, 현실적인 법률 벤치마크를 중심으로 합성 데이터·오픈소스 모델·외부 연구 파트너·프로덕션 서빙을 하나의 검증 체계로 연결한 데 있다.
Chai Discovery의 ‘쓰디쓴 교훈’은 신약 설계도 결국 데이터·모델·연산을 확장하되 단순한 구조와 엄격한 실험 검증으로 일반화를 확인해야 하는 스케일링 문제라는 것이다.
Hardware Software Co Design이 AI의 진짜 100x인 이유는 단일 칩의 성능보다 모델, 소프트웨어 인프라, 하드웨어, 전력·공급망을 함께 맞출 때 효율 도약이 커지기 때문이다.
Memory and Continual Learning의 핵심은 더 큰 범용 모델보다, 조직과 개인의 업무 맥락을 시간이 지나며 실제로 배워 어제보다 더 유용해지는 모델을 만드는 데 있다.
Simulating Humans at Scale의 핵심은 더 똑똑한 AI가 아니라, 인간의 다양성·비합리성·사회적 상호작용을 실제 데이터 기반으로 모사해 의사결정을 실험 가능한 대상으로 만드는 데 있다.
“Why the Model Eats the Harness”의 핵심은 Gemini와 Antigravity가 보여주듯, 에이전트 하네스가 제품 실행 레이어로 커지다가 결국 모델 내부 기능으로 흡수되며 AI 제품의 차별화 지점이 이동한다는 것이다.
NVIDIA의 Jensen Huang은 AI 팩토리를 전기와 인터넷에 이은 지능 시대의 다이너모로 보고, 향후 기업 투자의 중심이 저장·검색형 데이터센터에서 실시간 지능 생산 인프라로 이동한다고 설명한다.
David Senra가 400+ Founders를 연구하며 얻은 핵심은 위대한 창업자는 정해진 성공 공식이 아니라, 자신에게 맞는 문제에 대한 집착·집중·장기 지속력으로 설명된다는 점이다.
“Knowing What Your Customers Want, All the Time”의 핵심은 AI 음성 인터뷰와 누적 고객 데이터로 고객이 무엇을 원하는지 상시 파악하고, 제품·마케팅·전략 의사결정의 병목을 줄이는 것이다.
“AI That Designs Its Own Chips”는 Ricursive가 AI로 칩 설계 병목을 줄이고, 더 나은 칩이 다시 AI를 강화하는 자기강화 루프를 만들려는 이야기입니다.
ElevenLabs의 Mati Staniszewski가 말하는 핵심은, Voice가 AI의 Interface가 되려면 단순한 음성 합성을 넘어 감정·인증·워크플로까지 포함한 오디오 플랫폼으로 진화해야 한다 는 점이다.
데미스 하사비스는 AGI를 과학·의학·세계 이해를 확장하는 “정밀한 도구”로 보고, 2030년 전후 AGI 가능성과 AI for Science의 폭발적 확장을 주장합니다.
OpenAI의 Greg Brockman이 말하는 핵심은 AI 시대의 병목이 컴퓨트와 맥락 접근을 거쳐 결국 Human Attention, 즉 인간 주의력 으로 이동한다는 점이다.
Robotics' End Game은 로보틱스가 언어 중심 AI를 넘어, 물리 세계를 예측하고 행동으로 연결하는 월드 모델·데이터·강화학습 경쟁으로 이동하고 있다는 주장이다.
“This is AGI”의 핵심은 AI가 단순한 도구를 넘어, 장기 작업을 수행하고 실패에서 회복하는 에이전트 기반의 실용적 AGI 단계로 이동하고 있다는 주장이다.
Andrej Karpathy는 현대 AI 구축, Tesla Autopilot, vibe coding 개념과 연결된 인물로 소개되며, 최근에는 프로그래머로서 뒤처졌다는 감각을 드러낸다
