읽을 가치가 있는 기사만, 짧고 또렷하게.

플리퍼(Flipper)의 비즈니스 바(Busy Bar)는 생산성 도구로서의 역할을 하며, 사용자가 방해받지 않고 작업에 집중할 수 있도록 돕는 물리적인 집중 도구로 평가받고 있습니다. 이 장치는 책상이나 모니터에 부착하여 빨간색 BUSY 표시를 띄우는 방식으로 작동하며, 생산성 타이머와 방해 금지 신호 역할을 동시에 수행합니다.

이 제품은 플리퍼 디바이스(Flipper Devices)에서 제작되었으며, 태그나 스마트 홈 기기와의 연동을 위해 블루투스를 사용하고 있으며 Matter 인증을 받아 스마트 조명이나 음악 제어 등 스마트 홈 장치와 연동할 수 있습니다. 사용자는 물리적인 스위치를 통해 설정을 변경하고 타이머를 조절할 수 있으며, 이는 소프트웨어만으로는 해결하기 어려운 집중의 필요성을 충족시킨다는 점을 강조합니다.

비록 스마트 홈 연동 기능을 사용하려면 구글 네스트 허브와 같은 Matter 지원 장치가 필요하고 설정 과정이 다소 복잡하지만, 이 장치는 사용자가 업무 중임을 알리는 목적에 부합하며 사용자들은 전반적으로 8점 만점에 8점의 평점을 부여했습니다. 현재는 포모도로 기법을 기본으로 하는 타이머 시스템을 제공하며, 향후 더 많은 앱 라이브러리와 운영체제 수정 기능이 추가될 예정입니다.

ACM FAccT 2026에서 발표된 연구는 AI 가드레일의 평가가 모델 자체의 평가만큼 중요하며, 특히 문맥과 언어에 따라 달라지는 평가가 필요함을 입증했습니다. 연구팀은 웹 검색과 같은 도구를 갖춘 에이전트 가드레일이 실제 환경에서 신뢰할 수 있는 배포를 위해 필수적임을 보여주었습니다.

이들은 난민 및 망명 관련 시나리오 쌍 120개를 영어, 파르시, 아랍어, 쿠르드-소라니어, 파슈토 등 여러 언어로 평가하고 그 결과를 분석했습니다. 이 과정에서 사실성이나 실행 가능성과 같은 기준은 텍스트만으로는 판단할 수 없다는 구조적 격차를 발견했으며, 따라서 LLM 기반 가드레일이 더 신뢰성을 갖기 위해서는 검색 및 사실 확인 도구가 필요하다는 가설을 제시했습니다.

실제 데모 결과, 도구가 적용된 에이전트 가드레일은 도구가 없는 가드레일보다 더 신뢰할 만한 결과를 도출했으며, 이는 도구가 사실적 주장을 검증하거나 오류를 식별하는 데 도움을 주었기 때문입니다. 이러한 실험을 통해 Mozilla AI의 any-guardrail이나 Otari와 같은 오픈소스 도구를 활용하면 모델 뒤에 다양한 가드레일을 선택하고 LLM을 전환할 수 있는 유연한 인프라를 구축할 수 있음을 확인했습니다.

앞으로 연구팀은 인도주의적, 금융, 사회 공학적 사용 사례에서 도구 접근이 LLM 기반 가드레일의 신뢰성을 높이는지 검증하기 위해 영어와 파르시, 영어와 스페인어 간의 평가를 계속 진행할 계획입니다.

Codeberg는 LLM 추출을 금지하기 위한 이용 약관(ToU) 확장 제안을 승인하여 프로젝트 공유 정책에 변화를 주었습니다. 이 제안은 프로젝트의 저작권 상태와 공유 범위에 대한 논의를 포함하며, 특히 코드를 공유하는 행위가 어떤 의미인지에 대한 구체적인 정의를 다루었습니다.

논의 과정에서 참여자들은 프로젝트를 공유하는 것이 Codeberg 저장소 외부로 코드를 공유하는 것인지, 저장소를 비공개로 유지하는 것인지, 혹은 개인에게 접근을 허용하는 것까지 포함하는지에 대해 의견을 나누었습니다. 또한, 이러한 공유 제한이 교육적 목적으로 프로젝트를 공유하는 경우에도 적용되어야 하는지에 대한 논쟁도 있었습니다.

일부 참여자들은 저작권 문제가 비영리 단체에 특히 문제가 될 수 있다고 지적하며, 공유 제한의 범위가 지나치게 넓을 수 있다는 우려를 표했습니다. 따라서 이 변경 사항이 프로젝트의 공유와 라이선스에 미치는 영향을 신중하게 고려해야 할 필요가 있습니다.

신화시아(Synthesia)가 AI 기반의 실시간 코칭 플랫폼인 AI Roleplay Sessions를 출시하며 기업 교육 분야에 새로운 변화를 가져왔습니다. 이 플랫폼은 직원들이 AI 아바타와 실제 직장 내 대화를 연습할 수 있도록 하여 실질적인 업무 환경에서의 커뮤니케이션 능력을 향상시키는 것을 목표로 합니다.

AI Roleplay Sessions는 단순히 비디오를 시청하는 방식에서 벗어나 상호작용적인 실습 환경을 제공한다는 점에서 기존의 교육 방식과 차별화됩니다. 직원들은 AI 아바타와의 대화를 통해 즉각적인 피드백을 받고 점수와 분석 데이터를 제공받을 수 있습니다.

이러한 기능은 기업들이 교육 효과를 정량적으로 측정하고 개선하는 데 도움을 줍니다. 회사는 이 데이터를 활용하여 직원들의 실제 대화 능력이 얼마나 향상되었는지 측정하고 교육 프로그램의 효과를 정확하게 평가할 수 있습니다. 이는 교육 콘텐츠의 효과를 측정하는 데 있어 정적인 학습 방식이 아닌 능동적인 실습 기반의 접근 방식을 도입한다는 점에서 의미가 있습니다.

유럽연합 사법재판소(CJEU)는 안네 프랑크의 온라인 공개를 둘러싼 판결에서 VPN이 합법적인 기술 도구임을 인정했습니다. 이 판결은 이용자의 우회 접속만으로는 출판사와 VPN 제공업체에 저작권 침해 책임을 물을 수 없다고 판단한 것입니다.

이는 VPN 사용과 관련된 저작권 침해 책임에 대한 유럽 법적 기준을 설정했다는 점에서 중요합니다. 법원은 VPN이 합법적인 기술 도구로 인정되므로, 이용자가 단순히 우회 접속을 통해 콘텐츠에 접근하는 행위 자체만으로는 저작권 침해 책임을 묻기 어렵다고 보았습니다.

따라서 웹사이트들은 최신 수준의 지역 차단 기술을 사용하여 콘텐츠 접근을 통제하고 있으며, 이는 기술적 보호 장치와 법적 책임 사이의 관계를 명확히 하는 데 영향을 미칩니다. 개발자와 서비스 제공자는 이러한 법적 판결을 고려하여 기술적 구현과 책임 소재를 재검토해야 합니다.

Kimi K3와 Fable 5 모델을 조합한 결과는 약 1,030개의 에이전트 작업 비교에서 최고 수준의 성능을 달성했습니다. 특히 작업별 라우팅 정확도는 93%를 기록하며 개별 모델보다 높은 품질을 보였습니다.

이러한 비교는 SWE, 터미널, 알고리듬, 다중 언어, 법률과 같은 복잡한 작업 영역에서 두 모델의 성능을 평가한 결과입니다. 전체적인 성능은 유사했지만, 두 모델이 각각 강점을 보이는 작업 영역이 존재한다는 점이 주목됩니다.

두 모델의 조합은 특정 작업 라우팅에서 높은 정확도를 보이며 개별 모델의 한계를 넘어선 시너지를 보여줍니다. 이는 복잡한 에이전트 기반 작업 처리에서 모델 간의 협업이 얼마나 중요한지를 시사합니다.

따라서 개발자들은 Kimi K3와 Fable 5의 조합이 특정 전문 분야에서 어떻게 시너지를 발휘하는지 확인하여 에이전트 시스템 설계에 참고할 수 있습니다.

AI 에이전트가 MCP 서버를 사용할 때 규격 준수 여부와 관계없이 실제 사용 불가능한 경우가 발생하고 있습니다. 모델 컨텍스트 프로토콜 사양은 도구 전달 방식에 대한 규칙을 정의하지만, 모델이 실제로 서버가 제공하는 도구를 올바르게 선택하고 인수를 채우는 능력에 대해서는 아무런 정보를 제공하지 않습니다. 이 문제는 프로토콜 계층이 아닌 설명, 명명 규칙, 스키마 설계와 같은 문서화되지 않은 부분에서 발생하며, 이는 에이전트의 신뢰성을 저해하는 근본적인 원인입니다.

저자는 이러한 문제를 해결하기 위해 MCP 서버를 평가하는 Lighthouse 스타일의 점수표인 mcpgrade를 개발했습니다. 이 도구를 사용하여 36개의 인기 MCP 서버를 점검한 결과, 많은 서버가 규격 준수에도 불구하고 에이전트에게 실패를 안겨주었습니다. 특히 MongoDB나 Airtable 같은 서버들은 수많은 매개변수에 대한 설명이 누락되어 있으며, 이는 에이전트가 필요한 정보를 얻지 못하게 하는 주요 원인이 됩니다.

이 연구는 문서화의 중요성과 규모의 관계를 보여줍니다. 잘 문서화된 서버는 높은 점수를 얻는 반면, 활발하게 개발 중인 상업용 서버들은 매개변수 설명이 누락되어 에이전트 사용성이 떨어지는 현상이 관찰되었습니다. 따라서 에이전트 신뢰성을 높이려면 단순히 서버의 규모를 늘리는 것이 아니라, 각 도구에 대한 설명과 명명 규칙을 명확히 하고 문서화 규율을 적용하는 것이 가장 중요합니다.

궁극적으로 에이전트 사용성을 개선하기 위해서는 정적 점수뿐만 아니라 실제 모델 테스트를 통해 도구 선택 정확도를 측정해야 합니다. mcpgrade는 이러한 실시간 평가를 가능하게 하며, 누락된 매개변수 설명과 명확한 명명 규칙을 적용하여 에이전트가 오류를 스스로 수정할 수 있도록 돕는 구체적인 해결책을 제시합니다.

새로운 도서 리더 ReadKinetic이 무료로 공개되었습니다. 이 도구는 사용자가 자신의 책을 읽는 속도를 조절할 수 있는 속독 리더 기능을 제공하며, 특히 데이터의 프라이버시와 통제권을 보장하는 로컬 우선(local-first) 방식으로 설계되었습니다.

ReadKinetic의 핵심은 모든 독서 경험을 사용자의 기기 내에서 처리하여 데이터가 외부 서버로 전송되지 않도록 하는 데 있습니다. 이는 개인 정보 보호를 중요하게 생각하는 사용자들에게 큰 장점으로 작용하며, 독서 데이터를 안전하게 관리하고자 하는 개발자들에게도 매력적인 접근 방식입니다.

이 프로젝트는 단순히 텍스트를 표시하는 것을 넘어, 사용자가 자신의 독서 습관에 맞춰 효율적으로 책을 읽을 수 있도록 돕는 데 중점을 두고 있습니다. 따라서 ReadKinetic은 독서 경험을 개인화하고 효율성을 높이는 데 초점을 맞춘 새로운 형태의 리더 애플리케이션으로 평가받고 있습니다.

새로운 FPS 에임 트레이너인 OpenAim이 출시되어 마우스 움직임을 분석하여 사용자의 운동 및 지각적 약점을 탐구하는 새로운 방식을 제시합니다. 이 도구는 단순한 시나리오 점수가 아닌 사용자의 원시적인 마우스 움직임을 분석하여 마우스 협응력과 제어 능력을 체계적으로 향상시키는 데 중점을 둡니다.

OpenAim은 작업의 난이도와 감도를 선택하여 개인에게 최적화된 학습 경로를 제공하며, 사용자가 더 빠르고 효율적으로 실력을 향상시킬 수 있도록 맞춤형 플레이리스트를 생성합니다. 또한, 이 시스템은 목표물에 대한 반응, 움직임의 궤적, 그리고 시각적 피로를 줄이는 환경 설정 등 매우 상세한 텔레메트리 데이터를 제공하여 심층적인 분석을 가능하게 합니다.

이 시스템은 데이터 수집에 있어 민감한 측면을 다루는데, 익명화된 드릴 요약 정보는 공유되어 모든 플레이어가 시작하는 과학 기반 플레이어 모델을 훈련하는 데 기여합니다. 원시적인 마우스 움직임의 추적 데이터는 분석을 위해 선택적으로 업로드할 수 있으며, 사용자는 이 데이터가 공개되거나 개인 정보가 노출되지 않도록 설정할 수 있습니다.

사용자는 세션 중 시각적 피로를 줄이는 기능이나 HUD 요소를 숨기는 옵션을 통해 장시간 훈련에도 집중력을 유지할 수 있습니다. OpenAim은 측정된 오차를 기반으로 자동 튜닝을 수행하며, 사용자가 원하는 대로 세션의 초점을 설정하거나 특정 축에 고정할 수 있는 유연성을 제공합니다.

GitHub에 공개된 이 저장소는 아폴로 11호 임무를 위한 지준 컴퓨터(AGC)의 원본 소스 코드를 담고 있습니다. 이 코드는 명령 모듈(Comanche055)과 달 모듈(Luminary099)에 사용된 AGC 프로그램의 코드를 포함하고 있어 역사적인 소프트웨어 개발 자료로서 큰 가치를 지닙니다.

해당 코드는 MIT 박물관의 하드카피 이미지에서 디지털화되어 공개되었으며, 이 과정은 Paul Fjeld와 Deborah Douglas의 노력으로 이루어졌습니다. 이 저장소는 1969년 3월에 NASA의 계약에 따라 MIT의 Instrumentation Laboratory에서 개발된 AGC 프로그램의 원본 자료를 보존하고 있습니다.

이 자료는 AGC 프로그램이 Colossus 2A로도 불렸으며, NASA의 계약 NAS 9-4065를 통해 개발되었음을 명시하고 있습니다. 개발자들은 이 코드를 통해 역사적인 임무 시스템의 초기 아키텍처와 어셈블리 수준의 구현 방식을 연구할 수 있습니다.

부동산 서비스는 홈페이지에 매물을 올린 후 문의가 전화, 메신저, 엑셀 등으로 분산되고 담당자 배정과 후속 연락이 끊기는 비효율적인 구조를 가지고 있었습니다. 이러한 문제점을 해결하기 위해 기존 서비스의 한계와 사용자 요청을 바탕으로 부동산 홈페이지, 매물, 문의, 계약의 흐름을 한 시스템으로 연결하는 운영 도구인 RealHome을 새로 개발하고 운영하고 있습니다.

RealHome은 템플릿과 상호를 설정하면 PC 및 모바일 홈페이지와 매물 검색, 지도, 상세 페이지를 자동으로 생성하며, 문의 발생 시 담당자 배정, 미응답 알림, 상담 이력 및 다음 할 일까지 연결합니다. 또한 매물, 고객, 계약, 일정, 자료와 직원 권한을 통합 관리할 수 있어 외근 중에도 매물 관리 화면과 문의 알림을 즉시 확인할 수 있습니다.

이 시스템은 홈페이지 제작 도구와 중개업무 CRM 기능을 하나의 제품 안에 통합하여 현업에 자연스러운 흐름을 제공하는 데 중점을 두고 있습니다. 기술적으로는 Next.js, TypeScript, PostgreSQL(Supabase), Prisma를 사용하며 메인 서비스는 OpenNext 기반 Cloudflare Workers에 배포하고 있습니다.

현재 관리자 데모 화면에서는 실제 매물 및 문의 흐름을 가입 없이 확인할 수 있으며 15일 무료 체험도 결제 정보 없이 시작할 수 있습니다. 개발자 관점에서 홈페이지 제작 도구와 중개업무 CRM을 통합한 구성이 실제 현업에서 자연스러운지 데모를 통해 검토해 볼 필요가 있습니다.

패스키(Passkeys)는 소비자 심리에 대한 이해 없이 보안 엔지니어들에 의해 발명되었다는 주장이 제기되었습니다. 이들은 패스키의 장점을 논할 방법이 없었으며, 사용자들은 패스키가 무엇인지 이해하지 못했습니다.

이러한 배경 때문에 현재 사용자들은 앱에 로그인하기 위해 '마법의 요정 가루'와 같은 복잡한 절차를 요구받고 있습니다. 로그인 정보는 휴대폰, 브라우저, 운영체제, 심지어 신체 등 여러 곳에 저장될 수 있습니다.

하지만 이러한 과정은 결국 사용자를 안전하게 만들었다는 점이 강조됩니다. 패스키는 보안 설계와 사용자 경험 사이의 복잡한 균형을 보여주며, 기술이 어떻게 보안과 접근성을 동시에 달성할 수 있는지에 대한 논의를 촉발합니다.

검사 과정에서 실제 문제가 있음에도 통과하는 열 가지 방식에 대해 다루는 글입니다. 이는 단순히 검사를 반복하는 것이 아니라, 검사 방식을 다르게 적용하여 시스템의 진정한 상태를 테스트해야 한다는 핵심 논지를 제시합니다. 예를 들어, 시스템이 고장 났을 때도 검사 스크립트가 통과하는 상황은 존재하며, 이는 검사 도구 자체가 진실을 말할 수 없거나 측정 대상이 잘못되었을 때 발생합니다.

이 글은 검사 도구의 신뢰성과 측정의 타당성에 대한 근본적인 질문을 던집니다. 예를 들어, 어떤 측정값이 실제 결과가 아닌 다른 것을 측정하거나, 검사 도구가 자신이 실패할 수 없도록 설계되었을 때 발생하는 오류를 다룹니다. 개발자는 검사 도구가 보고하는 결과에만 의존하지 않고, 결과가 실제로 발생한 곳, 즉 렌더링된 페이지나 최종 산출물에서 오류를 찾아야 합니다.

또한, 테스트 데이터의 품질과 실험 설계의 중요성도 강조합니다. 가설을 이미 알고 있는 사람이 작성한 테스트 세트는 가장 약한 증거가 될 수 있으며, 측정값의 신뢰성은 타당성과는 다르다는 점을 지적합니다. 따라서 측정 도구의 신뢰성을 확보하기 위해서는 측정 대상이 무관심해야 하는 변형을 적용하여 검증하고, 성공 신호가 없는 침묵을 성공으로 간주하지 않아야 합니다.

결론적으로, 개발자는 시스템의 상태를 검증할 때 도구의 성공 여부보다 불변하는 아티팩트(커밋, 빌드 출력 등)를 확인해야 하며, 도구가 오류를 보고하도록 설계하고, 결과의 발생 지점을 확인하는 방식으로 접근해야 합니다.

테슬라에서 어린이용 밸런스 바이크를 판매하고 있다는 내용이 보도되었습니다. 해당 기사는 테슬라 공식 쇼핑 페이지로 연결되며, 제품의 구매 관련 정보가 제공되고 있습니다.

이 기사는 테슬라가 어린이용 제품군에 밸런스 바이크를 포함하여 새로운 상품을 출시했음을 알리는 정보를 담고 있습니다. 구체적인 제품 사양이나 출시 배경에 대한 상세 내용은 기사 본문에 포함되어 있습니다.

현재 제공된 정보만으로는 해당 밸런스 바이크의 상세한 기술적 특징이나 시장 반응에 대한 분석은 알 수 없습니다. 따라서 해당 링크를 통해 테슬라가 제공하는 어린이용 제품 라인업을 확인하고 제품의 구체적인 정보를 참고할 수 있습니다.

Anthropic과 OpenAI의 공격적인 인수합병 움직임 속에서 로봇 스타트업 Physical Intelligence에 대한 루머가 확산되었습니다. 이 루머는 Anthropic이 로봇공학 분야의 역량을 확보하려는 전략과 관련하여 AI 커뮤니티에서 큰 주목을 받았습니다. Physical Intelligence는 투자자-운영자였던 Lachy Groom이 공동 설립했으며, $\pi0.5$ 모델을 포함한 로봇 연구에 사용되는 모델을 보유하고 있습니다.

이 루머는 Anthropic과 Physical Intelligence가 지난 봄 인수 협상을 진행했다는 보도에 근거하지만, Physical Intelligence CEO는 해당 보도를 부인했습니다. Anthropic은 올해 네 건의 인수를 진행했으며, OpenAI 역시 2023년 이후 최소 17개 회사를 인수하는 등 경쟁사들보다 더 공격적인 움직임을 보이고 있습니다. 이는 두 거대 AI 기업이 물리적 세계 이해 능력을 확보하는 것이 초지능 시스템 개발의 필수 전제 조건이라고 판단하기 때문입니다.

물론 이 루머에는 복잡한 이해관계가 얽혀 있습니다. Physical Intelligence의 창립자 중 한 명인 Groom과 초기 투자자들 중 일부는 OpenAI와 연관되어 있으며, OpenAI가 Physical Intelligence의 투자자 중 한 곳이기도 합니다. 따라서 만약 인수가 실제로 이루어진다면, OpenAI가 Anthropic보다 더 강력한 권리를 주장할 수 있는 상황이 발생할 수 있습니다.

late.sh는 컴퓨터 사용자들을 위한 명령줄 기반의 아늑한 클럽하우스 역할을 하는 도구입니다. 이 플랫폼은 실시간 채팅, 공유 뉴스, 협업 아트보드, 그리고 2048 같은 아케이드 게임을 포함하는 다양한 기능을 제공하며 사용자들이 함께 소통하고 창작할 수 있도록 설계되었습니다. 사용자는 공유 ASCII 캔버스인 아트보드에서 그림을 그리고 각 셀에 누가 그렸는지 기록하며, 일별 도전 과제와 스트리크를 통해 상호작용을 강화할 수 있습니다.

또한 late.sh는 사용자 프로필 기능을 통해 각자의 작업 내용, 기술, 링크 등을 공유할 수 있게 하며, 다른 사용자의 작업 공간을 탐색하거나 라이브 데모 세션을 통해 공유 경험을 볼 수 있습니다. 이 모든 상호작용은 사용자의 신원 관리를 위해 비밀번호나 OAuth 대신 SSH 키를 기반으로 하며, 채팅 기록과 점수는 공개 키 지문(fingerprint)에 연결되어 개인 정보 보호를 극대화합니다.

이러한 신원 시스템은 사용자의 SSH 키를 신원으로 삼아 IP 로깅이나 추적, 분석을 하지 않기 때문에 강력한 프라이버시를 보장합니다. 만약 사용자가 개인 정보를 보호하고 싶다면, 위험 부담이 없는 일회성 키를 생성하여 접속할 수 있는 기능도 제공합니다. 결과적으로 late.sh는 단순한 커뮤니티를 넘어, 강력한 프라이버시와 협업 기능을 결합한 새로운 형태의 명령줄 기반 경험을 제공합니다.

LG전자 USA는 스마트 TV를 상시 주거용 프록시 노드로 전환하는 앱을 중단할 계획이라고 발표했습니다. 이는 LG의 webOS 플랫폼에서 다운로드 가능한 앱 중 42% 이상이 사용자의 TV를 프록시 노드로 설정할 수 있는 SDK를 포함하고 있다는 연구 결과에 따른 조치입니다.

LG는 개발자들과 협력하여 webOS 플랫폼에서 해당 프록시 옵션을 제거하는 작업을 진행하고 있으며, 이를 준수하지 않는 개발자는 앱이 정지될 것이라고 밝혔습니다. LG는 주거용 프록시 네트워크가 스마트 TV의 의도된 사용 목적이 아니며, 플랫폼 품질 향상을 위해 개발자 제출 앱에 대한 평가 절차를 강화할 것이라고 설명했습니다.

이러한 프록시 SDK는 게임이나 파일 유틸리티 같은 다양한 앱에 포함되어 수익화 수단으로 활용되고 있으며, Spur의 보고서에 따르면 Bright Data와 같은 프록시 제공업체가 삼성 및 LG 스마트 TV의 프록시 SDK 대부분을 차지하고 있습니다.

비평가들은 이러한 프록시 네트워크가 일반 소비자들이 감사하기 어려운 기기에 대규모로 내재화되어 있다는 점을 지적하며, 일회성 동의 프롬프트만으로는 충분한 투명성과 플랫폼 감독을 보장하지 못한다고 주장합니다.

Dimension Capital이 발표한 8억 달러 규모의 세 번째 펀드는 과학과 컴퓨팅의 교차점이 급성장하고 있음을 보여줍니다. 이 펀드는 18개월 전 발표된 5억 달러 규모의 두 번째 펀드보다 60% 더 큰 규모로, 과학 기반의 딥테크 분야에 대한 투자 열기가 커지고 있음을 시사합니다.

이 펀드를 운용하는 벤처 캐피탈은 과학과 컴퓨팅의 교차점에서 투자하며, 창업자들이 생명공학(biotech)과 소프트웨어의 경계를 넘나드는 기술 기업을 구축하기를 원한다는 투자 논리를 바탕으로 움직입니다. 실제로 이들은 2024년에 약 3천만 달러 규모의 시드 투자를 진행한 Chai Discovery와 같은 스타트업에 투자했으며, 최근에는 신약 개발 플랫폼인 Coefficient Bio를 Anthropic이 약 4억 달러에 인수하는 데 참여했습니다.

이러한 투자 활동은 AI 기반 신약 개발이나 인공지능 기반의 혁신적인 소프트웨어 등 과학과 컴퓨팅이 융합된 분야에서 자본이 집중되고 있음을 반영합니다. Modal Labs나 Anthropic과 같은 기업에 대한 투자 사례는 이 분야의 성장 잠재력을 구체적으로 보여줍니다.

행복을 향한 열 가지 단계는 돈이나 마법이 아닌 세상을 바라보는 관점의 변화를 통해 달성할 수 있다고 설명합니다. 이는 "행복은 당신 자신의 행동에서 비롯된다"는 달라이 라마의 말처럼, 우리가 스스로 취하는 행동과 태도가 삶의 질을 결정한다는 핵심을 제시합니다.

이 열 가지 단계는 감각 투자, 새로운 도전, 타인과의 관계, 공동체 참여, 프로젝트 완수, 부정적인 요소 제거, 감정 정리, 시간 재평가, 소유물 경감, 그리고 무소유와 수용이라는 실질적인 행동 지침으로 구성되어 있습니다. 예를 들어, 자신의 감정을 다스리고 불필요한 소유물을 줄이며 시간을 가치 있게 사용하는 것이 행복을 찾는 구체적인 방법이 됩니다.

특히 개발자나 현대인에게는 자신의 감정을 인식하고 부정적인 요소를 제거하며, 소유물에 얽매이지 않고 삶의 우선순위를 재설정하는 것이 중요합니다. 또한, 타인과의 관계를 개선하고 의미 있는 프로젝트를 완수함으로써 성취감과 자신감을 얻는 것이 정신적 만족도를 높이는 데 기여합니다.

결론적으로 이 방법은 외부 조건이 아닌 내면의 변화에 초점을 맞추어, 우리가 원하는 삶을 스스로 만들어나가도록 돕는 실천적인 사고방식을 제공합니다.

Stoffel MPC를 사용하여 개인의 유전체 데이터를 수집하지 않고도 집단 유전체 연구를 수행하는 프라이버시 보존 방법을 구현하는 개념 증명(PoC)을 구축했습니다. 이 연구는 100명의 가상 참가자가 자신의 유전체 데이터를 공유하여 집계된 대립유전자 수와 점수를 계산할 수 있게 하며, 이는 중앙 데이터베이스에 모든 원본 유전체 데이터를 저장할 필요가 없다는 것을 보여줍니다.

이 기술은 Monadic DNA와 같은 유전체 데이터를 활용하는 모바일 애플리케이션에 적용될 수 있습니다. 사용자들이 자신의 유전체 데이터를 중앙 서버에 업로드하지 않고도 앱을 통해 필요한 집계 통계를 안전하게 기여할 수 있게 하여 데이터 프라이버시를 극대화합니다. MPC는 각 참여자가 데이터를 분할하여 여러 컴퓨팅 당사자에게 공유함으로써, 단일 서버가 전체 데이터를 보거나 유출하는 위험을 제거하고 신뢰 경계를 분산시킵니다.

MPC는 완전 동형 암호(FHE)와는 다른 접근 방식을 취하며, MPC는 여러 독립적인 당사자가 통신하고 계산을 수행하는 데 중점을 둡니다. 이 PoC는 StoffelLang이라는 개발자 친화적인 플랫폼을 통해 MPC 시스템을 구축할 수 있음을 입증했으며, 향후 실제 배포를 위해서는 코호트 크기, 동의 절차, 감사 기능, 그리고 모바일 SDK와 같은 추가적인 개발 작업이 필요합니다.