책] 찰리 멍거 바이블

애덤 그랜트 교수의 책은 오리지널스가 정말 재미있었습니다. 제 생각에 전환을 일으킨 책이었죠. 그 이후로도 몇 권 더 읽었는데 좀 뜸하다가 최근에 '히든 포텐셜'을 읽었습니다. 불편함에 익숙해져라 무언가를 배울 때는 불편해야 많이 배운다고 합니다. 언어를 배울 때는 적극적으로 말해야 한다고 합니다. 물론, 틀릴까봐 겁이 나는데요. 오히려 애덤 그랜트 교수는 그게 핵심이라고 합니다. 실수를 해야 더 배운다는 거죠. 추가로, 쓰기도 좋다고 합니다. 논리를 전개하면서 말로 할 때나 생각으로 할 때와 간극이 있다는 걸 알고 더 비판적으로 사고하게 된다고 합니다. (누군가의 말과 비슷하죠?) 스펀지가 되어라 새로운 ...

아래 글을 보고 빠르게 읽은 돈의 대폭발 요약문을 남겨봅니다. https://www.valley.town/wsaj-premium/neurons-insight/69313b7fe8eb55cbfd70d7c7 한줄 요약: 돈의 대폭발 시기(정부의 완화적 통화정책 + 대기업 임금 상승)이니 자산을 매입하는 게 좋을 거 같다 부동산 가격 상승에 관심이 많으신 분이라면 읽어보시면 좋을 거 같습니다~ 전세 대출 확대 > 세입자가 전세대출을 받아오면 더 높은 전세금을 받을 수 있다는 걸 집주인이 알게 되고 > 전세금을 확 올려받아 다른 집 한 채 더 매입 가능 > 세입자 입장에선 전세대출 이자 내느니 차라리 내 집 사자 > 결과적 집값 상승 한국 대기업들은 경쟁력을 올리면서 막대한 이익 창출 > 높은 상속세와 법인세는 기업 오너들로 하여금 배당 유도하는 환경 마련 > 배당금만 받아가면 구성원들의 반발 + 사회적 지탄 > 법인세도 줄일겸 정규직의 급여 상승 > 삼성전자 평균 연봉 추이를 보면 2000년 3700만 > 2010년 8700만원 > 2020년 1억 3천만원으로 급 상승 여기에서 직장내괴롭힘 방지법으로 인해 서울 자가사는 김부장과 같이 보복성 좌천이 어려워진 점도 지적하는 데 흥미롭습니다. 위와 같은 상황으로 대기업 직장인들이 ...

전혀 상반되는 책 두개에 대한 독후감을 작성해봅니다. 젠슨황 생각하는 기계 오늘 FT 25년 올해 비즈니스 책에 이 책이 선정됐더군요. 그 정도 책인가 하는 생각도 들지만 엔비디아의 성장과 젠슨황에 대해 알기에는 좋은 책이라 생각합니다. 우선, 엔비디아는 게임산업이 태동하는 시기에 그래픽 문제를 풀기위한 그래픽 카드 회사로 시작했습니다. 그래픽 카드는 이제는 많은 분들이 아시다시피 병렬 계산에 특화돼있죠 일군의 학자들이 이 가능성을 알아보고 그래픽 카드를 학문용으로 사용하고 이게 젠슨황에 귀에 들어가 CUDA의 개발이 시작됩니다. (CUDA는 그래픽 카드를 병렬계산에 잘 활용할 수 있게 만들어주는 소프트웨어죠. 맞나요? 저는 그렇게 이해하고 있습니다) 그런데, CUDA가 개발되고 엔비디아가 더 성장했냐 하면 당연히 아니고 오히려 기업 사냥꾼들이 CUDA때문에 이익율 안 나오니 공격적 인수하겠다고 덤벼댔죠 젠슨황이 투자자들 설득하고 잘 넘어갑니다. 그러다가 제프리 힌튼 교수의 AI 연구가 히트를 치고 AI ...

글을 쓴지 참 오래됐네요. 오랜만에 쓰는 글은 서울 자가에 대기업 다니는 김부장 감상문입니다. 저는 마지막 화를 보면서 많은 생각을 했습니다. 마지막 화에 대한 이야기입니다. (스포가 있습니다) 우리는 참 많은 걸 갖고 놓치지 않으려고 합니다. 돈 뿐만 아니라 자존심, 다른 사람들은 모르는 나만의 집착. 오만함. 김부장은 마지막화에 많은 걸 내려놓습니다. 근데 저는 여기에서 내려놓음 그 자체 보다는 김부장이 정말 많은 좌충우돌과 좌절 이후에 내려놓는 것에 대해 많은 생각을 합니다. 우선 가장 먼저 김부장의 좌충우돌을 보며 이런 생각이 들 수 있습니다. '으이구 저 바보 같은 사람. 나라면 저러지 않았을 거야' 정말 그렇다면 다행입니다....

이선 몰릭 교수님은 와튼 스쿨의 교수로서 AI를 활용한 혁신에 대한 연구를 수행하고 계신 분입니다. 이런 책이 참 시기가 중요하고 24년도에 나온 책이지만 지금 읽어도 AI 활용에 많은 시사점을 주고 있는 거 같습니다. LLM 모델은 토큰 예측 모델에 불과하지만, 이로 인해 창의성을 발휘합니다. (확률적 예측이기 때문에 의외의 답을 낼 수 있는 것이죠) 문제는 LLM 모델이 어떻게 돌아가는 것인지 누구도 모른다는 것입니다. (모든 것을 모른다기 보다는 많은 부분을) AI 활용 원칙 작업할 때 항상 AI를 초대한다: AI가 잘하는 업무가 있고 (더 정확하게는 LLM이) 못하는 업무가 있습니다. 이를 구분하는 가장 좋은 원칙은 모두 시도해보는 것입니다. 앞서 말했듯 작동 원리를 알 수 어렵기 때문이죠. 인간이 주요 과정에 개입해야 한다: AI는 예측 모델이기 때문에 그럴듯한 문장을 작성합니다. 이 과정에서 창의적인 답변이 나오지만 동전의 양면처럼 거짓말도 나오고 이게 환각 증상이죠. 그래서 꼭 주요 과정에 개입하여 결과물을 확인해야 합니다. AI를 사람처럼 대하고, 어떤 유형의 사람인지 AI에게 알려준다: 여기서도 예측 모델의 특성이 나오는데요. 가장 확률적으로 높은 답변을 주기 때문에 AI가 어떤 유형의 사람인지에 따라서 답변의 결과가 다르게 ...