Continuous Learning_Startup & Investment

https://docs.google.com/presentation/d/1p1N1an6wjmjvXHCwiOwJJq6D58iINrceI9-ZkpmJwrY/edit?usp=sharing Enjoyed visiting UC Berkeley’s Machine Learning Club yesterday, where I gave a talk on doing AI research. Slides: https://docs.google.com/presentation/d/1p1N1an6wjmjvXHCwiOwJJq6D58iINrceI9-ZkpmJwrY/edit?usp=sharing In the past few years I’ve worked with and observed some extremely talented researchers, and these are the trends I’ve noticed: 1. When starting a project, average researchers tend to jump quickly to modeling proposals, architecture design, new ideas, etc. Great researchers often first spend time manually looking at data and playing with models to deeply understand the problem, before proposing an (often simple) approach. 2. Average researchers may often write hacky code that is not reusable and requires many separate steps. Great researchers are often also great software engineers—their code can be easily extended for future experiments, they write extensive tests, and they create infra to run many experiments quickly and visualize results with the fewest clicks. 3. While average researchers might work mostly by themselves or with one or two others, great researchers know that research is a social activity. They collaborate with people of varying experience, share results in writeups, and communicate their vision convincingly. 4. Average researchers might get stuck in rabbit holes—if they have experiments with only mediocre results, they spend 3 more weeks writing it up and submitting it to a conference. Great researchers quickly move on to something else when they know that one approach won’t be a breakthrough. 5. If an average researcher finds some success, they may try to keep doing that thing they are comfortable with for several more years, even if it becomes outdated. Great researchers pivot quickly and keep adapting to new advances and paradigms. 6. Average researchers often implement task-specific solutions, which are heavily optimized for a single task. Great researchers may also work on specific tasks, but they try to think of general approaches that can be applied to many other tasks. 7. Average researchers talk about and optimize for the number of papers or conference acceptances. I have never met a great researcher that still cares about such things. (And by the way, being an average researcher shouldn’t be taken as an insult. It takes a lot of hard work to even do research at all :))

“Building a company turned out to be a million times harder than we expected it to be. And if at that time we realized the pain & suffering, the embarrassment and the shame, the list of all the things that go wrong, I don’t think anybody would start a company. Nobody in their right mind would do it. I think that’s the super power of an entrepreneur.” - Jensen Huang, co-founder & CEO of Nvidia https://twitter.com/i/status/1715022995541066163

OmniControl: Control Any Joint at Any Time for Human Motion Generation 엔비디아의 [프롬프트 ---> 애니메이션] 생성 최신 연구 https://neu-vi.github.io/omnicontrol/

10년. 데이원컴퍼니(전 패스트캠퍼스)가 지금까지 사무실을 여러차례 옮겼었는데요. 그 때마다 변하지 않는 것이 하나 있는데 바로 사무실 wifi 비번입니다. 항상 1017이라는 숫자를 씁니다. 10월 17일에 시작했기 때문입니다. 데이원컴퍼니는 패스트트랙아시아의 지점 형태로 거의 3년 가까이 운영이 되었었습니다. 그러다가 법인이 설립된 것이라 실제 법인 설립일은 따로 있습니다만, 회사의 오래된 고인물들을 중심으로 내부에서 기념하는 기념일은 10월 17일입니다. 어제자로 그렇게 10년이 되었습니다. 처음에는 FAST CAMP라는 오프라인 창업 부트캠프로 시작을 했습니다. 지주회사는 매출이 없으니 내가 몸빵이라도 해서 돈을 벌어볼까 해서 시작했는데, 일하면서 월화목금 저녁에 3시간씩 강의하고 토일 멘토링하면서 시작했습니다. 가격이 싸진 않았는데 생각보다 사람이 많이 오길래 괜찮을 수도 있겠다. 근데 내가 강의 이렇게 계속 하다간 오래 못살겠다 싶어서, 방황하던 친한 대학교 후배 한명을 데려와서 이거 같이 해보자고 했습니다. 그게 이강민 대표입니다. 예전 메일들을 보면 '고작' 오프라인 창업교육 학원으로 시작하면서, 시작할 때부터 참 허황된 꿈과 얘기들을 많이 했습니다. 강의 1개를 한 50개, 100개로도 늘릴 수 있을까? 오프라인 말고 온라인으로도 할 수 있을까? 등등.. 그 때 얘기했던 허황된 것들이 지금 대부분 이뤄졌거나 초과달성 되는걸 보면 새삼 신기하기도 합니다. 그런데, 10년이나 하게될 줄은 사실 몰랐습니다. 400여명에 달하는 사람들과 함께 하게 될 줄도 몰랐구요. 처음에 신사동에 있는 대기빌딩 4층 사무실을 계약하면서, 혹시 모르니까 1년 계약만 하고, 모객 잘 안되면 그냥 패스트트랙아시아가 이사해서 쓰자고 했을 정도니까요. 1년 해보고 안되면 접을 생각이었으니, 대단한 신념과 목표를 처음부터 가지고 있던 것은 아닌거 같습니다. 다만, 10년간 시도했던 것들 중에 참 셀수도 없이 많은 것들이 실패했었는데, 그래도 저를 포함해서 많은 구성원들이 새롭게 해보고 싶은 것들이 계속 있었고/많았고, 몇번을 하다가 안되었는데도 다시 해보면 잘될 것 같아서 또 하고 또 하고... 그러다보니 10년이 되었습니다. 개인적으로 스타트업의 창업팀에 대해서 '용병보다 선교사'라는 비유를 참 좋아합니다. 데이원의 10년은 많은 선교사 같은 인재들로 가득찬 시간이었습니다. 처음부터 선교사 같은 사람들도 있었고, 하다하다 보니까 흘러오긴 했는데 서서히 스며들며 선교사가 된 사람들도 있습니다. 하지만 교육 분야에 경험과 경력 1도 없었던 사람들이 하나둘씩 모여들어서, 지금의 데이원이 만들어졌다는 점을 돌이켜보면, 스타트업의 성장이라는 것에 대해 많은 생각이 들게 하기도 합니다. 데이원은 교육 업계 최고의 인재와 명망 높은 경력자들이 시작한 회사가 아니지만, 이제 데이원컴퍼니 사람들은 그래도 교육 컨텐츠 분야에서는 방귀 좀 뀌는 수준으로 인정받고 있습니다. 10년을 돌이켜보면 가장 뿌듯한 지점이 바로 이 부분입니다. 사람 수명 100세랑 기업 수명 100세가 얼추 비슷한 느낌이라고 보면, 데이원은 이제 10살입니다. 초등학교 열심히 다니고 있습니다. 지금까지의 10년이 대부분은 너무 힘들고, 어제도 오늘도 안되는 것 투성이라 계속 힘들긴 합니다만, 그래도 가끔은 재밌었고, 그 가끔의 재미가 너무나도 강렬하고 중독성이 있었습니다. 그래서 그 찰나의 기억들 때문에, 어리석게도 다음 10년의 고통으로 다시 달려갑니다. 다음 10년도 어차피 대부분 실패하겠습니다만, 그래도 나름 그 중간 중간에 빅재미가 있을거라 기대합니다 🙂

드롭박스의 새로운 AI 툴이 매우 매우 흥미롭습니다. "내 여권번호는 뭐지?", "내 자동차 보험은 만기일이 언제지?", "2년전에 프로덕트 출시할 때 GTM팀에 보여준 슬라이드 덱은 어디있지?" 이런 질문 여러분도 자주 하시죠? 구글 검색은 지구상의 퍼블릭정보를 검색 가능하게 하고, ChatGPT는 그것을 정리하여 보여주고, 말해주고, 그려주고 하는데, 왜 개인정보를 찾는 경험은 10년전과 오늘과 별 다름이 없을까요? 어느 순간부터 워드파일인지, 구글독스인지, 에버노트에 넣었는지, 슬랙에서 이야기 했는지 헷갈립니다.

이번에 지라(Jira)가 $975m에 인수하는 비디오 기반 협업 툴 룸(Loom)에 대한 자세한 내용 피그마의 딜런 필드와 인스타그램의 케빈 시스트롬 & 마이크 크리거가 엔젤 투자자라는게 인상깊네 (룸과 결이 비슷한 프로덕트 빌더들이라서) https://stibee.com/api/v1.0/emails/share/akz89C0DddmNxorXYNaR06L249EAuH4

첫번째 레이어를 형성하였다면, 피그마(Figma), 룸(Loom), 닥센드(Docsend)와 같은 소프트웨어는 각각 디자인, 비디오, 문서공유와 같은 특정 버티컬에 집중하며 '안 써본 사람은 있어도 한 번만 쓰는 사람은 없는' 필수 도구로 자리매김하였습니다

love this advice from Mike Bloomberg: “Life, I've found, works the following way: Daily, you're presented with many small and surprising opportunities. Sometimes you seize one that takes you to the top. Most, though, if valuable at all, take you only a little way. To succeed, you must string together many small incremental advances-rather than count on hitting the lottery jackpot once. Trusting to great luck is a strategy not likely to work for most people. As a practical matter constantly -enhance your skills -put in as many hours as possible and -make tactical plans for the next few steps. Then, based on what actually occurs, look one more move ahead and adjust the plan. Take lots of chances, and make lots of individual, spur-of-the-moment decisions. Don't devise a Five-Year Plan or a Great Leap Forward. Central planning didn't work for Stalin or Mao, and it won't work for an entrepreneur either.”

스노우 팀 글로벌 성과 https://www.joongang.co.kr/article/25198834?fbclid=IwAR1iRkrZsjvzuHkoDY92JzCSfK1XKMiM-V7goKpntX_Hc6dIb90VBr1mP-A - 렌사(5일 110억) -> 레미니->스노우 (7개월 270억) - GPU비용은 더 썼을 것 같네요 ㅎㅎ - 스노우: 잘파세대가 온·오프라인에서 공유하는 콘텐트를 면밀히 분석했다“고 설명했다. 인스타그램·틱톡 등 SNS에 ‘올리고 싶어 할 만한’ 사진을 만드는 데 초점 ‘AI 아바타’를 SNS에 공유하는 모습을 관찰하니, 특정 콘셉트(가수·우주인 등)를 강조한 이미지보단 단색 배경의 깔끔한 이미지를 골라 게시 태국·인도네시아 등 아시아권에서 “한국식 메이크업을 한 내 얼굴을 확인할 수 있다“는 입소문이 퍼졌다. 해외에 정식 출시되기 전부터 VPN으로 한국 앱에 우회 접속을 시도한 트래픽이 몰렸다고. 일종의 ‘K뷰티 간접체험’을 이용자들에게 제공한 것. 반면에 같은 서비스에도 서구권 이용자들로부턴 부정적인 반응이 나왔다. 피부색이 너무 밝다거나, 평소 화장법과 차이가 커서 거부감이 든다는 것. 이 같은 피드백을 감안해 이어북을 내놓자 서구권 이용자 수가 빠르게 늘어나며 글로벌 1위까지 치고 올라갔다. 지금은 과거 스마트폰 나오고 나서 필터앱이 인기있을 때와 비슷한 것 같아요. 이런 필터앱은 일회성으로 돈 벌수 있는데 지속가능한 비즈니스가 되려면 소셜이 붙어야할 것 같습니다. 일상에서 즐길만한 무언가로 발전하는 거로요! 아래 Talkie 팀이 그런 플랫폼을 지향한다고 생각해요 ㅎㅎ. Talkie (https://apps.apple.com/ca/app/talkie-soulful-ai-ai-friend/id6450140383) - Character.ai 대비 음성/이미지를 제공해서 유저의 리텐션을 높인거라고 생각합니다. 확실히 사람은 보는것과 듣는 것에 더 크게 반응하는 것 같습니다. Character.ai 3D 게임(여자친구 게임) 버전 https://www.youtube.com/watch?v=OvkcppP7vZU - 음성, 3d 영상을 추가하다보니 대화의 engagement가 확실히 많이 높아지는 것 같네요. 로봇에 LLM을 적용한다면? https://youtu.be/_lcqLeC_k6g?si=LZm322ISmyS61BZe 한국 팀인데 프롬프트로 로블록스 액션을 만들 수 있는데 출시하자마자 반응이 좋다고 하네요. https://neuroid.so/ - 사람의 텍스트로 3D 액션을 만들어주는 건데, 이런 연구들도 많아지고 있고 텍스트 to something의 영역이 더 넓어질 것 같네요.

MS가 스타트업들에게 OpenAI 크레딧을 ($150K)까지 무료로 제공하고 있는데요. 국경 상관없이 제공하고 있어서 한국 스타트업들도 사용할 수 있다고 합니다. 관심있는 분들은 신청해서 사용해보셔요!