읽을 가치가 있는 기사만, 짧고 또렷하게.

실시간으로 시뮬레이션에서 학습된 정책을 물리적 객체로 전이하는 로봇 조작을 위해서는 기하학적으로 정확하고 기능적인 관절형 3D 에셋이 필수적입니다. 기존의 메시 기반 방법들은 주석이 달린 3D 에셋에서 관절을 추론하지만, 학습 분포를 벗어난 실제 객체나 불완전하거나 손상된 메시의 경우 배포에 어려움을 겪습니다.

이러한 한계를 극복하기 위해 연구진은 부분적인 기하학적 증거에 기반한 프로그램적 모델링으로 관절형 에셋 재구성을 공식화하고 USDCraft라는 프레임워크를 제안합니다. 이 프레임워크는 사전 학습된 대규모 언어 모델(LLM)이 특정 작업별 훈련 없이 시뮬레이션 준비가 된 관절형 에셋을 위한 실행 가능한 프로그램을 작성하고 수정하도록 합니다.

USDCraft는 소스 기하학적 분석과 반복적인 기하학적 재확인이라는 두 가지 핵심 기술을 사용합니다. 소스 기하학적 분석은 소스 메시를 관찰된 표면과 알려지지 않은 공간을 구별하는 측정 텍스트 설명으로 변환하며, 반복적인 기하학적 재확인은 불일치가 프로그램 편집을 가리키도록 각 후보를 동일한 표현으로 재인코딩합니다.

이러한 과정을 통해 시각적 피드백과 물리적 작성 지침이 모델링 과정을 완성하여 수동 조정 없이 Isaac Sim에서 로드될 수 있는 명시적인 물리적 속성을 가진 관절형 USD 에셋을 생성합니다. 실험 결과는 두 가지 벤치마크에서 뛰어난 관절 복구를 입증하며 USDCraft가 실제-시뮬레이션-실제 로봇 조작에 효과적임을 검증합니다.

대규모 언어 모델(LLM) 추론 과정에서 디코딩 단계는 메모리 제약으로 인해 상당한 지연 시간을 발생시킵니다. 기존의 헤시안(Hessian) 기반 네트워크 가지치기 접근 방식은 디코딩 시 모델이 생성하는 자기 생성 토큰을 사용하는데, 이는 사전 수집된 자연 시퀀스를 사용하여 헤시안을 계산하는 방식과 분포 차이를 발생시킵니다. 이로 인해 생성 중 활성화 분포가 가지치기에 사용된 분포와 달라져 가지치기된 모델의 성능이 저하되는 문제가 발생합니다.

기존의 대부분의 LLM 가지치기 방법들은 희소 행렬-행렬(SpMM) 곱셈에 주로 초점을 맞추어 실제 속도 향상을 제공하지만, 디코딩에서 지배적인 희소 행렬-벡터(SpMV) 연산에 대한 지원이 제한적입니다. 이 문제를 해결하기 위해 SparseDecoding이라는 디코딩 인식 가지치기 프레임워크가 제안되었습니다. 이 방법은 가지치기 목표를 디코딩 활성화에 맞추기 위해 알고리즘 측면에서 밀집 모델의 자기회귀 생성 중 수집된 레이어별 활성화를 기반으로 보정 행렬을 구성합니다.

시스템 측면에서는 비트마스크 인덱싱과 고정 단계 순회를 이용한 최적화된 N:M 희소 행렬-벡터 커널을 개발했습니다. 이 방법은 Llama-3.1-8B, Llama-3.3-70B, Qwen3-14B/32B와 같은 대표적인 LLM에서 표준 고정 텍스트 보정보다 장문 생성 벤치마크에서 일관되게 우수한 성능을 보였습니다. 또한 A100 GPU에서 종단 간 벽시계 디코딩 속도를 최대 1.48배 향상시키는 결과를 달성했습니다.

밀집 검색(Dense retrievers)은 텍스트 및 이미지 코퍼스에서 상당한 발전을 이루었으나, 텍스트, 이미지, 융합된 텍스트-이미지 문서가 혼합된 혼합 모달리티(mixed corpora)에 대해 이러한 성능이 신뢰성 있게 확장되는지는 불분명합니다. 연구진은 다양한 아키텍처에 걸쳐 검색기들을 체계적으로 검토한 결과, 성능이 모달리티 구성에 매우 민감하다는 것을 발견했습니다.

이미지 문서가 의미적으로 대응하는 텍스트 표현으로 점진적으로 대체될 때 검색 성능은 뚜렷한 V자 곡선을 보이며, 단일 모달리티 코퍼스에서는 강력하지만 모달리티가 공존할 때는 성능이 크게 저하됩니다. 특히, 관련 없는 텍스트가 관련 없는 이미지보다 더 심각한 성능 저하를 유발하는 현상을 'Chaos in the Text'라고 명명했습니다. 이는 텍스트 표현이 체계적으로 더 높은 유사도 점수를 받아 관련 없는 텍스트가 관련 있는 이미지보다 우선순위를 차지할 수 있는 모달리티 선호 현상에서 비롯됩니다.

이러한 편향을 완화하기 위해 연구진은 Trident라는 방법을 제안했습니다. Trident는 각 문서에 대해 텍스트, 이미지, 융합된 텍스트-이미지 시각을 동등한 양의 긍정(positives)으로 구성하고 Multi-Positive View InfoNCE를 통해 관련성 구별과 긍정 시각 균형을 공동으로 최적화합니다. 시각 문서 및 자연 이미지 벤치마크 전반의 실험 결과, Trident는 CLIP 기반 및 VLM 기반 아키텍처 모두에서 혼합 모달리티 검색을 개선하고, 모달리티 구성 및 텍스트 방해 요소에 대한 민감도를 줄이며, 평균 단일 모달리티 검색 성능을 높였습니다.

일반 목적의 서비스 로봇은 낯선 환경에서 다양한 인간의 요청을 처리할 수 있는 내비게이션 시스템이 필요합니다. 기존 방법들은 멀티모달 대규모 언어 모델(MLLM)을 미세 조정하여 내비게이션 행동을 예측하는데, 이는 훈련 데이터의 범위에 따라 행동이 제한되어 새로운 요청이나 환경에 대한 일반화 능력이 부족하다는 한계가 있습니다.

이러한 문제를 해결하기 위해 연구진은 MLLM이 요청 해석, 장면 이해, 의사 결정에 집중하도록 하고, 실제 동작 실행은 내비게이션 도구에 위임하는 핵심 아이디어를 제시했습니다. 이를 실현하기 위해 내비게이션에 특화된 미세 조정 없이 사전 훈련된 MLLM에 특수 에이전트 하네스를 장착한 SuperNav를 소개합니다. 이 하네스는 내비게이션 기술, 물리적 상호작용을 위한 에이전트 도구, 그리고 작업 진행 및 맥락 관리를 지원합니다.

SuperNav는 의사 결정과 움직임을 연결하는 통합된 시각 지점 인터페이스를 통해 모델이 이미지에서 직접 목적지를 지정하고 실행 피드백으로부터 결정을 수정할 수 있게 합니다. 이러한 구성 요소들은 다양한 작업 요구 사항과 환경 전반에 걸쳐 지속적인 내비게이션을 지원합니다.

실제로 SuperNav는 인스턴스 수준, 다중 객체, 수요 기반 작업에서 네 가지 평가 기준을 모두 능가하는 성능을 보였습니다. 또한 HM3D에 대한 범주 수준 평가와 실제 사족 보행 로봇에 대한 배포는 SuperNav의 환경 적용 가능성을 입증합니다.

AI 연구자, 예측가, 그리고 대중의 의견을 조사한 결과, 인공지능이 인류 멸종이나 영구적인 권력 상실을 초래할 가능성에 대한 전문가들의 견해는 2012년부터 2026년까지 변화를 보였습니다. 2024년 12월에 AI Impacts가 1,580명의 연구자를 대상으로 실시한 설문조사에 따르면, 미래의 AI 발전이 인류 멸종이나 유사한 영구적인 권력 상실을 초래할 확률은 중앙값 10%로 나타났으며, 이는 2016년의 5%보다 증가한 수치입니다.

인류 수준의 AI가 장기적으로 '극도로 나쁜 결과(예: 인류 멸종)'를 초래할 확률에 대해서는 2016년 이후 변동 없이 중앙값 5%로 유지되었습니다. 또한, 2026년 중반 예측가들은 2100년까지 인류 10% 이상을 사망하게 할 AI로 인한 재앙 발생 확률을 2.4%로 예측했습니다. 이러한 통계는 AI 안전에 대한 논의가 어떻게 진화해 왔는지 보여주며, 전문가들은 위험을 측정하는 방식에 따라 다양한 수치를 제시하고 있습니다.

한편, 대중의 우려는 전문가들보다 더 높게 나타났는데, 2026년 9월에는 미국 성인 중 50%가 AI가 인류 종말을 초래할까 봐 우려한다고 응답했습니다. 이러한 불안감 속에서 Anthropic과 OpenAI 같은 주요 기업들은 안전을 위해 연구를 일시 중단하거나 모델 출시를 보류하는 조치를 취했으며, 동시에 더 강력한 모델을 계속해서 공개하고 자체 안전 규칙을 완화하는 상반된 움직임을 보였습니다.

PSP 게임을 웹 브라우저에서 실행하기 위해 MIPS 기계어를 WebAssembly로 재컴파일하는 기술인 PSP Web Recomp가 개발되었습니다. 이 기술은 PSP 운영체제와 그래픽 칩이 필요로 하는 핵심 기능을 재구현하고 WebGL2를 사용하여 화면을 렌더링하는 것을 목표로 합니다.

이 프로젝트의 첫 적용작으로는 PSP 게임인 <God of War: Chains of Olympus>가 선정되었습니다. 이 게임은 부팅 과정부터 메뉴, 컷신 등 기본적인 요소들을 웹 환경에서 구동할 수 있도록 구현되었습니다.

PSP Web Recomp는 레거시 콘솔 게임의 복잡한 아키텍처를 웹 환경에서 실행하기 위한 성공적인 사례를 제시합니다. 이는 게임 에뮬레이션과 하드웨어 기능 재구현에 대한 새로운 접근 방식을 보여주며, WebAssembly를 활용한 크로스 플랫폼 게임 개발에 중요한 참고 자료가 될 수 있습니다.

15미터 지하 터널이 설치된 주택이 3천만 엔에 매물로 나왔다는 소식이 부동산 시장에 나왔습니다. 이 주택은 지하 터널이라는 특수한 구조를 가지고 있어 일반적인 주택과는 다른 개발 및 건축적 고려 사항을 요구합니다.

이러한 주택이 3천만 엔이라는 가격으로 시장에 나온 것은 지하 터널의 존재가 매수자에게 특정 가치나 개발 잠재력을 제공하기 때문으로 해석됩니다. 개발자나 투자자 입장에서는 지하 공간의 활용 가능성, 터널 구조의 안정성, 그리고 해당 구조가 건축 비용과 설계에 미치는 영향을 면밀히 검토해야 합니다.

따라서 해당 매물을 분석할 때는 단순히 가격뿐만 아니라 지하 터널의 실제 사용 목적과 구조적 제약 사항, 그리고 토지 이용 계획과의 연관성을 종합적으로 고려해야 합니다. 이는 지하 공간을 활용한 새로운 개발 프로젝트를 구상하는 데 중요한 참고 자료가 될 수 있습니다.

로봇 데이터 스타트업인 메카 AI가 세쿼이아로부터 6천만 달러의 시리즈 B 투자를 유치하며 주목받고 있습니다. 메카 AI는 인간의 움직임 데이터를 수집하고 분석하여 휴머노이드 로봇 및 기타 로봇을 훈련시키는 데 중점을 두고 있습니다. 이 회사는 사람들이 일상적인 작업을 수행하는 모습을 센서와 스마트폰을 통해 기록하도록 하여 데이터를 수집하고 보상하는 방식으로 운영됩니다.

메카 AI는 대규모 언어 모델(LLM)을 훈련시키는 데 사용되는 데이터 레이블링 회사들처럼 로봇 학습에 필요한 인간 생성 데이터를 제공하는 것을 목표로 합니다. 이들은 커피 만들기나 자동차 수리 같은 일상적인 작업을 수행하는 데이터를 수집하여 로봇이 현실 세계를 이해하고 학습할 수 있도록 합니다.

이번 투자에는 엔비디아와 마이크로소프트의 벤처펀드 M12 등이 참여했으며, 이는 로봇 학습 데이터 시장의 성장에 대한 강력한 신뢰를 반영합니다. 다른 스타트업들도 로봇 학습을 위해 실제 데이터를 수집하고 있으며, 스케일 AI나 마이크로1과 같은 인간 데이터 플랫폼들이 로보틱스로 영역을 확장하고 있습니다.

NASA 아폴로 프로그램의 소프트웨어 개발을 이끈 마거릿 해밀턴이 9월 30일 90세로 별세했습니다. 그녀는 MIT의 소프트웨어 엔지니어링 팀을 이끌며 달 착륙이라는 역사적인 임무를 위한 핵심 소프트웨어 시스템을 구축하는 데 결정적인 역할을 했습니다.

해밀턴이 이끈 팀은 아폴로 임무 중 발생한 기술적 위기를 극복하는 데 중요한 소프트웨어 솔루션을 개발했습니다. 특히 아폴로 11호 달 착륙 직전에 컴퓨터에 과부하가 발생했음에도 불구하고, 팀이 설계한 우선순위 기반 소프트웨어는 임무에 필수적인 작업을 정확하게 우선 처리하여 임무 성공을 보장했습니다.

이러한 사례는 복잡하고 고위험 환경에서 소프트웨어 설계가 어떻게 실제 임무 성공에 직접적인 영향을 미치는지 보여줍니다. 개발자들에게 이는 시스템의 안정성과 우선순위 결정이 최종 결과에 얼마나 중요한지를 시사하는 중요한 역사적 맥락을 제공합니다.

최근 Gooo라는 새로운 언어를 개발하는 작업이 진행되고 있습니다. 이 개발 방식은 작은 모델을 사용하여 코드를 조립하고, 사용 과정에서 불편함이 발생하면 언어 자체를 수정해 나가는 방식으로 이루어지고 있습니다.

개발자가 추구하는 목표는 코드가 완전히 완성되지 않은 상태에서도 현재까지 어디까지 진행되었는지 파악하고 다음 단계로 이어가는 것입니다. 예를 들어, 열 개 중 여섯 개의 코드가 맞다면 나머지 네 개의 코드가 무엇인지 남아 있는지 확인하는 접근법을 시도하고 있습니다.

이는 코드가 불완전한 상태에서도 진행 상황을 명확히 인지하고 점진적으로 발전시키는 개발 패러다임을 제시합니다. Gooo 프로젝트는 코드 조립과 반복적인 수정 과정을 통해 불확실성을 관리하고 언어 개발을 진행하는 방법을 탐구하고 있습니다.

벤처 캐피털이 샌프란시스코로 몰리는 상황에서 엔데버 캐털리스트가 해외 창업자들을 지원하기 위해 3억 2천만 달러를 유치했습니다. 이 자금은 실리콘밸리 외 지역의 창업자들에게 기회를 제공하며, 수익의 절반은 엔데버라는 비영리 단체로 환원됩니다.

엔데버 캐털리스트는 뉴욕에 기반을 둔 글로벌 비영리 단체인 엔데버의 벤처 부문으로, 주요 기술 허브 외 지역의 창업자들을 30년간 지원해 왔습니다. 이 펀드는 10,000명 이상의 기술 리더들에게 혁신을 선보이는 디스럽트(Disrupt)와 같은 활동을 통해 창업자들에게 네트워크와 멘토링 기회를 제공합니다.

이 펀드는 총 437개 회사를 44개 시장에서 지원했으며, 현재 그 가치가 10억 달러 이상인 스타트업 83곳을 보유하고 있습니다. 포트폴리오에는 AI 음성 도구 제작사인 일레븐랩스(ElevenLabs), 시장 가치 260억 달러의 이탈리아 기업 벤딩 스푼스(Bending Spoons), 그리고 리플트(Replit) 등이 포함되어 있습니다.

엔데버 캐털리스트는 투자금 규모에 관계없이 창업자들에게 기회를 제공하며, 투자자들은 보통 라운드 규모의 10%를 투자합니다. 이들은 향후 몇 년 동안 연간 40~50개의 투자를 목표로 하며, 유럽 지역에 특히 집중하여 투자하고 있습니다.

Wikipedia를 기반으로 구축된 ‘A Walkable History of Art’라는 3D 미술사 박물관 프로젝트가 소개되었습니다. 이 서비스는 사용자가 작가의 작품을 3D 갤러리 안에서 실제로 걸어 다니며 관람할 수 있도록 구현한 것이 특징입니다.

사용자는 타임라인에서 원하는 시대를 선택하고 특정 작가를 고른 다음, “Enter the Gallery” 버튼을 눌러 전시장에 입장하는 방식으로 작품을 탐색하게 됩니다. 이는 방대한 미술사 정보를 Wikipedia에서 가져와 인터랙티브한 3D 환경으로 재구성하여 제공하는 방식입니다.

이 프로젝트는 단순한 정보 제공을 넘어, 방대한 데이터를 공간적이고 체험적인 방식으로 재구성하는 기술적 접근을 보여줍니다. 개발자 관점에서 볼 때, 대규모 지식 기반을 3차원 공간 내에서 효과적으로 탐색할 수 있는 사용자 경험 설계에 대한 흥미로운 사례가 될 수 있습니다.

Docker Agent는 YAML을 사용하여 AI 에이전트를 정의하고 실행하는 Docker CLI 플러그인입니다. 이 도구를 사용하면 별도의 코드 작성 없이도 도구를 활용하는 에이전트를 만들 수 있습니다.

이 에이전트 시스템은 멀티 에이전트 아키텍처를 통해 전문화된 에이전트 팀을 구성하고 작업을 자동으로 위임하는 방식으로 작동합니다. 이를 통해 복잡한 문제들을 에이전트 간의 협업을 통해 해결할 수 있게 됩니다.

이는 개발자들이 복잡한 AI 기반 작업을 자동화하고 에이전트 간의 협업을 통해 시스템을 구축하는 데 필요한 기반을 제공합니다. Docker Agent는 AI 에이전트의 정의와 실행을 Docker 환경 내에서 간소화하여 개발 효율성을 높이는 데 중점을 둡니다.

OpenAI가 수학 난제 372건에 대한 성과를 공개했으며, 여기에는 Unique Games Conjecture(UGC)의 증명도 포함되었습니다. 이 성과는 인공지능이 복잡한 수학적 증명 과정을 수행할 수 있음을 보여주며, 수학 분야에서 AI의 역할과 한계에 대한 논의를 촉발하고 있습니다.

공개된 증명 중 일부는 Lean 인증서를 통해 형식적으로 검증되었으나, 아직 모든 난제에 대해 이러한 인증이 완료된 것은 아닙니다. 이는 형식적 증명과 인간이 그 증명을 이해하는 능력 사이의 간극이 여전히 크다는 것을 시사합니다.

따라서 앞으로의 핵심 과제는 AI가 생성한 형식적 증명을 인간이 실제로 이해하고 해석하는 과정에 초점을 맞추게 될 것입니다. 이는 수학적 발견과 증명의 자동화가 이루어지는 시대에, 기계가 제시한 논리를 인간의 직관으로 연결하는 새로운 방법론을 모색해야 함을 의미합니다.

연구 기관은 앤트로픽(Anthropic)의 기업공개(IPO)를 "2026년 가장 터무니없는 IPO"로 평가하며 투자자들의 어리석음을 시험하는 전례 없는 위험이 될 것이라고 분석했습니다. 이들은 앤트로픽이 나스닥에 상장하기 위해 2조 달러의 가치를 추구하고 있지만, 회사의 운영 손실 증가와 오픈소스 모델의 경쟁 심화로 인해 앤트로픽에게는 "실현 가능한 사업"이 없다고 지적했습니다.

이러한 분석은 앤트로픽이 엔비디아의 지난 4분기 순이익 두 배를 기록해야만 목표 가치에 도달할 수 있다는 점을 들어, 현재의 재무 상황이 매우 심각함을 시사합니다. 2025년 앤트로픽의 매출은 46억 달러였으나 420억 달러의 순손실을 기록했으며, 이는 오픈소스 모델과의 경쟁 속에서 수익 창출에 어려움을 겪고 있음을 보여줍니다.

연구 기관은 앤트로픽의 IPO가 공적 시장 투자자들을 위한 부의 제공보다는 주주들의 유동성 확보에 중점을 두고 있으며, 이는 훨씬 더 큰 위험을 내포한다고 주장했습니다. 또한, 인공지능이 인류에게 "재앙적이거나 실존적인 위험"을 초래할 수 있다는 앤트로픽의 주장이 투자자들이 IPO를 피해야 할 또 다른 이유가 된다고 덧붙였습니다.

이러한 위험 때문에 연구 기관은 앤트로픽의 IPO를 2019년의 위워크 IPO와 비교하며, 앤트로픽이 미국 자본 시장에 훨씬 더 큰 손해를 입힐 수 있다고 경고했습니다. 다만, 앤트로픽은 아직 공식적인 투자설명서(prospectus)를 공개하지 않았기 때문에 이러한 분석은 공개된 재무 정보와 유출된 자료를 기반으로 한 것입니다.

독일 영화 《베이비스타(Babystar)》는 인스타그램 인플루언서 가족을 다루며 자녀가 상품화된 콘텐츠로 취급되는 상황을 풍자합니다. 이 글은 이러한 가상의 상황을 통해 온라인 안전 법안을 추진하는 과정에서 부모들이 어떤 태도를 취했는지 비판적으로 조명합니다.

특히 DCMS(문화·미디어·스포츠부)가 온라인 안전법안을 지지하기 위해 모집했던 부모들은 일반적인 부모가 아니라 자녀를 콘텐츠로 기획하고 마케팅하는 데 집중한 인플루언서 부모들이었습니다. 이들은 자녀의 온라인 안전보다는 브랜딩과 수익 창출에 더 큰 관심을 보였으며, 자녀의 신체적 변화나 성장에 대한 동의 없이 이를 콘텐츠로 활용했습니다.

이러한 사례는 온라인 안전에 대한 조언을 빅테크 기업이나 소셜 미디어에서 얻을 때 주의해야 함을 시사합니다. 부모들이 자녀의 안전보다 마케팅을 우선시했을 때 발생하는 윤리적 문제를 인식하고, 데이터와 콘텐츠가 어떻게 상업화되는지에 대한 근본적인 질문을 던져야 합니다.

결론적으로, 온라인 안전에 대한 논의는 단순히 기술적 측면을 넘어, 개인의 자율성과 데이터의 소유권, 그리고 상업적 압력 사이의 관계를 이해하는 데 초점을 맞춰야 합니다.

BMW는 중국의 전기차 시장 점유율 확대 속에서도 뛰어난 주행 품질과 가격 경쟁력을 갖춘 전기차를 지속적으로 출시하고 있습니다. 가장 최근 모델은 iX3를 더욱 스포티하게 변형한 쿠페형 SUV인 iX4입니다.

iX4는 BMW의 차세대 뉴클라세 플랫폼에 출시된 세 번째 차량으로, iX3와 i3 모델에 이어 포지셔닝되었습니다. 이 모델은 iX4 50 xDrive가 2027년 3월에 출시될 예정이며, 연말에는 더욱 고성능인 M60 xDrive 버전이 추가될 계획입니다.

이러한 신차 라인업은 BMW가 현재의 전기차 시장 경쟁 상황 속에서 자신들의 입지를 방어하고 경쟁 우위를 확보하기 위한 전략적 움직임으로 해석됩니다. BMW는 이 새로운 모델들을 통해 시장의 변화에 대응하며 기술적 우위를 유지하려는 의도를 보이고 있습니다.

AI 개발자가 오픈 소스 클론을 통해 어도비 소프트웨어에 도전하고 있습니다. 한 개발자는 AI 기반 리버스 엔지니어링을 사용하여 어도비 소프트웨어의 외관, 느낌, 기능을 모방하는 것을 목표로 하고 있습니다.

Artcraft라는 프로젝트는 처음에는 AI를 활용한 예술가용 '제어 가능한 AI'로 시작했지만, 최근 어도비의 포토샵, 일러스트레이터, 프리미어, 라이트룸 등 일곱 가지 오픈 소스 앱을 재현하는 사용자 인터페이스와 도구 모음으로 방향을 전환했습니다.

이러한 오픈 소스 앱을 개발한 소프트웨어 개발자 브랜든 토마스는 앤트로픽의 Claude Opus 5.5를 사용하여 러스트(Rust) 언어로 어도비의 폐쇄형 소프트웨어에 대한 "클린룸 대체재"를 만들었다고 밝혔습니다. 이들은 웹어셈블리(WebAssembly) 버전을 통해 브라우저에서 사용할 수 있도록 구현했습니다.

일부 커뮤니티에서는 이러한 새로운 소프트웨어의 현재 부족한 점들을 지적하고 있지만, 토마스는 현재의 "초기 알파" 상태가 곧 어도비가 출시한 어떤 소프트웨어만큼 기능적인 결과로 이어질 것이라고 약속하고 있습니다.

머리가 무거워 생각이 많을 때 사용하기 위해 개발된 iPhone 및 iPad 메모 앱에 대한 소식입니다. 이 앱은 현재 마음에 걸리는 것을 제목 한 줄로 쓰고 떠오르는 내용을 4~6줄로 1분 안에 작성하도록 설계되었습니다.

이 메모 앱은 아카바 유지의 『0초 사고』에 등장하는 A4 메모법을 휴대폰 환경에 맞게 옮겨온 것입니다. 사용자는 하루에 최대 10장까지 메모를 작성할 수 있으며, 앱은 작성된 메모를 3개월 또는 6개월 후에 다시 꺼내 볼 수 있도록 관리해 줍니다.

이러한 구조는 사용자가 생각을 빠르게 기록하고 정리하는 데 초점을 맞추어 인지 부하를 줄이는 데 도움을 줍니다. 이는 단순한 메모 기능을 넘어, 특정 사고방식과 기록 습관을 디지털 환경에서 구현하려는 시도로 볼 수 있습니다.

메타와 마이크로소프트가 직원들의 내부 AI 사용을 줄이고 자체 AI 도구로 전환하는 움직임을 보이고 있습니다. 이는 증가하는 내부 AI 비용을 통제하고 자사 제품을 활용하여 효율성을 높이려는 전략적인 변화입니다.

특히 마이크로소프트는 사내 Anthropic 지출을 대폭 축소했습니다. 마이크로소프트는 연간 10억 달러 이상으로 예상되었던 사내 Anthropic 지출을 3분의 1 이상 줄이는 조치를 취했습니다. 이러한 움직임은 외부 모델 의존도를 낮추고 자체 AI 생태계를 강화하려는 기업의 노력을 반영합니다.

이러한 변화는 개발자들이 AI 도구를 사용할 때 비용 통제와 플랫폼 통합이라는 관점에서 중요한 맥락을 제공합니다. 기업들이 자체 AI 솔루션에 집중함으로써 기술 스택의 통제권을 확보하고 비용 효율성을 개선하려는 추세가 두드러집니다.