본문 바로가기

트렌드 한눈에 보기

 (209)
애플이 난데없이 전기자동차 시장에 진입할 수 있는 이유 12월 22일 즈음, 애플이 전기자동차 산업에 진입한다는 뉴스는 미국에서 시작되어 삽시간에 퍼졌고 덕분에 테슬라 주가까지도 잠시나마 휘청하게 만들 정도였다. 사실 애플이 전기자동차 시장에 진입하게 되어 전기자동차 시장 자체를 키운다면 테슬라에게도 좋은 뉴스인데 말이다. 앞으로 그런 뉴스를 잘 타고 주식을 주워먹으면 수익을 조금이나마 볼 수 있을 것이라는 생각이 든다. 그런 생각으로 조사해본, 애플이 전기자동차를 만들 수 있는 배경 세 가지 1. 반도체 설계 능력 자동차와 반도체는 또 무슨 상관이 있을 것이며 애플이 반도체 설계 능력을 가지고 있으면 또 얼마나 가지고 있을까? 생각보다, 반도체는 현대 자동차 성능에서 가장 중요한 부분이라고 해도 좋은 부품이다. 테슬라 역시 자체 자율주행 전용 차량탑재 컴퓨..
[CS234] Lecture 13: Fast Learning III 정리 (1) 역시 지난 시간에 빠르게 훑고 지나갔던 MDP에서 Fast Learning을 적용하는 방법에 대해 설명하는 것으로 13강이 시작되었다. PAC는 Probably Approximately Correct의 줄임말로, Bandit 문제에 Bayesian Regret 등을 적용한 것처럼 MDP에 fast learning을 적용하는 방법의 이름인 것 같다. 좀 더 검색을 해보니, 기본적으로는 머신러닝 알고리즘의 성능을 설명하기 위한 방법이라고 한다. 근데 fast learning이랑은 무슨 관계가 있는 거지? Model Based Interval Estimation[MBIE]은 PAC의 일종이다. 모델을 기반으로 interval을 추정한다는 이름이 너무 열받는다. 어떻게 이렇게 하나도 감이 안오게 이름을 지을 수..
[CS234] Lecture 12: Fast Learning II 정리 지난 시간에 이어, 이번 강의도 Fast Learning에 관한 내용이다. 다만, 아직까지 "Bandit"을 어떻게 이해해야 할지 잘 모르겠다. 여러 대의 슬롯머신에서 최적의 전략을 뽑아내는 것을 "Multi-armed Bandits"라고 이해했는데, "Bayesian Bandits"라고 하면, 그건 또 무슨 말이람? 이런 남모를 고충을 강의에서도 이해했는지, 간략한 복습을 진행해주었다. 지난 시간에 정의한 "Bandit"은, MDP의 간소화된 예시였다. 그렇담 MDP는 무엇이었나? (S, A, P, R)로 구성된 Markov Chain을 일컫는 말이었다. 다시 말하자면, "상태 - 행동 - 상태 전환 확률 - 보상" 변수들로 이루어지면서 현재 상태가 과거의 모든 정보를 포함하고 있는 모델이었다. Ban..
1조 원 이상 투자를 받고도 망하는 스타트업이 있다? - 하편 상편에서 이어집니다. 3. PicoBrew - 누적 투자액: $15.1 M (약 160억 원) PicoBrew는 특이하게도 가정용 맥주제조기를 판매하는 사업을 펼쳤다. "어라? 커피머신은 가정용으로 많이 팔리는데, 커피만큼 많이 마시는 맥주도 팔릴 수 있지 않을까?" 대충 이런 생각으로 만들어낸 상품일 것이다. 물론 나로서는 처음 들어보는 생각이다. 커피야 잠도 깰 수 있고, 다이어트에도 효능이 있으므로 "그래, 나를 위한 투자이자 커피스틱 일일이 사는 것보다는 장기적 관점에서 금전적으로도 도움이 될테야" 하고 커피머신을 살 수 있겠다만 맥주는 건강 측면이건 생활측면이건 도움이 될 수가 없다. 간혹 스타트업 라운지에서 맥주를 내려먹으면서 일을 할 수 있다는 이야기를 들은 적이 있는데 아마 실제로 맥주 마..
1조 원 이상 투자를 받고도 망하는 스타트업이 있다? - 상편 일반인이 느끼기에, 스타트업이 투자를 받았을 때 주목받을 수 있는 금액의 크기는 1억 원 정도일 것이다. TIPS라고 알려진 정부 개입 투자 프로그램의 경우에는 1억 내외의 민간 투자 + 정부 주도 5억 원 투자에 회사 지분 10% 정도를 양도한다고 하니 신생 스타트업으로서는 꽤나 탐나는 지원금일 것이다. 하지만 몇 백억, 몇 천 억, 심지어는 조 단위 투자를 받고도 얼마든지 단기간 내에 망하는 경우가 있다. 2020년에 망한 100억 규모 이상의 스타트업을 찾아보았다. 1. 퀴비 (Quibi) - 누적 투자액 $1.75 B (1조 8000억 원 이상) $1 Billion(얼추 1조원 가량)이상의 가치평가를 받는 스타트업을 "유니콘"이라고 부른다. 상상의 동물인 만큼, 스타트업으로서 달성하기 어려운 지표..
중국 제조업의 흐름을 살펴볼 수 있는 곳: 거리전기 샤오미가 처음으로 "대륙의 실수"라는 타이틀로 유명해졌던 계기는 보조배터리였던 것으로 기억된다. 사실 파나소닉 18650 전지 몇 개에 플라스틱 케이스, 5핀 단자가 전부인 자그마한 기기가 실수까지 해가면서 좋은 품질을 만들어낼 법한 것은 아니다. 애초에 잘 작동하지 않기가 어려운 제품인 것이다. 그럼에도 "대륙의 실수"라는 타이틀은 샤오미의 품질에 대해 사람들의 기대감을 높여주었고 브랜드 가치 역시 현격하게 높아지게 되었다. 그렇게 승승장구하기 시작한 샤오미의 회장 레이쥔이 한 시상식에서 다른 대표에게 시비를 건다 "5년 뒤에 당신네 회사보다 더 많이 번다는 데 10억 위안 건다" 갑작스런 시비에도 굴하지 않은 상대 대표는 "샤오미처럼 근본없는 기업한테 우리 회사가 질 리 없다"며 승부를 받아들인다. ..
왜 알파고 자율주행은 나오지 않는 것일까? (부제: 당신의 이미지 트레이닝이 실패하는 이유) 인간 수준을 뛰어넘는 바둑실력을 가진 알파고가 나온지 5년이 다 되어 간다. 그렇다면 왜 인간 실력을 뛰어넘는 운전실력을 가진 자율주행은 개발되기가 이렇게 어려운 것일까? 문제는 인공지능의 학습세계와 실제세계가 너무 다르다는 것이다. 알파고가 바둑을 둘 뿐만 아니라, 실제로 바둑알을 들어서 바둑판에 놓을 수 있는 로봇팔까지 가지고 있었다면 좋았겠지만 그렇지 못했던 것은 바둑알의 마찰력, 바둑판까지의 이동 등을 모두 고려할만큼 성능이 좋지 못했기 때문이다. 덕분에 아마추어 6단 정도나 하는 사람이 "아 나는 바둑이랑은 안되겠다" 하는 식으로 포기한 뒤 알파고 개발자로 나서서는 알파고 대신 바둑알을 놓게 된 것이다. 그렇다면 그간 SF영화에서 봐왔던 인공지능 로봇을 어떻게 탄생할 수 있을까? 인공지능 학습이..
[CS234] Lecture 11: Fast Reinforcement Learning 정리 이제 CS234 강좌의 마지막 단계를 배울 차례이다. 강화학습에 필요한 네 가지, 즉 Optimization, Delayed Conseqencies, Exploration and Generalization에 대해 어느 정도 짚고 넘어갔으니 네 단계들을 보다 효율적으로 수행할 수 있는 방안에 대해서 배우는 것이다. Q-Learning을 배우면서 계산량을 줄여주려는 시도를 살펴봤었다. Q-Learning은 복습하자면, 모델이 주어지지 않은 학습환경에서 최적의 행동지침을 만들어내는 과정이었다. 또한 TD Learning을 활용한 방식에서 계산을 조금 간소화한 기법이었다. (이전 글 참조) 이와는 달리, 보다 적은 데이터로 학습을 진행해야 하는 경우가 있다. 의료 산업, 교육 산업 같은 경우에 특히나 실제 사람..
"Ultra" 칭호를 부여받은 첫 번째 웨어러블 Sincere 라는 말의 유래를 아십니까? 르네상스 시대의 조각상들 중에는 왁스를 사용한 작품이 많다. 손가락 같은 정밀한 부분을 조각하다가 대리석이 부러지기라도 하면 왁스를 본드처럼 사용한 것이다. 하지만 그 와중에도 미켈란젤로 같은 최고의 예술가는 왁스 없이도 작품 뚝딱이었다. Sine (Without) + Cera (Wax)가 합쳐져서 아 저 작품은 왁스 없이 만들어진 진또배기구나, Sincere하구나 하는 단어가 탄생한 것이다. 손의 움직임을 재현하는 것은 예나 지금이나 어렵다. 뉴질랜드의 스타트업 "Stretch Sense"의 경우에는 오직 손의 움직임을 재현하는 것만으로 제품을 만들었을 정도이다. Stretch Sense 작동 영상 위 Stretch Sense는 장갑 전체에 Stretch Se..
기계과 창업이 망하는 이유 - 교수 창업의 예시들 2016년 서울대 기계과 박종우 교수가 창업한 "세이지리서치"는 현재 48억 원 이상을 투자받으며 성장하고 있다. 박종우 교수 본인의 주 연구 분야는 로보틱스, 즉 제어 측면이다. MIT EECS(전기전자 및 컴퓨터 공학) 학사와 하버드 응용수학 박사를 졸업해서 기계과 교수로 임용되었을 만큼 탄탄한 수리체계를 바탕으로 로봇 제어를 가르쳤고 교과서로 쓰이는 교재까지 집필할 정도로 해당 분야의 권위자이다. "으음 로봇 제어분야에서 창업이라... 로봇팔을 만드나?" 세이지리서치는 놀랍게도 제어와는 거의 상관이 없다. 딥러닝을 바탕으로 한 영상인식을 통해 제품의 품질을 검사하는 시스템이 주된 상품인 것이다. 교수 본인이 CEO로 있고, 9명의 재직자들은 대부분 연구실 출신이거나 현재도 석박사 과정에 있는 사람들..

티스토리툴바