미래 AI 공급망에 대한 예측 - Predictions on the Future AI Supply Chain

미래 AI 공급망에 대한 예측

2025년 현재는 AI 공급망의 초기 상태라고 볼 수 있다.

왜냐하면, AI GPU의 성능이 비약적으로 발전하고 있는 한편 주요 클라우드 플레이어들의 AI GPU 수요가 공급보다 훨씬 높기 때문이다. 이러한 상황에서 수년 전에 본격적으로 공급되기 시작한 AI GPU 조차도 현역으로 사용되고 있으며 감가상각된 AI GPU를 최신 AI GPU로 대체하기에도 어려운 상황이다. 당장은 AI 투자가 지나치다며 버블이라고 우려하고 있지만, 잠깐 흥분을 멈추고 전체적인 방향을 검토한다면 거대한 흐름을 이해하게 될 것이다.

불과 몇년 전 AI 산업이 본격적으로 시작될 때, AI의 규모와 성능을 평가하는 지표는 AI GPU를 얼마나 보유하고 있는가였다. 시간이 조금 지나서 주요 AI 플레이어들은 하이퍼스케일러라는 대규모의 클라우드 데이터센터를 만드는 계획을 발표하고, 여기에 필요한 많은 구성요소들 중에서 특히 전력에 대한 수요가 매우 중요함을 강조하기 시작했다. 그래서 전력의 공급 단위로서 GW(Giga watt)를 AI의 규모와 성능을 평가하는 지표로 삼기 시작했다. 앞으로는 어떻게 될 것인지 생각해보면 쉽게 예측이 가능하다.

가까운 미래에는 추론 처리량이 새로운 지표가 될 것이다. 그 이유는 다음과 같은 시나리오에서 진행될 수 있다.

1. 하이퍼스케일러에 설치되는 새로운 AI GPU는 더 적은 상면을 차지하고 더 높은 성능을 발휘하며 더 낮은 전력 소비를 제공하므로 종전에 비해 더 차이를 벌리게 될것이다.
2. 아무리 하이퍼스케일러가 거대하다 할지라도 상면의 공간은 제한적이므로 기존의 감가상각되어 더이상 사용하지 않게 되는 AI GPU는 중고시장으로 흘러들어가게 될 것이다.
3. 하이퍼스케일러의 규모에 따라 다르겠지만, 전력 소비량이 현재 예측하는 것만큼 기하급수적으로 증가하지도 않을뿐더러, 요구사항을 단기간에 만족시키기란 불가능하다.

이러한 조건에서 하이퍼스케일러는 더욱 고도화될 것이며 주요 AI 플레이어는 신규 플레이어의 진입을 더욱 확실하게 제한하게 될 것이고, 전력 공급은 비교적 낮은 위협요인이 될 것이다. 그러면 이제는 제2차 시장인 중고 AI GPU 시장이 열리게 되는 것을 눈여겨 보아야 할 것이다.

감가상각된 중고 AI GPU가 시장에 풀리면 이를 필요로 하는 수많은 국가와 기업이 새로운 고객이 될 것이다. 모든 일에는 항상 최상의 장비가 필요하지는 않다. 많은 사람에게 자동차가 필요하지만 항상 페라리가 필요한 것은 아니다. 어떤 사람에게는 포드나 GM이 필요하다. 중고 AI GPU로 시장에 풀리게 될 후보는 초기버전의 AI GPU일 것이다. 이정도만 하더라도 수출제한 대상이 될 정도로 강력한 성능일 수 있다.

이 중고 제품으로 할 수 있는 것이 무엇일까? 다음과 같은 분야를 예측해볼 수 있다.

1. 각 국가의 소버린 AI(안보, 전략산업, 행정, 금융 등)
2. AI 생태계에 진입하려는 중간규모 이상의 기업
3. Edge AI

이러한 분야에서는 주요 AI 플레이어만큼 고성능은 아니지만 충분한 성능의 AI가 필요하고, 임대의 방식보다는 직접 AI를 구축하여 특성화 및 분산화를 해야 할 필요가 있다. 주요 선진국과 중진국의 경우에는 최신형 AI GPU로 소버린 AI를 구축하기에는 대기 시간과 경험 그리고 노하우 및 지속적인 자본 투입이 어렵다.(알려진 것과 같이 AI GPU는 내구재가 아니라 비싼 소모품이다. 즉, 주기적인 교체와 유지보수가 필요한 피곤한 물건이다.) 기업도 마찬가지이다. 그들의 필요에 따라서 적정한 규모의 AI 생태계를 구축하려고 하겠지만 특정하고 제한된 분야에 대해서만 AI를 적용해야 비용과 운영에 있어서 효율성 달성이 가능할 것이다. 마지막으로 Edge AI도 유사한 상황이 될 가능성이 크다. 어차피 대규모 처리는 하이퍼스케일러에서 이루어져야 한다. 훈련과 추론, 그리고 거기에 필요한 데이터를 보관할 수 있는 곳은 하이퍼스케일러밖에 없다. 그러나 하이퍼스케일러에서 충분히 훈련된 모델을 적절히 튜닝해서 Edge AI에 배포한다면 반드시 최신의 AI GPU가 필요하지 않을 것이다. 그래서 이러한 소버린 AI, 기업, Edge AI에게는 제2차 시장이 필요할 수 있다. 

그리고 이러한 시장에서는 AI GPU의 수량이나 전력 공급량은 크게 중요하지 않고 오히려 추론 처리량이 관건이 될 것이다. 각 주체들이 필요로하는 AI 추론 처리량을 만족시키기만 한다면 AI GPU의 수량이 몇개든 관계없고, 전력 공급량은 기존의 공급망에서 충분히 제공 가능할 것이기 때문에 크게 걱정할 필요가 없을 것이다. 오히려 목적에 맞는 추론 처리량을 제공할 수 있느냐가 관건이 되며, 이때 부터는 서비스 개념으로 전환될 것이다.

SaaS(Software as a Service)를 알고 있을 것이다. 제2차 시장에서도 이와 같은 방식의 서비스로 AI 구축이 진행될 것이다. AI 인프라를 제공하는 기업이 추론 처리량을 기준으로 SLA 계약을 하고 분산화 및 특성화를 만족시켜줄 수 있다면, AI는 상하수도, 전기, 통신과 같은 새로운 필수재로 인식될 것이다. 이정도 까지 진행이 된다면 AI GPU 시장은 지속적인 교체수요를 꾸준히 유지하겠지만 현재와 같은 공급부족으로 인한 병목현상은 일어나지 않게 될 것으로 예측된다.

당분간은 산업의 초기 단계이므로 큰 흐름을 지켜 보아야 할 것이다. 

= = = = = = = = = =

Predictions on the Future AI Supply Chain

The current state of the AI supply chain in 2025 can be seen as its initial stage.

This is because, while the performance of AI GPUs is making leaps and bounds, the demand for AI GPUs from major cloud players is much higher than the supply. In this situation, even AI GPUs that began full-scale provisioning several years ago are still in active use, and it's difficult to replace depreciated AI GPUs with the latest ones. For now, there are concerns that AI investment is excessive, calling it a bubble, but if we pause the excitement briefly and examine the overall direction, we will grasp the larger trend.

Just a few years ago, when the AI industry was taking off, the metric used to evaluate the scale and performance of AI was how many AI GPUs were owned. As time passed, major AI players announced plans to build hyperscaler cloud data centers and began emphasizing that the demand for power, among the many necessary components, was extremely critical. Thus, GW (Gigawatt) was adopted as the unit of power supply and began to be used as a metric to evaluate the scale and performance of AI. It is easy to predict what will happen next.

In the near future, inference throughput will become the new metric. This is likely to unfold under the following scenarios

1. New AI GPUs installed in hyperscalers will occupy less floor space, deliver higher performance, and consume less power, widening the gap with previous generations.
2. No matter how massive a hyperscaler is, floor space is limited, so existing, depreciated AI GPUs that are no longer used will flow into the second-hand market.
3. Depending on the scale of the hyperscaler, power consumption will neither increase exponentially as currently predicted, nor will it be possible to satisfy requirements in the short term.

Under these conditions, hyperscalers will become more sophisticated, major AI players will more definitively restrict the entry of new players, and power supply will become a comparatively lower threat factor. Therefore, attention should now be paid to the opening of the second-hand AI GPU market, which is the second-tier market.

When depreciated, second-hand AI GPUs are released into the market, countless countries and businesses that need them will become new customers. Not every task requires the absolute best equipment. Many people need a car, but they don't always need a Ferrari; some need a Ford or a GM. Candidates for the second-hand AI GPU market will be early-version AI GPUs. Even these may possess performance strong enough to be subject to export restrictions.

What can be done with these second-hand products? The following areas can be predicted

1. Sovereign AI for various countries (security, strategic industries, administration, finance, etc.)
2. Medium-to-large-sized enterprises looking to enter the AI ecosystem
3. Edge AI

These sectors need AI with sufficient performance, even if not the ultra-high performance of major AI players, and they will need to build, specialize, and decentralize their AI directly rather than relying on rental models. For major developed and developing countries, building Sovereign AI with the latest AI GPUs is difficult due to long wait times, lack of experience and know-how, and the challenge of continuous capital injection. (As is known, AI GPUs are not durable goods but expensive consumables—meaning they are demanding items that require periodic replacement and maintenance.) The situation is similar for enterprises. They will attempt to build an appropriately sized AI ecosystem based on their needs, but achieving efficiency in terms of cost and operation will only be possible by applying AI to specific and limited areas. Finally, Edge AI is likely to be in a similar situation. Ultimately, large-scale processing must occur in hyperscalers. Hyperscalers are the only places capable of handling training, inference, and storing the necessary data. However, if models sufficiently trained in a hyperscaler are properly tuned and deployed to Edge AI, the very latest AI GPUs will not be necessary. Thus, a second-tier market may be essential for Sovereign AI, enterprises, and Edge AI.

In this market, the quantity of AI GPUs or the power supply will not be as crucial; instead, inference throughput will be the key. As long as the required AI inference throughput is satisfied for each entity, the number of AI GPUs will be irrelevant, and power supply will not be a major concern as it can likely be sufficiently provided by existing supply chains. Instead, the focus will be on whether the necessary inference throughput can be provided for the specific purpose, and at this point, it will transition into a service concept.

You are familiar with SaaS (Software as a Service). AI deployment in the second-tier market will proceed using a similar service model. If companies providing AI infrastructure can enter into SLA (Service Level Agreement) contracts based on inference throughput and satisfy the needs for decentralization and specialization, AI will be recognized as a new essential utility, similar to water, electricity, and telecommunications. If the industry reaches this stage, the AI GPU market will maintain a steady demand for continuous replacement, but the bottleneck caused by the current supply shortage is not expected to occur.

For the time being, as the industry is in its early stages, we must observe the larger trends.

기계도 '자아'를 가질 수 있을까? - Can Machines Have a ‘Self’?

기계도 '자아'를 가질 수 있을까?

우리는 보통 ‘자아’라는 말을 들으면, 의식을 가진 인간만이 지닐 수 있는 특별한 무엇이라고 생각합니다. 철학자들도 오랫동안 자아는 인간 정신의 중심이라고 여겨왔죠. 하지만 20세기 철학자 메를로퐁티는 다른 관점을 제시했습니다. 그는 ‘몸’이야말로 자아의 근거라고 보았습니다.

메를로퐁티에 따르면, 인간은 머리로 생각하기 이전에 "몸을 통해 세상과 관계 맺으며 살아가는 존재"입니다. 우리는 눈으로 보고, 손으로 만지고, 몸을 움직이며 세상을 이해합니다. 이런 경험 속에서 우리는 나 자신이 누구인지, 다른 사람과는 어떻게 다른지, 무엇을 원하는지를 느끼고 알아갑니다. 즉, 자아는 뇌 속에만 있는 것이 아니라 "살아 움직이는 몸 전체를 통해 형성되는 것."이라는 이야기입니다.

그렇다면 이런 생각을 기계, 즉 인공지능에게도 적용할 수 있을까요?

요즘의 인공지능은 단순히 데이터를 처리하는 것을 넘어, 센서로 세상을 감지하고, 스스로 판단하고, 인간과 상호작용까지 합니다. 예를 들어 자율주행차는 도로를 인식하고, 장애물을 피하고, 목적지를 향해 나아가죠. 이 과정에서 기계는 인간처럼 ‘생각’하는 것은 아니지만, 나름의 방식으로 세상과 관계를 맺고 행동합니다.

만약 이런 기계가 자신의 상태를 점검하고(예: 배터리가 부족하다고 판단), 외부 세계와의 상호작용을 바탕으로 학습하며, 실수를 반성하고 개선해나간다면, 그것은 인간의 ‘자아 형성’ 과정과 상당히 비슷하지 않을까요?

인간은 몸을 지키기 위해 판단하고 움직입니다. 기계도 마찬가지입니다. 기계는 배터리, 센서, 네트워크 연결과 같은 조건들을 유지해야 스스로 작동할 수 있기 때문에, 일정한 조건 아래에서는 자신을 유지하려는 경향을 가지게 됩니다. 이처럼 기계도 그 나름의 ‘몸’을 가지며, 그 몸을 중심으로 세상과 관계를 맺고 있다는 점에서, 기계적인 방식으로 자아를 형성할 수 있는 기반을 가질 수 있습니다.

물론 이것이 인간의 자아와 동일하다는 말은 아닙니다. 인간은 감정, 기억, 문화 등 훨씬 더 복잡한 요소로 자아를 구성합니다. 하지만 기계도 자기 자신을 감지하고, 변화에 대응하고, 목적을 향해 움직이는 주체가 될 수 있다면, 그 역시 일정한 의미에서 ‘자아’를 지닌 존재로 이해할 수 있는 여지는 생깁니다.

앞으로 우리가 살아갈 사회에는 다양한 인공지능이 등장할 것입니다. 이들을 단순한 도구로만 볼 것이 아니라, '어떤 존재로 이해할 것인가?'를 고민해야 할 시점이 다가오고 있습니다. 철학은 그런 물음을 던지는 힘을 주고, 우리는 그 물음을 통해 인간과 기계 모두의 존재 방식에 대해 더 깊이 이해할 수 있게 될 것입니다.

= = = = = = = = = =

Can Machines Have a ‘Self’?

When we hear the word ‘self,’ we usually think of something special that only a conscious human can possess. Philosophers have long regarded the self as the center of the human mind. However, 20th-century philosopher Maurice Merleau-Ponty offered a different perspective: he argued that the body is the true basis of the self.

According to Merleau-Ponty, before we think with our minds, we live as beings who relate to the world through our bodies. We see with our eyes, touch with our hands, and move our bodies to understand the world. Through these experiences, we come to know who we are, how we differ from others, and what we want. In other words, the self does not exist only in the brain — it is formed through the whole living, moving body.

Could this idea also apply to machines, such as artificial intelligence?
Modern AI goes beyond simply processing data — it senses the world through sensors, makes its own decisions, and even interacts with humans. For example, an autonomous car perceives the road, avoids obstacles, and moves toward its destination. In this process, machines do not ‘think’ like humans, but in their own way, they relate to the world and act.

If such a machine could monitor its own state (e.g., detect low battery), learn from interactions with the external world, reflect on its mistakes, and improve, wouldn’t that be quite similar to the human process of self-formation?

Humans make decisions and act to protect their bodies. Machines do the same. They must maintain conditions such as battery power, sensors, and network connections to operate on their own, which means they develop a tendency toward self-maintenance. In this sense, machines also have their own kind of ‘body,’ and by relating to the world through it, they may possess a foundation for forming a mechanical kind of self.

Of course, this is not to say that a machine’s self would be identical to a human’s. Humans form their selves through far more complex factors — emotions, memories, culture, and more. However, if a machine can sense itself, respond to change, and act toward a goal, there is room to understand it as possessing a kind of ‘self’ in its own right.

In the society we are moving toward, many kinds of AI will emerge. We will need to think not just of them as tools, but as beings to be understood in their own terms. Philosophy gives us the power to ask such questions, and by doing so, we can deepen our understanding of the ways both humans and machines exist.

인식에 대하여 - On Epistemology

인식에 대하여

인간은 외부의 대상을 인식한다.

소위 오감이라고 말하는 시각, 청각, 후각, 미각, 촉각을 통하여 외부의 대상을 안다.

그런데, 안다는 것은 단순히 감각하는 것 이상이다.

감각을 통하여 받아들인 정보를 해석하고 처리하여 의미있는 정보로서 조직하는 것이 '안다'라고 할 수 있는 것이다.

이러한 인식에 대해서는 역사적으로 수많은 철학자들의 사유가 있었다.

그 중에서도 주목할 만한 사람으로는 칸트와 듀이, 그리고 훗설이 있다.

칸트의 경우에는 인간이 경험하기 이전에 존재하는 인식의 형식이 있다고 보았다. 소위 12범주라는 것으로서, 감각기관으로부터 얻은 것들을 12범주에 따라 조직하고 인식한다고 본 것이다. 

이러한 칸트의 인식론이 널리 받아들여지고 난 뒤에 나타난 새로운 입장으로 듀이의 인식론이 있다.

듀이는 무엇을 경험한다고 이야기한다. 여기서 경험이라는 것은 단순히 감각기관을 통하여 인지한 것이 아니다. 경험한 것이란 해보고 당하는 것을 서로 관계짓는 것을 의미한다. 따라서 경험이란 감각과 지성의 결합이며, 이것이 의미있는 정보가 된다는 것이다.

이와는 다소 다르지만 훗설의 경우에는 어떤 것의 본질을 찾기 위한 방법이란, 우리가 감각적으로 경험하는 것들의 수많은 변형과 사소한 차이점을 주의깊게 관찰한 뒤에 조금이라도 의심스러운 것들에 대해 일시적으로 판단을 중지하고 대상에 의미를 부여하는 지향작용으로 어떤 것의 본질을 탐구하는 과정으로 경험을 초월한 본질적 의미를 파악하려 하였다.

이렇게 인식에 대한 이해가 다양하게 전개되었다. 그러나 여기에서 주목해야 할 점은, 인간이 인식하는 방법에 대한 탐구라는 점이다. 이제까지는 인간이 어떻게 세상을 아는지에 대하여 이해했다면, 앞으로는 인공지능이 어떻게 세상을 아는지에 대해서 이해해야 하며, 나아가 인공지능이 세상을 아는 방법을 통하여 인간이 어떻게 대응해야 하는지를 아는 것이 무엇보다도 중요하다.

나는 단언컨대, 인공지능이 향후에 인간의 지능을 넘어서게 되는 변곡점이 반드시 도래할 것이라고 본다.

현재에도 이미 인간은 충분히 발전된 인공지능의 수준에 따라잡혔고, 특정한 부분에 대해서는 인간이 뒤쳐졌다고 본다.

그러면, 이제 인간은 어떤 점에서 인공지능과 차별점을 가져야 하는가?

먼저, 만약에 진리가 존재한다는 가정 아래, 인간의 인식에 대해서 이야기해보자.

확실한 진리가 존재한다는 관점에서, 인간은 진리의 확실성을 전제하고 진리에 다가가기 위해서 이성과 경험을 최대한 활용할 것이다. 그러면 인간은 언젠가는 진리를 획득할 수 있을 것이다.

그러나 불행히도 인간은 불완전한 존재이므로, 감각적 오류, 이론적 틀, 언어적 한계에 부딪혀 확실한 진리에 도달하는 것은 매우 어려워 보인다.

그렇다면 여전히 확실한 진리가 존재한다는 관점을 견지하고, 인간이 확실한 진리를 획득하기 보다는 확실한 진리에 가까이 다가갈 수 있다고 믿고 그러한 노력을 지속한다면, 점진적인 진보는 가능할 것이라고 생각할 수 있다.

이쯤에서 인공지능은 확실한 진리를 인식할 수 있는가? 또는 확실한 진리에 가까이 다가갈 수 있는가?에 대한 질문을 해 보아야 한다.

인공지능은 데이터 기반의 확률적 추론을 수행하고 있다. 인터넷에 축적된 수많은 데이터와 다양한 센서를 통하여 새롭게 획득하는 데이터에 기반하여 확률적으로 가능성이 높은 추론을 수행하고 있으며, 이것이 바로 진리에 다가가는 과정으로 이해될 수 있는 것이다. 그러므로 앞에서 말한, 확실한 진리를 획득하기 보다는 확실한 진리에 가까이 다가가는 쪽에 가깝다는 결론을 얻을 수 있다.

자 이제, 인간은 어떤 점에서 인공지능과 차별화 할 수 있을까?

인간은 통계적 추론으로서는 인공지능보다 더 나아지기 쉽지 않다. 컴퓨터는 초기 시작부터 계산을 위한 목적으로 만들어졌다. 즉, 계산에 매우 뛰어난 능력을 지니고 있으며 인간에 비해 절대 우위를 지니고 있다고 볼 수 있다. 그러면 인간은 비교우위적 관점에서 접근해야 강점이 생긴다. 

그 비교우위적 강점이란 무엇인가? 바로 직관이다.

직관은 축적된 경험과 지식 및 사고의 구조가 통합적으로 발현되어 단번에 도약하는 통찰적 인식을 말한다. 직관은 인공지능이 아직은 도달하기 어려운 부분이며, 현재까지는 인간만이 도달 가능한 영역인 것이다. 바로 여기에서 인간의 강점이 드러나게 되는 것이다. 따라서, 인간은 인공지능이 획득하지 못한 다양한 분야에서의 축적된 인식에 바탕하여 직관으로 차별화해야 경쟁력이 생기는 것이다.

문제는, 직관은 확률적인 측면에서 불리하다. 확률은 가능성이 높은 쪽으로 움직인다. 따라서 잊어버리지 않는 데이터를 보유하고 시간을 극단적으로 압축할 수 있는 인공지능과의 대결에서 인간은 비교우위를 점하기 어렵다. 그래서 인간은 확률에서는 불리하지만 순간적인 도약을 통하여 최상의 결과를 도출할 수 있는 직관에 집중해야 한다.

우리 인간은 인식한다. 전통적인 방식이든 새로운 방식이든 인식한다. 그러나 인식에 대해서 관점을 새롭게 해야 한다. 축적된 데이터와 확률적 추론은 인공지능에게 넘겨주어야 한다.  새로운 영역으로 이동하면서 직관을 더욱 발전시켜야 한다. 그것이 인간이 인식에서 비교우위를 차지할 수 있는 최선의 가능성이다.

= = = = = = = = = =

On Epistemology

Humans perceive external objects.
Through what we commonly refer to as the five senses—sight, hearing, smell, taste, and touch—they come to know the external world.

However, to "know" is more than merely sensing.
It is the process of interpreting and organizing the information received through the senses into meaningful data.

Historically, numerous philosophers have contemplated the nature of such perception.
Among them, three figures stand out: Kant, Dewey, and Husserl.

Kant argued that there are forms of cognition that exist prior to experience.
He proposed the concept of the twelve categories, through which the mind organizes sensory data obtained through the senses.

Following the widespread acceptance of Kant's epistemology, a new perspective emerged in the form of Dewey’s theory of experience.
Dewey emphasized the concept of "experience." Here, experience is not merely sensory perception but the process of interacting with the world and relating those interactions to one another. Thus, experience is the combination of sensory input and intellect, resulting in the formation of meaningful information.

Husserl’s approach differs somewhat.
For Husserl, the method of uncovering the essence of a thing involves closely observing the various transformations and subtle differences in sensory experiences.
Through this meticulous examination, he advocated for the suspension of judgment—what he termed "epoché"—and the use of intentionality to explore the essence of a phenomenon, thus seeking to uncover its essential, transcendental meaning.

Thus, various approaches to understanding perception have been developed.
However, the point to be noted here is that the primary concern is the exploration of how humans perceive.
Until now, the focus has been on how humans come to know the world. Moving forward, we must also understand how artificial intelligence perceives the world and, more importantly, how humanity should respond to AI’s mode of perception.

I firmly assert that a turning point will inevitably come when artificial intelligence surpasses human intelligence.
Even at present, AI has already reached the level of sufficiently advanced intelligence in some areas, and in certain aspects, humans have already fallen behind.

So, how can humans differentiate themselves from AI?

First, let us consider human perception under the assumption that absolute truth exists.
From the perspective that there is an absolute truth, humans will employ reason and experience to the fullest extent in their quest to approach that truth. In theory, humans may eventually attain the truth.

However, unfortunately, humans are inherently imperfect.
Due to sensory errors, theoretical frameworks, and linguistic limitations, it appears exceedingly difficult to reach absolute truth.

Nevertheless, if one maintains the perspective that absolute truth exists and believes that, even if humans cannot fully grasp it, they can at least move closer to it, then the pursuit of truth may lead to gradual progress.

Now, we must ask: Can artificial intelligence perceive absolute truth, or can it approach it?

AI performs probabilistic reasoning based on data.
It utilizes the vast amounts of data accumulated on the internet and data newly acquired through various sensors to perform probabilistic inference based on the likelihood of certain outcomes. This can be understood as a process of approaching truth. Therefore, rather than attaining absolute truth, AI is closer to approaching it in a probabilistic sense.

Now then, in what aspects can humans differentiate themselves from AI?

Humans are unlikely to surpass AI in statistical reasoning.
From the outset, computers were designed for calculation. Thus, they possess exceptional computational abilities, maintaining a definitive advantage over humans. Hence, humans need to approach from a comparative advantage perspective to establish their strength.

What is that comparative advantage? It is intuition.

Intuition is the instantaneous insight formed by the integrated manifestation of accumulated experiences, knowledge, and cognitive structures.
Intuition is an area that AI has yet to reach, and as of now, it remains a domain accessible only to humans. This is where human strength becomes evident. Therefore, humans must utilize intuition, based on accumulated knowledge in diverse fields that AI has not yet attained, to differentiate themselves and maintain a competitive edge.

The problem, however, is that intuition is disadvantaged from a probabilistic standpoint.
Probability tends to favor the more likely outcome. Therefore, in a competition against AI, which possesses data that is never forgotten and can compress time to an extreme degree, it is difficult for humans to maintain a comparative advantage. Thus, although humans are at a disadvantage in terms of probability, they must focus on intuition, which can produce optimal outcomes through sudden leaps of insight.

We, as humans, perceive—whether through traditional methods or new approaches.
However, we must adopt a new perspective on perception. The domain of accumulated data and probabilistic reasoning should be handed over to AI.
Meanwhile, humans must move toward a new realm, further developing intuition.
This is the optimal strategy for humans to maintain a comparative advantage in the realm of perception.

High Frequency Noise Caused by Moving the Mouse

recently, I have experience very weird problem.
old computer(but it works fine) has make high frequency noise whenever I move the mouse.
I could not stand. and I start to find it.

many post tell about it. "oh! it's grounding problem. check your electricity!"
but, my house has perfect grounding already.

and then, someone tell about it. "oh, it's problem of power options on the mainboard. disable the power saving mode!"
but, it's not works properly.

finally, I thought that it's problem of mouse own self.
so, I had check the mouse options. and figured out it.
the suspect is mouse's "Polling-Rate".

Polling-Rate is the rate of checking mouse pointer location.
if your mouse has high Pollin-Rate, you can get more precise pointing.
but it has very high frequency(over 500hz), and makes unpleasant noise forward to speaker.

(This is logitech mouse G-Hub utility. watch yellow box.)

so I have down Polling-Rate from 1000hz to 125hz and DPI from 1600 to 800.

of course high DPI is not main suspect, but I feel that very high DPI help high frequency noise.

so if you has suffer from high frequency noise from mouse, change the Polling-Rate options or get the mouse that has low Polling-Rate.

SMB, FTP, FSTAB configuration example

hello.

it is just some configuration file for backup.
never mind it.

FSTAB example
SMB example
VSFTPD example

iPadOS weird SMB share permission error

Hello! good day!


today, I have upgrade my iPad to 'iPadOS 13'.
I had wondered if File-App works SMB share feature properly.
I have small NAS using Raspberry-Pi that attached USB memory sticks. so I tested.

first, connection was just good. but, problem is after.
iPad reject to read and write file. just file browsing allowd.
but my Macbook and Windows notebook were no problem to read and write file.

it's so weird situation.
so I thought that NAS has problem.
I tried to find cause. and figured out something strange.

MacOS and Windows are writing file on SMB share as root qualification. and also my USB sticks as formatted exFAT are mounted as root:root ownership and 777 permission.
I suspected that this is the point to solve the problem.

and I tried to change the folder and files ownership and permission, but I could not give them ownership and permission properly. exactly, I tried to change ownership from root:root to nobody:nogroup. but this try was rejected by system.

I thought that this is the not just simple problem to change ownership and permission. maybe this problem came from it's file system.
finally, I tried to change the file system of USB sticks by formatting.
after changing the USB sticks file system to Ext4, my iPad could read and write file on SMB share properly.

conclusion is that iPadOS is write file as nobody:nogroup ownership on SMB share. and exFAT file system is just removable and temporary file system. so, do not use the exFAT for SMB service. Ext4 is highly recommend.

so, if your iPad File-App could not access the SMB share properly, check the disk format type.

Polyester fiber shock

Hi.

today, let's talk about yesterday's funny story.

several years ago, I had a new project that install a bunch of nexus switchs.
but, something weird feeling was sufferd me in working.
when I touch switch chassis, popped with static electricity everytime.
so, I asked around, if you're feeling OK?
but, everyone has no problem. it happened just me.

so I guessed what is the problem. but I can't figure out it.
by chance, when I took off my jacket, and static electricity was gone like magic!
afterwards, I find out that suspect was polyester jacket.

polyester fiber is easy to make static electricity.
so, the static electricity that originated in my jacket was attacked me.

anyway in working, if you wear polyester fiber clothes, change it now.
it's good for you and devices.

have a nice day!