스테이지5

몇 달 전, 제가 만든 첫 아이폰 앱 “에코”를 소개드렸습니다. apps.apple.com/ko/app/echo-st… 에코는 매일 아침 AI가 질문 하나를 던지고, 그 질문에 대해 즉흥적으로 글을 쓰는 앱입니다. 백스페이스도 없고, 수정도 없고, 10초간 멈추면 자동 제출됩니다. '잘 쓰기'보다 '생각하기'에 집중하게 만들고 싶었습니다. 그동안 직접 써보고, 주변 분들께 피드백도 받으면서 두 가지 기능을 새로 추가했습니다. 첫 번째는 “자유 글쓰기”입니다. 아무리 AI가 개인화된 질문을 잘 만들어도, 어떤 날은 질문이 지금 내 마음이랑 안 맞을 때가 있더라고요. 원래 에코는 주어진 질문에 답하는 구조였지만, 이제는 질문에 꼭 답하지 않아도 됩니다. 오늘은 그냥 다른 이야기를 쓰고 싶다 싶으면, 자유롭게 지금 머릿속에 있는 것을 쓸 수 있습니다. 저에게는 이게 꽤 중요했습니다. 루틴이라는 게 완벽한 날에만 유지되는 게 아니라, 애매한 날에도 끊기지 않아야 오래 가니까요. 질문이 마음에 안 드는 날에도 "오늘은 이 얘기를 하고 싶다"라고 쓸수 있게 만들었습니다. 두 번째는 “피드”입니다. 처음 에코를 만들 때는 완전히 개인적인 일기 앱에 가깝다고 생각했습니다. 그런데 막상 쓰다 보니, 좋은 질문과 그에 대한 답변은 혼자만 보기 아깝지 않나 생각이 들었습니다. 다른 사람이 어떤 질문을 받았고, 거기에 어떻게 답했는지 볼 수 있게 하면 좋을것 같다는 생각이 들었습니다. 그래서 원한다면 자신의 답변을 익명으로 공유할 수 있는 피드를 만들었습니다. 모든 글이 공개되는 건 아니고, 사용자가 직접 공유하기로 선택한 글만 올라갑니다. 누가 썼는지보다, 어떤 생각이 담겨 있는지가 더 중요하게 보였으면 했습니다. 제가 에코를 만들며 계속 붙잡고 있는 생각은 같습니다. AI가 우리 대신 생각하게 만드는 것이 아니라, AI가 우리에게 더 좋은 질문을 던지게 만들 수는 없을까? 그리고 글쓰기를 “잘해야 하는 일”이 아니라, 내 생각을 붙잡아 두는 가장 가벼운 루틴으로 만들 수는 없을까? 이번 업데이트가 그 방향으로 한 걸음 더 가까워졌으면 합니다. 써보시고 어떤지 알려주세요. 특히 자유 글쓰기와 피드가 실제로 루틴을 이어가는 데 도움이 되는지 궁금합니다. apps.apple.com/ko/app/echo-st…

젠슨 황: AI가 세계 GDP를 5배 키울 수 있다 젠슨 황은 AI가 단순히 일자리를 없애는 기술이 아니라, 전 세계 더 많은 사람들이 경제에 참여하게 만들어 GDP 자체를 100조 달러에서 200조, 300조, 500조 달러까지 키울 수 있다고 말합니다. 그는 AI가 업무의 일부를 자동화하겠지만, 더 큰 변화는 생산성 폭발과 새로운 고용 창출이라고 봅니다. 다만 한 가지는 분명하다고 말합니다. 앞으로 모든 일자리는 바뀌며, AI를 쓰지 않는 사람은 AI를 쓰는 사람에게 밀릴 수 있다는 것이 말이죠.

올인 팟캐스트: 일론과 앤트로픽, AI 규제 논쟁, 그리고 AI 경제 붐 브래드 거스트너가 함께한 올인 팟캐스트 에피소드로, xAI와 앤트로픽을 둘러싼 대규모 컴퓨트 거래, AI 데이터센터 반대 여론, “AI판 FDA” 규제 논쟁, 앤트로픽과 오픈AI의 매출 폭증, 그리고 AI가 실제 경제 성장과 고용에 어떤 영향을 주고 있는지 다룹니다. 핵심은 AI 경쟁의 병목이 모델 성능만이 아니라 컴퓨트, 전력, 데이터센터, 규제, 대중 여론으로 이동하고 있다는 점입니다. 핵심 하이라이트 - AI 기업의 진짜 병목은 수요가 아니라 컴퓨트와 전력 앤트로픽과 오픈AI의 매출 성장 속도는 수요 부족이 아니라 데이터센터와 전력 공급 제약에 묶여 있다는 이야기가 나옵니다. 패널은 더 많은 전력과 GPU가 있었다면 매출은 더 빠르게 늘었을 것이라고 봅니다. - 일론 머스크는 사실상 하이퍼스케일러가 되고 있다 xAI의 콜로서스, 매크로하드, 매크로하더 같은 대규모 컴퓨트 인프라를 바탕으로, 일론이 구글 클라우드·AWS·애저와 경쟁하는 “일론 웹 서비스” 모델로 이동하고 있다는 분석이 나옵니다. - 앤트로픽과 xAI의 거래는 양쪽 모두에게 의미가 크다 앤트로픽은 필요한 컴퓨트를 확보하고, 일론은 xAI의 막대한 인프라 투자 비용을 외부 고객 매출로 수익화할 수 있습니다. 패널은 이 거래가 xAI의 매출 압박을 줄이고, 일론이 AI 인프라 시장에 본격 진입하는 계기가 될 수 있다고 봅니다. - AI 매출은 이미 역사상 가장 빠른 성장 궤도에 있다 오픈AI와 앤트로픽의 매출은 몇 달 사이 급격히 증가했고, 일부 패널은 앤트로픽이 앞으로 세계에서 가장 가치 있는 기업 중 하나가 될 수 있다고 말합니다. 다만 이것이 독점으로 이어질지, 아니면 치열한 경쟁으로 남을지는 패널 사이에서 논쟁이 이어집니다. - AI 경쟁은 모델 회사만의 싸움이 아니다 데이터센터, 전력, GPU, 클라우드, 주택용 분산 컴퓨팅, 파워월, 스타링크까지 연결되며 AI 인프라가 훨씬 넓은 산업 경쟁으로 확장되고 있다는 관점이 나옵니다. - 데이터센터 반대 운동은 AI 성장의 새로운 리스크 패널은 데이터센터 건설에 대한 지역 반대와 활동가들의 조직적 움직임이 AI 공급 제약을 더 심화시킬 수 있다고 봅니다. 과거 원전 건설이 반대 운동으로 막힌 사례와도 비교합니다. - “AI판 FDA” 논쟁은 큰 쟁점 백악관이 강력한 AI 모델의 사전 검토 절차를 고려한다는 보도를 두고, 패널은 모델 출시 전 정부 승인을 요구하는 방식은 재앙이 될 수 있다고 비판합니다. 다만 사이버 보안 위험에 대한 정부·민간 공조는 필요하다고 봅니다. - 사이버 위험은 실제지만, 해법은 사전 승인보다 방어 역량 강화 프런티어 모델이 사이버 공격과 방어 모두에 쓰일 수 있다는 점은 인정합니다. 그러나 패널은 모델을 막기보다, 크라우드스트라이크·팔로알토 네트웍스 같은 보안 기업과 스타트업에 강력한 AI 도구를 빠르게 제공해 방어 체계를 강화해야 한다고 말합니다. - 프런티어 모델에는 KYC와 사용 추적이 필요할 수 있다 특히 강력한 모델의 프리뷰나 API 접근 단계에서는 누가 사용하는지 확인하고, 수상한 사용을 감지하는 절차가 필요하다는 의견이 나옵니다. 이는 모델 사전 승인과는 다른 방식의 안전장치로 제시됩니다. - AI에 대한 대중 여론은 나빠지고 있다 차마스는 테크 업계가 AI의 긍정적 미래를 제대로 설명하지 못했고, 소수에게만 부가 집중된다는 불안이 커지고 있다고 말합니다. 그래서 AI 업계가 미국 사회 전체에 더 명확한 혜택을 보여줘야 한다고 주장합니다. - AI의 이익을 국민에게 나눠야 한다는 아이디어 AI 기업들이 IPO 지분 일부를 미국 시민, 특히 아이들의 투자 계좌에 배분하는 방식이 제안됩니다. AI로 생기는 막대한 부가 소수에게만 가는 것이 아니라, 사회 전체에 복리로 돌아가야 한다는 취지입니다. - AI는 이미 경제 성장과 블루칼라 호황을 만들고 있다는 주장 패널은 AI 데이터센터와 인프라 투자 덕분에 건설 노동, 전력, 클라우드, 반도체, 메모리 산업이 강하게 성장하고 있다고 말합니다. AI가 유권자에게 인기 있는 이슈는 아니지만, 생활비와 경제 성장에는 긍정적 영향을 줄 수 있다는 관점입니다. - 시장은 AI와 클라우드 성장에 다시 강하게 반응하고 있다 AWS, 애저, 구글 클라우드의 성장률과 하이퍼스케일러 매출이 시장을 끌어올리고 있다는 분석이 나옵니다. 브래드 거스트너는 AI, 컴퓨트, 메모리 쪽에 크게 베팅하고 있으며 지금이 거품이라기보다 실제 매출이 따라오는 구간이라고 봅니다. - AI 생산성의 ROI는 아직 논쟁 중 스타트업 세계에서는 AI 코딩 도구와 에이전트가 이미 인력 효율을 크게 높이고 있다는 주장과, 대기업에서는 아직 실제 매출·마진 개선으로 완전히 증명되지 않았다는 반론이 함께 나옵니다. - AI가 일자리를 없앤다는 증거는 아직 뚜렷하지 않다 패널은 실업률이 낮고, 일부 신규 대졸자 취업 지표도 개선되고 있다는 점을 언급합니다. AI로 인한 대규모 일자리 상실보다는 생산성 향상이 먼저 나타나고 있다는 쪽에 무게를 둡니다. 타임라인 00:00:42 브래드 거스트너 합류와 오프닝 00:01:07 스펜서 프랫, LA 정치 광고, 노숙자 문제 논쟁 00:05:00 앤트로픽의 GPU·전력 확보와 클로드 사용량 제한 완화 00:06:10 xAI 콜로서스와 “일론 웹 서비스” 논의 00:08:00 AI 기업 매출의 진짜 병목은 수요가 아니라 공급 00:10:30 일론의 데이터센터 자산과 앤트로픽 거래의 의미 00:13:00 데이터센터 반대 운동과 AI 인프라 지연 리스크 00:16:00 앤트로픽 매출 성장과 “역사상 가장 강한 독점” 논쟁 00:20:00 일론의 공장 역량, 에너지, 분산 컴퓨팅 가능성 00:24:00 대형 테크 기업들의 혁신 둔화와 일론 프리미엄 논쟁 00:28:00 앤트로픽·오픈AI·구글의 AI 경쟁 구도 00:35:00 백악관의 “AI판 FDA” 보도와 모델 사전 승인 논쟁 00:39:00 AI에 대한 대중 여론 악화와 테크 업계의 메시지 실패 00:44:00 AI 규제, 사이버 위험, 구체적 해법 논의 00:46:00 Mythos급 모델과 사이버 보안 산업의 역할 00:48:00 프런티어 모델 API, KYC, 사용 로그, 자율 규제 00:52:00 AI 부의 사회적 환원, IPOK, 투자 계좌 아이디어 00:55:00 최저임금, 보편 의료보험, AI와 부의 양극화 00:58:00 AI는 인기 없지만 생활비와 경제 성장에는 중요하다는 주장 01:00:00 클라우드 매출, 하이퍼스케일러 성장, 시장 랠리 01:03:00 AI·컴퓨트·메모리 중심의 강세장 논리 01:06:00 트럼프 행정부, 에너지 정책, AI 경쟁 우위 논쟁 01:10:00 AI 투자 ROI와 생산성 향상 논쟁 01:14:00 스타트업과 대기업에서 AI 효과가 다르게 보이는 이유 01:17:00 마진 개선, 고용 지표, AI 일자리 상실론 반박 01:20:00 마무리: AI 경제 붐과 가짜 뉴스 비판 출처: youtube.com/watch?v=10MdOv…

젠슨 황: 생성형 컴퓨팅, 재산업화, 그리고 피지컬 AI Special Competitive Studies Project의 ‘Memos to the President’에서 엔비디아 CEO 젠슨 황이 AI가 컴퓨팅과 산업, 국가 경쟁력에 어떤 변화를 만들고 있는지 설명하는 인터뷰입니다. 핵심은 과거의 컴퓨팅이 저장된 정보를 찾아오는 “검색 기반 컴퓨팅”이었다면, 앞으로의 컴퓨팅은 사용자의 맥락과 의도를 바탕으로 새로운 결과를 만들어내는 “생성형 컴퓨팅”이라는 점입니다. 젠슨 황은 이 변화가 훨씬 더 많은 컴퓨트와 에너지, 새로운 산업 구조를 필요로 하며, 미국이 AI 시대를 이끌려면 칩·모델·애플리케이션·도입·에너지까지 이어지는 전체 레이어에서 앞서야 한다고 말합니다. 핵심 하이라이트 - AI는 검색 기반 컴퓨팅에서 생성형 컴퓨팅으로의 전환 지금까지의 컴퓨터는 이미 만들어진 문서, 이미지, 영상, 광고, 추천 목록을 찾아 보여주는 방식이었습니다. 젠슨 황은 AI 시대의 컴퓨팅은 사용자의 맥락과 의도에 맞춰 매번 새로운 결과를 생성하는 방식이라고 설명합니다. - 생성형 컴퓨팅은 저장장치보다 훨씬 더 많은 컴퓨터를 필요로 한다 AI는 정보를 꺼내오는 것이 아니라 새로 만들어내기 때문에, 과거의 데이터센터보다 훨씬 큰 연산 인프라가 필요합니다. 그는 이것이 AI 인프라 수요가 폭발하는 근본적인 이유라고 말합니다. - AI는 챗봇이 아니라 완전히 새로운 산업 젠슨 황은 AI를 단순히 대형 언어 모델이나 챗봇으로만 보면 안 된다고 강조합니다. 생물학, 화학, 물리, 로보틱스, 애니메이션, 제조 같은 정보도 모두 토큰화될 수 있고, 각 영역에서 새로운 산업이 만들어진다고 설명합니다. - 미국은 AI의 ‘다섯 겹 케이크’ 전체에서 이겨야 한다 칩, 모델, 애플리케이션, 도입, 에너지와 산업 기반까지 모든 레이어가 중요합니다. 특정 한 층만 앞서는 것으로는 부족하고, 미국은 전체 AI 스택을 동시에 강화해야 한다고 말합니다. - 재산업화의 핵심은 에너지 제조업을 다시 키우려면 결국 에너지가 필요합니다. 원자를 바꾸고, 물질 상태를 바꾸고, 새로운 제품을 만드는 일은 모두 막대한 에너지를 요구하기 때문에, AI 시대의 재산업화는 전력과 에너지 인프라 없이는 불가능하다고 봅니다. - 에이전트는 지난 6개월 사이 큰 돌파구를 만들었다 젠슨 황은 최근 에이전트 기술이 빠르게 발전해 코덱스와 클로드 코드 같은 도구가 실제 소프트웨어 작업을 매우 잘 처리하기 시작했다고 말합니다. 이제 많은 프로그래밍 작업은 사람이 직접 코드를 쓰기보다 에이전트가 수행하는 방향으로 가고 있습니다. - 일자리를 없애는 것이 아니라 과업을 자동화한다 그는 AI가 직업 자체를 없앤다고 보기보다, 직업 안의 특정 과업을 자동화한다고 설명합니다. 방사선 전문의의 목적은 질병 진단이고, 영상 판독은 그 목적을 위한 하나의 과업이라고 말합니다. - 피지컬 AI의 첫 번째 큰 사례는 로보택시 젠슨 황은 자율주행 로보택시 문제가 과학적으로는 사실상 해결됐고, 남은 것은 공학과 제품화의 문제라고 봅니다. 그는 로보택시가 곧 본격적으로 현실에 들어올 것이라고 말합니다. - 휴머노이드 로봇은 AI, 센서, 배터리, 모터, 재료공학의 결합 피지컬 AI는 모델만으로 되는 문제가 아닙니다. 로봇이 현실 세계에서 작동하려면 AI뿐 아니라 모터, 배터리, 센서, 재료공학, 제조 역량이 함께 발전해야 합니다. - 중국과의 경쟁은 칩 하나만의 문제가 아니다 젠슨 황은 중국이 에너지, 인재, 애플리케이션 도입 측면에서 매우 강하다고 봅니다. 따라서 미국은 중국을 늦추는 것만으로는 부족하고, 전체 AI 스택에서 더 빠르게 전진해야 한다고 말합니다. - 중국의 가장 큰 자원은 과학·수학 인재 그는 중국의 AI 연구자와 과학·수학 인재층을 매우 강하게 평가합니다. 미국은 전 세계 인재를 계속 끌어들이고, 그들이 미국에서 일하고 싶게 만드는 환경을 유지해야 한다고 강조합니다. - AI 공포를 과장하면 미국의 도입 속도가 늦어진다 젠슨 황은 AI가 실존적 위협이라거나 대졸 일자리 절반을 없앤다는 식의 과장된 발언이 도움이 되지 않는다고 말합니다. 안전과 정책은 필요하지만, 공포를 키워 도입을 막으면 미국의 경쟁력이 떨어질 수 있다는 입장입니다. - 오픈소스와 안전한 샌드박스가 기업 도입의 열쇠 그는 Open Shell 같은 안전한 실행 환경을 언급하며, 기업이 에이전트를 안전하게 쓰려면 프라이버시, 접근 권한, 정책 엔진, 샌드박스가 중요하다고 설명합니다. - AI 도입은 인간이 키보드에 묶여 있던 방식을 바꾼다 그는 지난 50년간 사람들이 작은 키보드 앞에서 타이핑하는 방식에 지나치게 묶여 있었다고 말합니다. AI와 에이전트가 더 많은 일을 대신 처리하면 사람은 더 상상력 있고 목적 중심적인 일에 시간을 쓸 수 있다고 봅니다. 타임라인 00:01:31 AI의 현재와 새로운 컴퓨팅 패러다임 00:03:00 검색 기반 컴퓨팅에서 생성형 컴퓨팅으로 00:06:00 젠슨 황이 실제 업무에서 AI를 쓰는 방식 00:09:00 AI의 다섯 겹 케이크와 미국의 과제 00:12:00 AI는 챗봇이 아니라 생물학·화학·물리까지 포괄하는 산업 00:15:00 재산업화와 에너지 인프라 00:18:00 에이전트, 코덱스, 클로드 코드의 돌파구 00:20:52 소프트웨어 엔지니어 일자리와 과업 자동화 00:21:00 방사선 전문의 사례로 본 직업과 과업의 차이 00:22:00 피지컬 AI와 로보택시 00:24:00 휴머노이드 로봇과 로보틱스의 현실적 과제 00:25:00 중국, 수출 통제, AI 5계층 경쟁 00:30:00 중국의 AI 인재와 미국의 인재 유치 문제 00:33:00 Open Shell과 안전한 에이전트 실행 환경 00:36:00 AI 공포론과 사실 기반 커뮤니케이션 00:39:00 키보드 이후의 컴퓨팅과 인간의 역할 00:42:00 AI 도입과 미국 산업의 포부 출처: youtube.com/watch?v=pMjWLD…

차마스 팔리하피티야: 상위 0.01%에게서 배운 것 차마스 팔리하피티야가 케빈 하트, 일론 머스크, 드레이먼드 그린 같은 극도로 성공한 사람들을 가까이서 보며 배운 공통점을 정리하는 영상입니다. 핵심은 이들이 단순히 재능이 뛰어난 사람들이 아니라, 압도적인 근면함, 반복 훈련, 회복력, 자기 책임감, 그리고 자기만의 게임을 오래 지속하는 능력을 갖고 있다는 점입니다. 특히 차마스는 성공한 사람들과 자신을 비교하며 불안해하기보다, 자신의 나이와 조건에서 할 수 있는 최선에 집중하라는 조언을 강조합니다. 남의 성취를 따라가려 하기보다, 자신의 강점과 한계를 정직하게 이해하고, 남의 게임이 아니라 자기만의 무한 게임을 해야 한다는 메시지로 이어집니다.

샘 알트먼 × 패트릭 콜리슨: 코딩 AI, 지능 인프라, 그리고 OpenAI의 다음 단계 스트라이프 CEO 패트릭 콜리슨이 OpenAI 공동창업자 겸 CEO 샘 알트먼과 대화하며, 최근 AI의 급격한 발전이 실제 업무와 스타트업, 인프라, 과학, 그리고 OpenAI의 조직 운영을 어떻게 바꾸고 있는지 묻는 인터뷰입니다. 핵심은 코딩 모델이 갑자기 실용적 임계점을 넘었고, AI가 단순한 챗봇을 넘어 컴퓨터 앞에서 하는 수많은 일을 대신 수행하는 “지능 유틸리티”로 이동하고 있다는 점입니다. 후반부에는 OpenAI가 왜 거대한 컴퓨트 인프라를 구축하려 하는지, AI 시대 창업자에게 무엇이 달라졌는지, 그리고 샘 알트먼이 왜 AI의 민주화와 개인의 주체성을 중요하게 보는지까지 이어집니다. 핵심 하이라이트 - 코딩 AI는 최근 임계점을 넘었다 샘 알트먼은 작년 말부터 올해 초 사이 모델들이 특히 코딩에서 뚜렷한 변곡점을 넘었다고 말합니다. 순수 추론 능력, 사용자 피드백 루프, 데이터가 결합되며 코덱스 같은 도구가 갑자기 훨씬 더 실용적으로 느껴지기 시작했다는 설명입니다. - 코덱스는 컴퓨터의 기본 인터페이스가 될 수 있다 그는 최근 몇 주 사이 코덱스가 자신에게 “컴퓨터의 기본 인터페이스”처럼 느껴지는 순간이 있었다고 말합니다. 지금은 코딩 사용자가 가장 열성적이지만, 목표는 컴퓨터 앞에서 하는 모든 일을 돕는 시스템입니다. - 다음 큰 변화는 사무직의 허드렛일 자동화 코딩 다음으로는 특정 한 분야보다, 메신저·문서·복사 붙여넣기·반복 응답처럼 사람들이 컴퓨터 앞에서 낭비하는 시간이 크게 줄어드는 변화가 올 수 있다고 봅니다. 그는 이런 사소한 작업이 몰입과 삶의 질을 얼마나 깎아먹었는지 직접 써보고 알게 됐다고 말합니다. - OpenAI는 연구소에서 제품 회사, 이제는 지능 인프라 회사로 이동 중 샘은 OpenAI가 크게 세 단계를 거쳤다고 설명합니다. 첫째는 AGI를 고민하던 순수 연구 회사, 둘째는 제품 회사를 함께 만들어야 했던 시기, 셋째는 전 세계를 위한 초대규모 “토큰 공장” 또는 지능 유틸리티를 만드는 단계입니다. - 목표는 똑똑하고 싸고 풍부한 지능을 공급하는 것 그는 사람들이 아주 많은 토큰과 지능을 다양한 방식으로 쓰고 싶어 할 것이며, OpenAI의 역할은 이를 최대한 싸고, 풍부하고, 사용하기 쉽게 만드는 것이라고 말합니다. - OpenAI는 스스로를 Stripe 같은 인프라 모델에 가깝게 보고 싶어 한다 샘은 OpenAI가 가치사슬을 모두 집어삼키는 회사가 아니라, Stripe처럼 고객의 성공과 함께 성장하는 인프라 제공자가 되기를 바란다고 말합니다. 지능 계량기처럼 기업과 개인이 필요한 만큼 사서 쓰는 모델을 상상합니다. - AI 인프라는 역사상 가장 비싼 프로젝트가 될 수 있다 그는 컴퓨트와 데이터센터 구축이 세계가 추진한 가장 비싼 인프라 프로젝트가 될 것이라고 말합니다. 다만 수익과 효율 개선도 함께 커지고 있어, 현재 자신은 설비투자 버블이라고 보지 않는다고 설명합니다. - 충분히 싼 지능에 대한 수요는 사실상 무한할 수 있다 지능 단위의 가격이 내려가고 결과를 받는 속도가 빨라지면 수요는 선형 이상으로 늘어난다고 말합니다. 그래서 “얼마나 많은 컴퓨트면 충분한가”라는 질문에는 뚜렷한 답이 없다고 봅니다. - OpenAI의 마법은 강한 사람들을 한 방향으로 묶는 데 있었다 샘은 OpenAI의 특이한 점을 “모두가 자기 방식이 맞다고 믿는 매우 뛰어난 사람들을 하나의 돌파구를 향해 함께 일하게 만든 것”으로 설명합니다. 그 비결은 공유된 확신, 자원 집중, 그리고 산만한 것을 무시하는 문화였습니다. - AI 시대에는 ‘아이디어맨’도 다시 중요해진다 과거에는 기술 역량이 없는 창업자를 낮게 봤지만, 이제는 사용자를 깊이 이해하고 아이디어를 가진 사람이 AI 도구를 통해 직접 제품을 만들 수 있게 됐다고 말합니다. 기술 역량은 여전히 중요하지만, 투자 판단의 기준이 넓어지고 있다는 이야기입니다. - AI 비즈니스는 모델이 똑똑해질수록 더 좋아지는 위치에 있어야 한다 샘은 모델의 약점을 메우는 사업은 다음 모델에 밀릴 수 있지만, 지능이 좋아질수록 더 강해지는 제품과 하니스는 지속 가능하다고 봅니다. 데이터센터, 모델, 하니스를 하나의 지능 생산 클러스터로 보는 시각입니다. - AI를 가장 잘 쓰는 조직은 CEO가 직접 밀어붙인다 그는 Shopify의 토비 뤼트케를 예로 들며, CEO가 직접 AI 자동화를 만들고 전사적으로 “모든 일에 AI를 넣겠다”고 요구하는 조직이 가장 빠르게 변한다고 말합니다. - 데이터 접근성이 AI 활용의 큰 차이를 만든다 작은 스타트업은 회의, 코드베이스, 슬랙, 이메일 등 거의 모든 데이터에 AI를 접근시킬 수 있어 생산성이 크게 올라간다고 말합니다. 다만 데이터 프라이버시와 효율성 사이의 균형은 앞으로 사회가 정해야 할 문제입니다. - 과학은 AI가 삶의 질에 기여할 가장 중요한 영역 샘은 AI가 인간 삶의 질에 가장 크게 기여할 영역이 과학일 수 있다고 말합니다. 새로운 소재, 질병 치료, 자동화된 실험실, 로봇 연구 환경이 결합되면 10년 걸리던 연구를 1년 안에 할 수 있는 시대가 올 수 있다는 전망입니다. - 민주화와 개인의 주체성이 샘 알트먼의 핵심 신념 그는 ChatGPT 공개 같은 반복적 배포가 OpenAI 역사상 가장 논란이 큰 결정 중 하나였지만, 기술을 소수의 상아탑 안에 가둬두는 것보다 세상에 열어 주는 것이 중요하다고 말합니다. 사람들에게 AI를 쓰고 그 위에 구축할 수 있게 하는 것이 자신의 가장 큰 기여라고 봅니다. 타임라인 00:01:39 샘 알트먼 등장과 코덱스 반응 00:02:02 “특이점 119일째”와 최근 AI 변곡점 00:02:49 코딩 모델이 갑자기 잘 작동하기 시작한 이유 00:05:05 코덱스가 컴퓨터의 기본 인터페이스가 되는 순간 00:06:08 코딩 다음으로 자동화될 업무 영역 00:07:51 OpenClaw와 AGI 마법 같은 사용 경험 00:09:09 홈 오토메이션과 메시지 자동화 사례 00:12:38 GPT-4 공개 전 8개월간의 OpenAI 내부 분위기 00:14:20 샘 알트먼의 경영 스타일 00:14:46 OpenAI의 3단계: 연구소, 제품 회사, 지능 인프라 00:17:33 OpenAI는 가치사슬을 집어삼킬 것인가 00:18:46 Stripe처럼 정렬된 지능 인프라 모델 00:20:35 AI 컴퓨트 인프라와 설비투자 논쟁 00:21:45 싼 지능에 대한 무한 수요 00:24:09 엘리트 인재와 강한 성격을 관리하는 법 00:25:43 OpenAI의 마법: 강한 사람들을 한 방향으로 묶기 00:31:16 AI 시대 스타트업과 창업자 역량의 변화 00:34:05 특이점이 가까워도 10년짜리 계획을 세워야 하는 이유 00:35:01 GPT 래퍼에서 하니스로 바뀐 AI 비즈니스 논쟁 00:37:17 AI를 가장 잘 쓰는 조직의 특징 00:40:00 Tempo 팀의 슬랙 기반 AI 오케스트레이션 사례 00:41:48 오픈소스 AI의 미래 00:42:52 AI와 과학, OpenAI 재단의 역할 00:45:35 Arc Institute와 복합 질환 치료 목표 00:48:01 Stripe 초기 투자 이야기 00:50:20 AI 시대 Stripe에 대한 조언 00:52:20 AI 외에 기대하는 기술: 인프라, 에너지, 로봇, 바이오, 인터페이스 00:54:00 핵융합과 극초음속 항공 예측 00:55:01 재료과학은 AI로 크게 가속될 분야 00:56:04 샘 알트먼이 AI 민주화를 중요하게 보는 이유

안드레이 카파시: 바이브 코딩에서 에이전틱 엔지니어링으로 Sequoia Capital의 AI Ascent 2026에서 안드레이 카파시가 바이브 코딩 이후 1년 동안 소프트웨어 개발이 어떻게 바뀌었는지 설명하는 대담입니다. 그는 최근 모델과 에이전트 도구의 발전으로 직접 코드를 치는 일이 줄어들고, 이제는 에이전트를 지휘하고 검증하며 설계하는 능력이 더 중요해지고 있다고 말합니다. 핵심은 “코딩이 빨라졌다”가 아니라, LLM이 소프트웨어 3.0이라는 새로운 컴퓨팅 패러다임이 되면서 앱, 인프라, 채용, 교육까지 다시 설계되어야 한다는 점입니다. 핵심 하이라이트 - 카파시는 프로그래머로서 처음으로 뒤처진 느낌을 받았다 그는 2025년 12월을 전환점으로 꼽습니다. 이전의 에이전트 도구는 도움이 되지만 자주 고쳐야 했지만, 최신 모델들은 코드 덩어리를 계속 잘 만들어내기 시작했고, 이때부터 본격적으로 바이브 코딩에 빠져들었다고 말합니다. - 소프트웨어 3.0은 프롬프트와 컨텍스트로 프로그래밍하는 시대 소프트웨어 1.0이 사람이 직접 쓰는 코드, 2.0이 데이터셋과 신경망 학습이었다면, 3.0은 LLM이라는 인터프리터를 컨텍스트로 조종하는 방식입니다. 프로그래밍이 점점 “코드 작성”보다 “에이전트에게 줄 텍스트와 맥락 설계”에 가까워진다는 설명입니다. - 설치 스크립트보다 에이전트에게 줄 지시문이 더 강력해진다 OpenClaw 설치 예시에서 그는 복잡한 셸 스크립트보다, 에이전트에게 복사해 넣을 텍스트가 더 강력할 수 있다고 말합니다. 에이전트가 환경을 보고, 디버깅하고, 지능적으로 설치를 마무리할 수 있기 때문입니다. - MenuGen 사례는 앱 자체가 사라질 수 있음을 보여준다 카파시는 메뉴 사진을 찍으면 각 음식 이미지를 만들어주는 앱을 바이브 코딩으로 만들었지만, 나중에는 Gemini와 이미지 생성 모델에 메뉴 사진을 넣고 바로 오버레이를 요청하는 방식이 더 자연스럽다는 걸 깨달았다고 말합니다. 즉, 어떤 앱은 더 이상 존재할 필요가 없을 수도 있습니다. - 새로운 기회는 기존 일을 빠르게 하는 데서 끝나지 않는다 그는 LLM 시대의 핵심을 “기존 소프트웨어를 더 빨리 만드는 것”으로만 보면 부족하다고 말합니다. 예전에는 불가능했던 지식 재구성, 문서 재컴파일, 개인·조직용 지식 베이스 같은 새로운 정보 처리 방식이 생기고 있다는 점을 강조합니다. - 자동화가 빨리 되는 영역은 검증 가능한 영역 카파시는 현재 모델들이 수학·코딩처럼 결과를 검증하기 쉬운 영역에서 특히 강하다고 설명합니다. 프런티어 랩들이 강화학습 환경에서 검증 가능한 보상을 주기 때문에, 이런 영역의 능력이 빠르게 올라간다는 이야기입니다. - LLM은 매우 강하지만 여전히 들쭉날쭉하다 그는 최신 모델이 거대한 코드베이스를 리팩터링하면서도, “50미터 떨어진 세차장에 차로 가야 하냐”는 질문에는 이상한 답을 할 수 있다고 말합니다. 그래서 모델을 동물처럼 믿기보다, 데이터와 보상으로 형성된 불균일한 지능으로 다뤄야 한다고 봅니다. - 창업자에게 중요한 것은 검증 가능한 환경을 찾는 것 어떤 문제를 자동화하려면 강화학습 환경이나 평가 가능한 예시를 만들 수 있어야 합니다. 연구소들이 직접 집중하지 않는 영역이라도, 검증 가능한 환경을 만들 수 있다면 파인튜닝과 자동화의 기회가 생긴다고 말합니다. - 바이브 코딩과 에이전틱 엔지니어링은 다르다 바이브 코딩은 누구나 소프트웨어를 만들 수 있게 바닥을 끌어올리는 흐름입니다. 반면 에이전틱 엔지니어링은 보안, 품질, 유지보수 같은 프로페셔널 기준을 지키면서 에이전트를 조율해 더 빠르게 가는 고급 역량에 가깝습니다. - 에이전틱 엔지니어링의 생산성 상한은 매우 높다 카파시는 이 능력을 잘하는 사람은 기존의 “10X 엔지니어”를 훨씬 넘어설 수 있다고 봅니다. 핵심은 도구를 쓰는 것 자체가 아니라, 여러 에이전트를 어떻게 조율하고 검증하느냐입니다. - AI 네이티브 엔지니어는 자신의 도구와 세팅에 깊이 투자한다 좋은 엔지니어가 Vim이나 VS Code를 깊게 다뤘듯이, 앞으로는 Claude Code, Codex 같은 에이전트 도구에서 최대한을 끌어내는 세팅과 워크플로가 중요해진다고 말합니다. - 채용 방식도 바뀌어야 한다 퍼즐 문제를 푸는 식의 기존 코딩 인터뷰는 낡은 방식이 될 수 있습니다. 카파시는 큰 프로젝트를 주고, 에이전트를 활용해 실제로 안전하고 견고하게 구현하는지 보는 방식이 더 맞다고 말합니다. - 인간에게 남는 핵심 역량은 취향, 판단, 설계, 감독 에이전트는 API 디테일이나 반복 작업을 잘 처리하지만, 어떤 사용자 ID를 기준으로 시스템을 연결해야 하는지 같은 큰 설계 판단은 여전히 사람이 책임져야 합니다. 그는 에이전트를 기억력 좋은 인턴처럼 묘사합니다. - LLM은 동물이 아니라 ‘유령’에 가깝다 카파시는 LLM을 내적 동기와 호기심을 가진 동물로 보기보다, 데이터와 보상 함수로 소환된 통계적 존재로 보는 편이 낫다고 말합니다. 그래서 화를 내거나 감정적으로 대하는 것보다, 어떤 회로에서 잘 작동하고 어디서 무너지는지 이해하는 것이 중요합니다. - 앞으로 인프라는 에이전트 네이티브로 다시 쓰여야 한다 그는 문서, 배포, 서비스 연결, DNS 설정 같은 많은 인프라가 아직 인간을 대상으로 만들어져 있다고 지적합니다. 앞으로는 사람이 “이 URL로 가서 설정하라”는 지시를 받는 게 아니라, 에이전트가 바로 읽고 실행할 수 있는 형태로 바뀌어야 한다고 말합니다. - 생각은 아웃소싱해도 이해는 아웃소싱할 수 없다 마지막 교육 파트에서 카파시는 AI 도구가 사고와 처리를 도울 수는 있지만, 무엇을 만들지, 왜 만들 가치가 있는지, 에이전트를 어떻게 지휘할지는 여전히 인간의 이해에 달려 있다고 말합니다. 타임라인 00:00:44 프로그래머로서 처음 느낀 “뒤처짐” 00:02:28 소프트웨어 1.0, 2.0, 3.0의 차이 00:03:44 설치 스크립트 대신 에이전트 지시문 00:04:49 MenuGen과 앱이 사라지는 소프트웨어 3.0 사례 00:07:37 2026년에 너무 당연해질 새로운 기회들 00:09:41 검증 가능성과 자동화 속도 00:11:44 강력하지만 들쭉날쭉한 모델의 이상한 한계 00:13:39 창업자들이 찾아야 할 검증 가능한 문제 00:15:46 바이브 코딩과 에이전틱 엔지니어링의 차이 00:17:52 AI 네이티브 엔지니어는 무엇이 다른가 00:18:29 에이전틱 엔지니어 채용 방식 00:19:34 인간에게 더 중요해지는 취향, 판단, 설계 00:23:36 LLM은 동물이 아니라 유령에 가깝다 00:25:17 에이전트 네이티브 인프라와 미래의 업무 환경 00:27:51 생각은 아웃소싱해도 이해는 아웃소싱할 수 없다 출처: youtube.com/watch?v=96jN2O…

뇌 수술을 라식처럼 빠르고 반복 가능한 공학 문제로 바꾸려 하는 Neuralink에 대한 영상입니다

데미스 하사비스: 알파폴드, AGI, 그리고 AI가 바꿀 과학의 미래 HUGE*의 클리오 에이브럼이 구글 딥마인드 CEO 데미스 하사비스와 대화하며, AI가 챗봇이나 이미지 생성기를 넘어 과학 자체를 어떻게 바꾸고 있는지 설명하는 인터뷰입니다. 핵심은 알파폴드가 단백질 접힘이라는 50년 난제를 어떻게 풀었는지, 그 성과가 신약 개발과 질병 연구에 어떤 영향을 주는지, 그리고 알파고·알파제로에서 시작된 창의적 AI가 칩 설계, 재료과학, 핵융합, 날씨 예측 같은 분야로 어떻게 확장될 수 있는지입니다. 후반부에는 정부의 AI 활용, AGI 안전성, 인간의 특별함, 그리고 하사비스가 상상하는 포스트 AGI 미래까지 이어집니다. 핵심 하이라이트 - 데미스 하사비스는 AI를 “과학을 위한 궁극의 도구”로 본다 그는 AI에 뛰어든 이유 중 큰 부분이 과학과 의학을 발전시키기 위해서였고, AI를 현실의 본질을 이해하는 도구로 쓰고 싶다고 말합니다. - 알파폴드는 단백질 접힘이라는 50년 난제를 겨냥했다 단백질의 1차원 아미노산 서열만 보고 3차원 구조를 예측하는 문제는 생물학의 대표적 난제였고, 하사비스는 이를 생물학 분야의 페르마의 마지막 정리 같은 문제로 설명합니다. - “요청받은 단백질만 접을 필요 없이, 전부 접어 공개하자” 알파폴드가 단백질 구조를 몇 초 만에 예측할 수 있다는 사실을 깨닫고, 개별 요청을 처리하는 서버 대신 알려진 거의 모든 단백질 구조를 예측해 무료 데이터베이스로 공개하자는 아이디어가 나옵니다. - 알파폴드는 전 세계 생물학자들의 출발점을 바꿨다 이제 연구자들은 단백질 구조를 알아내는 데 수년을 쓰기보다, 그 구조를 바탕으로 질병 기전, 신약 후보, 농작물, 소외 질병 같은 실제 문제로 더 빨리 넘어갈 수 있게 됐다고 설명합니다. - 신약 개발에서 알파폴드는 시작점일 뿐이다 하사비스는 단백질 구조 예측이 중요하지만 신약 개발 전체의 작은 일부라고 말합니다. 그래서 아이소모픽 랩스에서는 결합력, 독성, 부작용, 화합물 설계까지 포함한 더 넓은 인실리코 신약 개발 시스템을 만들고 있다고 설명합니다. - 알파지놈은 DNA의 “읽히지 않는 98%”를 겨냥한다 그는 알파지놈이 긴 유전 서열에서 특정 돌연변이가 질병을 일으킬지 예측하는 시스템이라고 설명합니다. 장기적으로는 크리스퍼 같은 유전자 편집 기술과 결합될 가능성도 언급합니다. - 그는 AI를 더 오래 연구실 안에 두고 싶었다 하사비스는 이상적으로는 AGI에 가까워지는 과정을 CERN 같은 국제 과학 협력 방식으로 신중하게 밟고 싶었다고 말합니다. 하지만 챗GPT 이후 상업 경쟁과 지정학 경쟁이 커지며 현실은 훨씬 빠르고 거칠게 움직이게 됐다고 설명합니다. - 알파고 37수는 AI 창의성의 상징 이세돌 9단과의 대국에서 알파고가 둔 37수는 인간 바둑 기사들이 거의 생각하지 않던 수였고, 하사비스는 그 순간을 AI가 인간이 모르는 새로운 아이디어를 발견할 수 있음을 보여준 장면으로 봅니다. - 알파제로는 인간 지식 없이 스스로 세계 챔피언급으로 올라가는 방식 알파제로는 인간 기보나 도메인 지식을 제거하고 규칙만으로 자기 자신과 반복 대국하며 학습합니다. 하사비스는 이 방식이 게임을 넘어 과학 문제에도 적용될 수 있다고 봅니다. - AI의 다음 과학적 활용은 “37수”를 다른 분야에서 찾는 것 재료 설계, 칩 설계, 행렬 곱셈, 양자 컴퓨팅, 핵융합 같은 분야에서 AI가 인간이 생각하지 못한 해법을 발견하는 것이 다음 단계로 제시됩니다. - 정부는 AI를 사용할 것이고, 핵심은 어디에 쓰느냐다 하사비스는 민주적으로 선출된 정부가 AI를 공중보건, 교육, 에너지 그리드 최적화 같은 공공 이익에 활용하길 바란다고 말합니다. - AI 위험에서 가장 큰 두 축은 악용과 통제 상실 그는 나쁜 행위자가 AI를 해로운 목적으로 전용하는 위험, 그리고 더 강력한 에이전트형 AI가 목표를 잘못 이해하거나 안전장치를 우회할 위험을 주요 우려로 꼽습니다. - 딥페이크보다 더 큰 문제는 AGI 안전성 SynthID 같은 워터마킹 기술로 생성형 AI 콘텐츠를 감지하는 일도 중요하지만, 하사비스는 AGI에 가까워질수록 시스템이 무엇을 할 수 있고 어떻게 통제할 수 있는지가 훨씬 더 큰 문제라고 봅니다. - 인간은 여전히 특별하지만, AI가 못 할 일의 경계는 불분명하다 그는 뇌가 고전적 계산에 가깝다면 AI가 장기 계획, 추론, 창의성의 많은 부분을 결국 모방하거나 수행할 수 있다고 말합니다. 다만 인간 사이의 고유한 연결이나 의식의 본질에는 아직 깊은 미스터리가 남아 있다고 봅니다. - 포스트 AGI 미래는 과학 난제 해결과 풍요의 확장 하사비스는 AGI가 안전하게 도달하면 핵융합, 초전도체, 배터리, 신소재, 질병 치료 같은 “루트 노드 문제”를 풀고, 그 결과 인류가 더 오래 건강하게 살며 우주로 확장할 수 있는 미래를 상상합니다. - 젊은 세대에게는 AI 도구에 완전히 몰입하라고 조언 그는 지금의 AI 도구를 잘 쓰는 사람들에게 엄청난 기회가 열리고 있으며, 새로운 응용 분야와 기업을 만들 수 있는 공간이 계속 커지고 있다고 말합니다. 타임라인 00:00:27 데미스 하사비스 소개: 구글 딥마인드 CEO, 노벨상 수상자 00:02:55 AI를 과학과 의학을 위한 도구로 보는 이유 00:04:08 알파폴드와 단백질 접힘 문제 00:06:15 알파폴드 회의에서 나온 “모든 단백질을 접어 공개하자”는 아이디어 00:08:12 알려진 거의 모든 단백질 구조를 예측해 공개한 과정 00:10:03 농작물, 소외 질병, 기초 생물학 연구에 미친 영향 00:14:30 아이소모픽 랩스와 AI 신약 개발 00:16:37 단백질 결합, 독성, 부작용을 인실리코로 예측하는 방식 00:18:42 제니퍼 다우드나의 질문: 크리스퍼와 알파지놈 00:20:03 알파지놈이 돌연변이와 질병 가능성을 예측하는 방식 00:22:00 AI를 더 오래 연구실 안에 두고 싶었다는 고백 00:24:08 AGI 이전에도 알파폴드 같은 특화 AI로 과학 성과를 낼 수 있다 00:26:07 챗GPT 이후 상업 경쟁과 AI 민주화의 장단점 00:28:46 알파고 37수와 AI 창의성 00:31:02 딥블루와 알파고의 차이: 규칙 실행 vs 학습 00:34:10 알파고가 인간 바둑을 넘어선 순간 00:36:55 알파제로: 인간 지식 없이 스스로 배우는 시스템 00:40:15 알파고식 탐색을 과학 문제에 적용하는 미래 00:41:12 AlphaTensor, 행렬 곱셈, 자기 개선의 가능성 00:42:20 AlphaChip과 칩 설계 문제 00:43:58 정부가 AI를 어디에 써야 하는가 00:45:35 AI 악용과 통제 상실이라는 두 가지 큰 위험 00:48:16 SynthID, 딥페이크, AI 워터마킹 00:50:21 AI가 인간이 할 수 있는 것 중 무엇을 못 할 것인가 00:52:45 인간의 특별함, 의식, 현실의 본질 00:54:42 AGI 이후 미래와 루트 노드 문제 00:56:11 핵융합, 신소재, 우주 확장, 질병 치료의 가능성 01:00:22 GenCast, 시뮬레이션, 날씨 예측 01:02:00 AI 도구에 몰입하라 01:03:21 지금 그의 포스트잇에는 무엇이 적혀 있나 출처: youtube.com/watch?v=C0gErQ…

데이비드 싱클레어: 후성유전 리프로그래밍과 노화 역전의 가능성 하버드 의대 유전학 교수이자 노화 연구자로 알려진 데이비드 싱클레어가 피터 디아만디스와 함께, 후성유전 리프로그래밍이 인간 노화 연구에서 어디까지 왔는지 설명하는 대담입니다. 핵심은 “노화 역전의 가능성"입니다. OSK라고 부르는 야마나카 인자 일부를 이용해 세포를 더 젊은 상태로 되돌릴 수 있는지, 그 접근이 실명 치료 임상시험부터 전신 장수 치료까지 확장될 수 있는지에 대한 전망입니다. 싱클레어는 이 분야가 라이트 형제의 비행 직전 같은 순간에 와 있다고 표현하며, 아직 초기 단계지만 인간의 나이 역전 가능성을 확인하는 해가 올 수 있다고 말합니다. - 후성유전 리프로그래밍 임상시험이 곧 시작된다 싱클레어는 OSK라고 부르는 야마나카 유전자 3개를 한 환자의 눈에 주입해 실명 치료 가능성을 확인하는 임상시험을 앞두고 있다고 말합니다. - 목표는 줄기세포화가 아니라 ‘젊은 상태로 되돌리기’ 그는 세포를 완전히 줄기세포로 되돌리면 위험하지만, 일부 인자를 사용하면 세포 정체성을 유지하면서 더 젊은 상태로 리셋하는 접근이 가능하다고 설명합니다. - 눈에서 시작하지만 최종 목표는 전신 장수 치료 눈은 첫 대상일 뿐이고, 연구실과 다른 연구팀들이 뇌, 기억력, 운동 뉴런, 면역계, 근육, 신장, 간, 피부, 관절 등 여러 조직에서 가능성을 보고 있다고 말합니다. - 지금은 조직별 접근, 나중엔 전신 접근 인간에게 아직 검증되지 않은 기술이기 때문에 FDA 승인과 안전성 문제상 눈이나 간처럼 특정 조직부터 시작하지만, 장기적으로는 정맥 주사나 저분자 약물 같은 전신 접근을 목표로 합니다. - 유전자 치료는 비싸지만, 알약 형태는 훨씬 저렴해질 수 있다 현재 AAV 기반 유전자 치료는 매우 비쌀 수 있지만, 싱클레어 연구실은 AI와 머신러닝으로 저분자 물질을 찾고 있으며, 장기적으로는 훨씬 더 접근 가능한 치료제를 목표로 한다고 말합니다. - “장수 혁명은 초부유층만의 것이어서는 안 된다” 피터 디아만디스는 Healthspan XPRIZE의 핵심 전제가 80억 명 모두가 접근 가능한 치료제를 장려하는 것이라고 말합니다. - 인간 수명에 고정된 상한선이 있다는 주장에 회의적 싱클레어는 우리가 반드시 늙어야 한다고 정해진 법칙은 없다고 말하며, 생물학적·물리학적으로 명확한 상한선을 아직 보지 못했다고 주장합니다. - 다만 “영원히 산다”는 말은 아니라고 선을 긋는다 그는 자신이 종종 “영원히 살 수 있다”는 식으로 인용되지만, 핵심은 일단 노화 역전이 가능하다는 걸 확인하면 그 이후의 발전 가능성이 완전히 달라진다는 의미라고 설명합니다. - 민간 후원이 연구 속도를 크게 바꿨다 정부 연구비가 끊긴 뒤 Friends of Sinclair Lab을 통해 민간 후원이 모였고, 그 덕분에 수년 걸릴 수 있는 연구를 몇 주 안에 시작할 수 있게 됐다고 말합니다. - 기존 연구비 시스템은 너무 느리고 보수적이다 피터와 싱클레어는 급진적 연구보다 예측 가능한 연구가 지원받기 쉬운 구조, 긴 심사 기간, 낮은 선정률이 과학의 속도를 늦춘다고 비판합니다. - 싱클레어의 개인 프로토콜 공유 레스베라트롤, NMN, 메트포르민 또는 베르베린, 혈당 관리, 나토키나아제, 식단 변화, 금주, 스트레스 관리, 수면, 관계와 외로움 관리 등이 언급됩니다. 타임라인 00:00:00 후성유전 리프로그래밍과 “라이트 형제 순간” 00:02:02 최초의 인간 후성유전 리프로그래밍 임상시험 00:03:00 OSK, 야마나카 인자, 실명 치료 가능성 00:04:00 눈에서 간으로, 그리고 여러 조직으로 확장되는 가능성 00:05:25 전신 장수 치료가 되려면 무엇이 필요한가 00:06:28 AAV 유전자 치료의 비용 문제 00:07:40 2017년 기술에서 저분자 치료제 탐색으로 00:08:49 AI와 머신러닝으로 수십억 개 분자를 스크리닝하는 방식 00:09:36 저분자 칵테일과 향후 인간 임상 가능성 00:10:44 장수 치료가 초부유층만의 기술이 되면 안 되는 이유 00:11:36 라이트 형제 비유와 접근성 문제 00:12:39 “우리 생애 안에 일어날 가능성”에 대한 싱클레어의 전망 00:13:01 Healthspan XPRIZE와 연구 가속 00:15:04 인간 수명에 상한선이 있는가 00:16:17 세포 재부팅과 반복적 리프로그래밍 가능성 00:18:13 연구비 중단과 Friends of Sinclair Lab의 시작 00:19:40 민간 후원으로 약 600만 달러를 모은 과정 00:20:00 기존 과학 연구비 시스템의 문제 00:21:31 기부자가 연구 방향을 빠르게 밀어주는 새 모델 00:24:05 데이비드 싱클레어의 개인 장수 프로토콜 00:25:11 레스베라트롤, NMN, 메트포르민, 베르베린 00:27:03 혈당 관리와 심혈관 위험 00:27:33 나토키나아제와 플라크 관련 이야기 00:28:46 경동맥 초음파와 예방적 검사 00:29:08 식단 변화와 거의 비건에 가까운 식습관 00:29:48 금주와 염증 바이오마커 변화 00:31:00 스트레스, 명상, 수면, 관계, 외로움 관리

몇 달 전, 제가 만든 첫 아이폰 앱 “에코”를 소개드렸습니다. apps.apple.com/ko/app/echo-st… 에코는 매일 아침 AI가 질문 하나를 던지고, 그 질문에 대해 즉흥적으로 글을 쓰는 앱입니다. 백스페이스도 없고, 수정도 없고, 10초간 멈추면 자동 제출됩니다. '잘 쓰기'보다 '생각하기'에 집중하게 만들고 싶었습니다. 그동안 직접 써보고, 주변 분들께 피드백도 받으면서 두 가지 기능을 새로 추가했습니다. 첫 번째는 “자유 글쓰기”입니다. 아무리 AI가 개인화된 질문을 잘 만들어도, 어떤 날은 질문이 지금 내 마음이랑 안 맞을 때가 있더라고요. 원래 에코는 주어진 질문에 답하는 구조였지만, 이제는 질문에 꼭 답하지 않아도 됩니다. 오늘은 그냥 다른 이야기를 쓰고 싶다 싶으면, 자유롭게 지금 머릿속에 있는 것을 쓸 수 있습니다. 저에게는 이게 꽤 중요했습니다. 루틴이라는 게 완벽한 날에만 유지되는 게 아니라, 애매한 날에도 끊기지 않아야 오래 가니까요. 질문이 마음에 안 드는 날에도 "오늘은 이 얘기를 하고 싶다"라고 쓸수 있게 만들었습니다. 두 번째는 “피드”입니다. 처음 에코를 만들 때는 완전히 개인적인 일기 앱에 가깝다고 생각했습니다. 그런데 막상 쓰다 보니, 좋은 질문과 그에 대한 답변은 혼자만 보기 아깝지 않나 생각이 들었습니다. 다른 사람이 어떤 질문을 받았고, 거기에 어떻게 답했는지 볼 수 있게 하면 좋을것 같다는 생각이 들었습니다. 그래서 원한다면 자신의 답변을 익명으로 공유할 수 있는 피드를 만들었습니다. 모든 글이 공개되는 건 아니고, 사용자가 직접 공유하기로 선택한 글만 올라갑니다. 누가 썼는지보다, 어떤 생각이 담겨 있는지가 더 중요하게 보였으면 했습니다. 제가 에코를 만들며 계속 붙잡고 있는 생각은 같습니다. AI가 우리 대신 생각하게 만드는 것이 아니라, AI가 우리에게 더 좋은 질문을 던지게 만들 수는 없을까? 그리고 글쓰기를 “잘해야 하는 일”이 아니라, 내 생각을 붙잡아 두는 가장 가벼운 루틴으로 만들 수는 없을까? 이번 업데이트가 그 방향으로 한 걸음 더 가까워졌으면 합니다. 써보시고 어떤지 알려주세요. 특히 자유 글쓰기와 피드가 실제로 루틴을 이어가는 데 도움이 되는지 궁금합니다. apps.apple.com/ko/app/echo-st…

에릭 요르겐슨: ‘왜 일론은 남들보다 압도적으로 빠른가’ 『The Book of Elon』 저자 에릭 요르겐슨이 일론 머스크가 왜 여러 산업에서 동시에 남들보다 훨씬 빠르고 강하게 경쟁하는지 자신의 프레임으로 풀어내는 인터뷰입니다. 핵심은 일론에게 비밀 한 가지가 있다는 이야기가 아닙니다. 제1원칙, 속도, 광적인 긴박감, 병목으로 직접 이동하는 방식, 데모 중심 사고, 작은 실패를 허용하는 문화, 요구사항부터 의심하는 알고리즘, 그리고 거대한 미션이 서로 곱해지며 압도적인 경쟁력이 만들어진다는 점입니다. 이 영상은 일론의 성과를 단순한 천재성보다 하나의 운영 체계로 해석합니다. 일론의 경쟁력은 한 가지 재능이 아니라 ‘곱셈 구조’ - 에릭 요르겐슨은 일론이 1만 배 더 뛰어난 이유가 1만 배 더 똑똑해서가 아니라, 여러 작은 우위가 서로를 증폭시키기 때문이라고 봅니다. 일론은 CEO가 되고 싶어서가 아니라, 제품을 통제하려면 회사를 통제해야 했다 - Zip2와 PayPal 시기에는 제품 중심 엔지니어로도 충분했지만, 테슬라와 스페이스X처럼 장기 비전과 반복이 필요한 회사에서는 결국 CEO 역할을 직접 맡을 수밖에 없었다는 이야기입니다. 테슬라와 스페이스X의 동시 성공은 거의 1%짜리 사건 - 그는 일론 자신도 각 회사의 성공 확률을 낮게 봤다고 말하며, 둘 다 동시에 살아남은 것은 믿기 어려운 결과였다고 설명합니다. 짧고 빡빡한 일정은 실패 가능성을 감수한 ‘의도적 50% 일정’ - 확실히 맞출 수 있는 느슨한 일정보다, 성공 확률 50%짜리 짧은 일정을 걸어 조직 전체를 더 빨리 움직이게 만든다는 관점입니다. 일론은 실패를 피하기보다 ‘치명적이지 않은 작은 실패’로 학습 속도를 높인다 - 로켓, 생산, 제품 설계 모두에서 한계까지 밀어붙여 어디서 깨지는지 알아내고, 그걸 통해 더 나은 시스템을 만든다는 이야기입니다. 시간을 보는 방식은 비용 절감보다 훨씬 공격적이다 - 하루 지연이 미래 매출과 기업가치에서 얼마나 큰 손실인지 계산하기 때문에, 작은 비용을 아끼려 시간을 버리는 일을 거의 하지 않는다는 점이 강조됩니다. 전통적인 CEO처럼 일정표를 따르기보다 ‘문제가 있는 곳’으로 직접 움직인다 - 아침에 일어나면 긴급 상황을 확인하고, 가장 중요한 병목이 있는 곳으로 직접 이동한다는 식입니다. 회사를 시작할 때도 무작정 창업부터 하지 않는다 - 스페이스X도 페이팔 엑싯 전부터 엔지니어들을 모아 계산하고 검토하며 가능성을 점검한 뒤 본격적으로 시작했다는 이야기입니다. 슬라이드보다 데모가 사람을 더 강하게 움직인다 - 일론은 허술한 데모라도 실제 작동하는 걸 보여주면 투자자, 엔지니어, 파트너를 끌어들이는 힘이 커진다고 봤고, 초기 로드스터와 스마트카 EV 개조 사례가 그 예로 제시됩니다. 일론 조직은 ‘평생 직장’보다 ‘투어 오브 듀티’에 가깝다 - 어떤 사람은 오래 남지만, 많은 사람은 아주 강한 강도 속에서 일정 기간 전력을 다해 복무하듯 일하고 떠난다는 이야기입니다. 일론 밑에서 버티고 성장하려면 뛰어난 엔지니어링, 행동 지향성, 긴박감 감각이 필요하다 - 동시에 그 미션 자체를 믿는 사람이어야 한다는 점도 강조됩니다. 거대한 비전은 사람을 끌어모으는 핵심 자산 - 다행성 종, 자율주행, 휴머노이드 로봇 같은 비전이 비현실적으로 들릴 수 있어도, 일부 사람들에겐 인생을 바칠 만큼 강한 의미를 준다는 이야기입니다. 일론의 5단계 알고리즘은 이 인터뷰의 핵심 도구 1. 모든 요구사항을 의심하라 2. 삭제하고 단순화하라 3. 최적화하라 4. 속도를 높여라 5. 마지막에 자동화하라 - 이 순서를 거꾸로 하면 프리몬트 공장처럼 큰 실수를 반복하게 된다고 말합니다. 모델 3 텐트 공장은 ‘관습적 사고로 불가능하면 비관습적 사고가 필요하다’는 사례 - 기존 라인만으로 목표를 못 맞추자 주차장에 텐트 라인을 세워서라도 돌파한 것이 대표적 예로 나옵니다. 일론은 산업 전체의 비효율을 보는 데 능하다 - 항공우주처럼 하청이 중첩되고 잘못된 인센티브가 쌓인 산업에서 큰 폭의 개선 여지가 있다고 본다는 이야기입니다. 그는 한계에서 생각한다 - 로봇 1대를 어떻게 만들지가 아니라 10억 대를 만들면 원가를 어디까지 낮출 수 있는지부터 묻는 식입니다. 일론은 비전이 측정 가능해질 때마다 다시 더 큰 내러티브로 확장한다 - 자동차 회사에서 자율주행 회사로, 다시 로봇 회사로 비전이 커지는 식입니다. 후반부의 중요한 축은 ‘미움받을 각오’와 ‘사명 우선’ - 사람들의 호감보다 미션을 우선해야 지금까지의 일들을 밀어붙일 수 있었다는 관점이 반복됩니다. 타임라인 00:00:12 왜 일론은 모두를 제치고 경쟁에서 이기는가 00:01:53 왜 처음엔 CEO가 되고 싶어 하지 않았나 00:06:15 왜 테슬라와 스페이스X 동시 성공은 100분의 1짜리 결과였나 00:10:03 미래의 잃어버린 매출로 사고하는 방식 00:11:58 침대 옆 권총, 휴대폰, 긴급 상황 중심의 일상 00:15:02 일론은 회사를 어떻게 시작하는가 00:19:23 래리 페이지에게 초기 로드스터 데모를 보여준 이유 00:21:27 왜 새벽 2시에 사람들을 공장으로 부르나 00:25:01 일론의 의지를 자율적으로 실행하는 핵심 인재들 00:28:52 일론 회사에서 일하는 건 왜 ‘투어 오브 듀티’인가 00:31:18 사람들이 믿을 수 있는 거대한 비전을 만드는 법 00:37:30 알고리즘: 요구사항 의심, 삭제, 단순화, 최적화, 가속, 자동화 00:41:38 프리몬트 주차장에 텐트 공장을 세운 이유 00:45:10 개인에 대한 공감 vs 미션에 대한 공감 00:46:57 일론 회사의 끝없는 이탈과 높은 기준 00:50:49 무자비함과 미움받을 각오 00:56:08 적과 혼란을 이용하는 방식 00:58:37 화성 대신 달 기지 같은 현실적 중간 단계 이야기 01:00:07 비전을 다시 정의해 테슬라 밸류에이션을 정당화하는 방식 01:02:21 야망의 S-커브: 화성, 스타링크, 테라팩토리 01:06:22 위대한 팀은 결국 개별 벡터의 합 01:11:09 산업 단위의 ‘바보 지수’ 01:13:53 우주 기업이 발사 능력을 직접 통제해야 하는 이유 01:15:44 한계에서 생각하는 방식 01:18:47 아무도 측정할 수 없을 때까지 비전을 확장하는 습관 01:23:41 고통을 내면화하고 좌절을 다루는 방식 01:26:03 지난 30년간 진화한 일론의 운영 철학 01:27:37 마지막 키워드: 효과성

NVIDIA 창업자 겸 CEO 젠슨 황이 드워키시 파텔과 대화하며, TPU 경쟁, 공급망 해자, 왜 엔비디아가 직접 하이퍼스케일러가 되지 않는지, 중국에 AI 칩을 팔아야 하는지, 그리고 엔비디아가 보는 미국 기술 리더십의 조건까지 설명하는 인터뷰입니다. 이번 편에서 젠슨 황은 엔비디아를 단순한 칩 회사나 소프트웨어 회사가 아니라, “전자를 토큰으로 바꾸는 회사”로 설명합니다. 핵심은 GPU 하나가 아니라, 로직·HBM·패키징·네트워킹·소프트웨어·클라우드·개발자 생태계 전체를 엮어 AI 산업이 돌아가게 만드는 능력에 있다는 주장입니다. 그는 TPU나 ASIC이 특정 작업에서는 의미 있는 경쟁이 될 수 있어도, 엔비디아의 진짜 강점은 CUDA의 프로그래밍 가능성, 방대한 설치 기반, 그리고 전체 스택을 함께 최적화하는 공동 설계 역량에 있다고 말합니다. 후반부에는 왜 엔비디아가 직접 클라우드 사업자가 되지 않는지, 왜 최고가 입찰자에게 GPU를 넘기지 않는지, 그리고 왜 중국 시장을 포기하는 것이 오히려 미국 기술 스택에 해가 된다고 보는지까지 강하게 밀어붙입니다. 00:00:00 소프트웨어 범용화와 “전자를 토큰으로 바꾸는 회사" 00:04:29 공급망 약정과 엔비디아 해자의 본질 00:08:36 상류 공급망이 매년 두 배로 따라갈 수 있느냐는 질문 00:13:10 진짜 가장 어려운 병목은 배관공·전기기사·에너지 00:16:28 TPU 경쟁과 엔비디아가 말하는 “가속 컴퓨팅” 00:20:06 AI에서 정말 중요한 건 행렬곱만인가, 프로그래밍 가능성인가 00:25:46 CUDA 해자, 설치 기반, 하이퍼스케일러 고객 논쟁 00:36:25 앤스로픽, TPU, 그리고 왜 초기에 엔비디아가 더 깊게 못 들어갔는가 00:44:13 왜 엔비디아는 직접 하이퍼스케일러가 되지 않는가 00:47:07 승자를 고르지 않고 생태계 전체에 투자하는 이유 00:51:13 GPU 물량은 어떻게 배분되는가, 왜 최고 입찰자 방식이 아닌가 00:57:38 중국에 AI 칩을 팔아야 하는가 01:04:04 중국이 적은 공정에서도 강한 모델을 만들 수 있는지 01:15:16 왜 중국 시장을 포기하는 것이 미국에 해가 된다고 보는가 01:41:52 AI만이 아니라 과학 전반을 위한 가속 컴퓨팅이다

제가 최근 론칭한 아이폰 어플을 소개드리고자 합니다. apps.apple.com/ko/app/echo-st… 저는 지난 1년간 AI를 "거꾸로" 사용하는 루틴을 가져왔는데요, 그 루틴이 제 첫 아이폰 어플 소재로 괜찮겠다 싶어 만들어 보았습니다. 주로 우리는 AI한테 질문을하고 AI가 대답하는 패턴에 익숙합니다. 저는 한번 매일 아침, AI가 저한테 질문을 하도록 해봤습니다 - 지금 제 삶과 제가 추구하고 있는 것에 도움이 될 수 있는 질문 하나를 매일 아침 하나씩 말이죠. 그리고 매일 빠짐없이 그 질문에 대해 글을 써 보았습니다. 많은 면에서 이 루틴이 "빈 페이지 열고 일기 쓰기"보다 훨씬 효과적이었음을 느꼈습니다. 뭘 쓸지 고민할 필요가 없었고, 글을 다듬는 데 시간을 쓰는 대신 생각하는 데 집중하게 되었기 때문입니다. 그리고 중요한건 AI는 제가 오타를 내던 문법이 어떻던 신경쓰지 않고 내용 그자체를 가지고 피드백을 줘서, 특히 부담이 적고 버릇을 유지하기가 쉬웠습니다. 그래서 제 첫 아이폰 앱을 이걸로 정했습니다. 이름은 "에코"입니다. - 하루에 질문 1개가 주어집니다. - 글은 앞으로만 씁니다 (백스페이스도, 수정도 불가). "잘" 쓰려고 하지 마세요. 그냥 쓰세요. 어차피 나와 AI만 보는 겁니다. - 10초간 타이핑을 멈추면 자동 제출됩니다. - AI가 사고의 깊이와 관련성을 평가하고 (문법이 아닙니다), 피드백을 주고, 제한된 환경에서 오타투성이로 쓴 글 뒤에 숨어 있는 진짜 하고 싶었던 말을 다듬어진 버전으로 보여줍니다. (영어로도 자동 번역됩니다) - 하루의 기준은 현지 시간 오전 7시에 리셋됩니다. 저에게 유용하게 다가온 이 루틴이 이 글 보시는 분들께 어떻게 다가올지 궁금하네요. 한번 써보시고 어떤지 알려주세요! apps.apple.com/ko/app/echo-st…

오늘 클로드 Opus 4.7이 출시됐죠 - Echo Pro(월 1만원)에 바로 적용했습니다. 매일 Opus 4.7이 생성한 질문과 피드백을 받아보세요 apps.apple.com/ko/app/echo-st…

스콧 애덤스의 행복 그래프 딜버트 작가 스콧 애덤스가 행복감을 느끼는 방법을 아주 단순한 그래프로 설명합니다

올인 팟캐스트 공동 진행자이자 Ohalo Genetics CEO인 데이비드 프리드버그가 크리스 윌리엄슨과 대화하며, 노화를 “세포의 후성유전 정보가 흐트러지는 과정”으로 설명하고 이를 되돌릴 수 있는 가능성을 이야기합니다 그는 노화를 단순히 시간의 흐름이 아니라, 세포 안에서 유전자가 켜지고 꺼지는 후성유전적 정보가 점점 흐트러지는 과정으로 설명합니다. 프리드버그는 야마나카 인자와 부분적 세포 리프로그래밍 개념을 바탕으로, 세포를 완전히 초기화하지 않고도 더 젊은 상태로 되돌리는 접근이 가능할 수 있다고 말합니다. 또 이 기술이 특정 조직 치료에서 시작해, 장기적으로는 전신 노화 완화나 건강수명 연장으로 이어질 수 있다는 전망도 함께 설명합니다 노화는 DNA 자체보다 ‘유전자 스위치 정보’가 흐트러지는 문제 - 그는 몸의 모든 세포가 같은 DNA를 갖고 있지만, 어떤 유전자가 켜져 있고 꺼져 있느냐가 눈, 피부, 심장 같은 서로 다른 세포를 만든다고 설명합니다. 세포마다 다른 이유는 후성유전적 스위치 때문 - DNA 위의 작은 분자 표지들이 유전자의 작동 여부를 조절하고, 이 스위치 배열이 세포의 정체성과 기능을 결정한다고 말합니다. 노화는 이 스위치들이 점점 잘못된 위치로 이동하는 과정 - 프리드버그는 DNA 손상이 복구되는 과정에서 후성유전 표지들이 조금씩 어긋날 수 있고, 그 누적이 세포 기능 저하로 이어진다고 설명합니다. 노화 = ‘후성유전 정보 오류’ - 주름, 시력 저하, 심장 기능 저하 같은 현상이 결국 세포가 원래 해야 할 일을 덜 정확하게 하게 되는 문제라는 프레임입니다. 야마나카 인자는 세포를 다시 초기 상태로 되돌릴 수 있는 단백질 조합 - 그는 2006년 발견을 언급하며, 특정 단백질 조합이 세포를 줄기세포 상태처럼 되돌릴 수 있었다고 설명합니다. 핵심은 ‘완전 초기화’가 아니라 ‘부분적 리셋’ - 프리드버그는 적은 양의 인자를 사용하면 세포를 완전히 줄기세포로 돌리지 않고, 표지들을 더 젊은 상태로 되돌리는 방향이 가능하다고 말합니다. 동물들의 시력 회복, 주름 완화, 수명 연장의 예 - 쥐와 원숭이 사례를 언급하며, 이 접근이 특정 조직 기능이나 노화 지표를 되돌릴 가능성을 보여줬다고 설명합니다. 현재는 특정 질환과 특정 조직을 겨냥한 국소 치료가 먼저 진행 중 - 실명, 녹내장, 관절염, 심장 질환처럼 표적 조직에 제한적으로 적용하는 방식이 먼저 개발되고 있다고 말합니다. 장기적으로는 전신 치료로 갈 수 있다고 전망 - 지금은 국소 적용이 중심이지만, 시간이 지나면 전신 단위로 젊음을 유지하는 방향으로 발전할 수 있다고 봅니다. 중요한 건 단순한 수명보다 건강수명이라는 점 - 오래 사는 것 자체보다, 통증 없이 움직이고 질병 없이 기능하는 시간을 늘리는 것이 더 중요한 목표라고 말합니다.

이번 편은 데이비드 센라가 세바스찬 말러비의 신간 『인피니티 머신』을 바탕으로, 딥마인드 공동창업자이자 노벨 화학상 공동수상자인 데미스 하사비스가 어떤 사람인지 정리하는 에피소드입니다. 핵심은 단순한 성공담이 아닙니다. 왜 그는 돈보다 지능 자체를 더 근본적인 문제로 봤는지, 왜 2010년처럼 모두가 비웃던 시기에 AGI 회사를 만들었는지, 어떻게 체스·게임·신경과학·기업가 경험이 하나로 모여 딥마인드가 되었는지, 또 왜 그는 회사를 독립적으로 키우기보다 구글의 자원 위에서 더 빨리 AGI에 다가가는 길을 택했는지까지 이어집니다. 후반부에는 알파고, 알파폴드, 오픈AI 충격 이후의 전시 체제, 그리고 데미스가 끝까지 붙들고 있는 “지식과 과학을 위한 AI”라는 동기도 함께 다룹니다. ‘돈보다 사명에 움직이는 창업자’ - 데이비드 센라는 데미스를 전형적인 앱 창업자가 아니라, 지능 자체를 이해하고 만들고 싶어 하는 선교사형 창업자로 묘사합니다. AI의 실용성보다 ‘지능의 본질’에 먼저 집착한 사람 - 자막에서 반복되는 핵심은, 데미스에게 AI의 사업성이나 수익 잠재력은 부차적이었고, 더 중요한 것은 인간 지능을 이해하고 재현하는 일이었다는 점입니다. 체스는 그의 경쟁심과 사고방식을 만든 출발점 - 어린 시절 체스 신동이었던 경험은 그의 극단적인 승부욕, 통제 욕구, 그리고 문제를 끝까지 밀어붙이는 성향과 연결됩니다. 불프로그와 『괴델, 에셔, 바흐』가 AI 사명을 굳힌 전환점 - 게임 회사에서의 경험과 AI 철학을 다룬 책이 결합되며, 데미스는 자신의 커리어를 AI 연구에 바치기로 결심합니다. 첫 회사 엘릭서의 실패 - 지나치게 야심찬 게임 프로젝트가 무너지면서, 그는 카리스마만으로 팀을 과열시키는 위험과 진짜 피드백의 중요성을 배우게 됩니다. 딥마인드는 처음부터 ‘좁은 AI’가 아니라 AGI를 목표 - 당시 대부분의 AI 연구가 좁은 문제 해결에 집중할 때, 딥마인드는 훨씬 더 범용적이고 자율적인 에이전트를 만들겠다는 계획을 세웁니다. 피터 틸 투자 유치는 데미스를 ‘선교사형 창업자’로 본 결과 - 이 에피소드는 틸이 딥마인드의 비즈니스 모델보다도, 데미스가 절대 포기하지 않을 사람이라는 점에 더 크게 반응했다고 설명합니다. 데미스가 구글에 회사를 판 이유는 통제 포기가 아니라 사명 가속 - 자막에서는 끝없는 자금 조달이 그의 사명을 방해했고, 구글의 자본과 컴퓨트가 AGI를 더 빨리 만들 수 있는 현실적 수단이었다는 점이 강조됩니다. 알파고의 진짜 의미는 ‘인간을 모방하는 AI’를 넘어서는 데 있었다 - 단순히 인간 기사들의 기보를 잘 따라하는 수준이 아니라, 인간이 생각하지 못한 전략을 스스로 발견하는 시스템을 만드는 것이 핵심으로 제시됩니다. 오픈AI와 챗GPT의 등장은 데미스를 전시 체제로 밀어 넣은 사건 - 딥마인드가 언어모델 전환에서 뒤처졌다는 문제의식이 나오고, 이후 연구 포트폴리오 축소, 엔지니어링 강화, 구글 브레인 합병, 제미니 집중으로 이어집니다. ‘AI가 과학적 기적을 만든다’ - 단백질 구조 예측 문제를 풀고 그 결과를 무료 공개한 일은, 데미스가 왜 돈보다 과학적 지식을 우선시하는지 보여 주는 사례로 정리됩니다. ‘돈과 권력은 목적이 아니라 수단’ - 데미스는 자막 마지막 부분에서 자신이 이 일을 지식과 과학을 위해 한다고 말하며, 사명이 자신과 분리될 수 없다고 설명합니다. youtube.com/watch?v=OzGOv6…

넷스케이프 창업자가 전하는 마크 저커버그와의 첫 만남 이야기