David Pogue, Why the headphone jack must die

출시전부터 계속 언급되어 왔던 것처럼 아이폰 헤드폰 잭이 사라졌다. 나도 집에 있는 나름 하이엔드 헤드폰들을 보면서 씁쓸한 기분이 들기는 하는데 세월이 바뀌었다는 말 외에는 할 수가 없을 것 같다. 안타깝지만 그냥 시대가 변한거다. 헤드폰 잭을 제거한건 아이폰이 처음은 아니고 모토의 Droid Z도 이미 헤드폰 잭을 제거한바 있다. 두 가지 이유가 있는데 하나는 너무 오래된 기술이라는 것이고 다른 하나는 음질에 관한 문제이다.

3.5mm 잭은 휴대폰에서 가장 오래된 기술이다. 이 커넥터는 1960년대 초반 트랜지스터 라디오와 함께 데뷔했다. 예를 들면 1964년 나온 소니의 EFM-117J 라디오이다. 이것은 8트랙 테이프 플레이어와 소니 워크맨의 오디오 커넥터이다. [expand title=Eng] The 3.5-millimeter jack is the oldest technology that’s still in your phone. This connector debuted with the transistor radio in the early 1960s; it was, for example, on the Sony EFM-117J radio, which came out in 1964. This is the audio connector of the 8-track tape player (1967-ish) and the Sony Walkman (1979).[/expand]

이 오디오 커넥터가 빠지게 됨으로써 방수부터 배터리 용량, 폰 두께까지 여러가지 혜택이 주어질 수 있다. 다른 하나는 음질에 대한 것이다.

당신의 음악은 디지털이다. 구매하는 음악과 스트리밍 하는 곡까지 모두 그렇다. 3.5mm 잭은 아날로그이다. 폰은 저렴한 디지털-아날로그 컨버터(DAC)를 포함하고 있고, 그것의 역할은 디지털 음악 파일의 아웃풋 신호를 고대의 아날로그 헤드폰 잭으로 변환하는 것이다.
[expand title=Eng]
Your music is digital. All of it: The songs you buy, the songs you stream. Alas, the 3.5-millimeter jack is analog. Your phone contains a cheap consumer digital-to-analog converter, whose job it is to convert the signal output from your digital music files to your ancient analog headphone jack. So no matter how much sound quality is locked away in those files, by the time it reaches your headphones, you’ve lost some audio quality along the way.[/expand]

이와 관련되어서는 다음 글을 참고해도 좋다.

예전에 VHS에서 DVD로 변할때 테이프들을 소장용으로 쌓아놓던 사람들은 무슨 생각이 들까 싶었는데 나도 요즘 집에 음악 시디를을 보며 그런 생각이 든다. 그냥 시대가 변했구나 하는 생각만 들 뿐이다.

Apple’s luxury watch dream is over
By Micah Singleton, www.theverge.com

하지만 럭셔리 시계는 끝났다. 애플의 웹사이트에서 흔적을 찾아볼 수 없을 것이다. 애플 와치 에디션 1세대는 럭셔리 와치 소유자들에게 지지를 호소하려는 흔적을 남기고 가장 저렴한 골드 모델의 10배 가격에 팔릴 세라믹 버전으로 교체되었다. 럭셔리 시계 시장에게 애플 와치를 구매하도록 설득하는 것은 사각형 디자인으로는 결코 되지 않을 것이다.
[expand title=Eng]
But now that watch is dead. You won’t find a trace of it on Apple’s website. The first generation Apple Watch Edition has been replaced by a ceramic version that will sell for a tenth of the price of the cheapest gold model, marking the end of Apple’s attempt to woo luxury watch owners. Convincing the luxury watch market to buy an Apple Watch was never going to work with a square design anyway.[/expand]

천 만원에 팔리던 에디션 라인이 세라믹으로 교체되었다. 럭셔리 와치 시장을 공략한다고 시작했던 시도가 실패로 돌아가고 스포츠나 피트니스 쪽에 초점을 맞추는 방향으로 전략이 수정되었다.

Growing up in Generation AI
By Remi El-ouazzane, techcrunch.com

특별한 내용은 없는 기사지만 생각해볼만한 도입부가 있어서 남겨놓는다. 마크 프렌스키가 디지털 네이티브라는 말을 했던 것도 2001년이다. 코호트 세대 구분으로 밀레니얼, Z세대라는 이야기들을 하는데 AI 세대라는 말이 딱히 인구통계적으로 구분되는 개념은 아니지만 생각해볼만한 내용이다.

5살짜리 아이가 엄마가 시리와 이야기하고 아빠가 알렉사와 대화하는 것을 보고있다고 상상해보자. 매일 그런 상호작용을 어떤 생각을 해야하는가? 최근 아이들은 컴퓨터가 마음을 가진 것처럼 보이는 것을 목격한다. 그들의 기계에 대한 인식은 당연시될 수 있고 따라서 우리들과 세계 자체가 다르다.
[expand title=Eng]
Imagine a five-year-old watching Mum talking to Siri, and Dad talking to Alexa, on a daily basis — what must she think of such interactions? Children nowadays witness computers that seem like they have a mind of their own — and even a personality with which to engage. It can be taken for granted that their perception of machines, and thus of the world itself, differs a lot from our own.[/expand]

I세대라는 말은 일반적으로 사용되는 말은 아니지만 다음과 같은 세대를 언급하는 것으로 보인다.

I세대가 선천적으로 아이패드와 스마트폰을 받아들인 것으로 설명되는 것처럼, AI 세대는 마음과 스스로에 대해 사고할 수 있는 지각된 능력을 가진 기계는 물론이고 공감과 카리스마를 갖춘 고도의 인공지능을 가진 기계를 당연하게 받아들일 것이다.
[expand title=Eng]
Just as Generation I demonstrated innate acceptance of iPads and smartphones, Generation AI will take for granted machines with advanced AI: machines with minds and a (perceived) ability to think on their own, and even machines equipped with artificial empathy and charisma.[/expand]

27개월 된 조카가 핸드폰에서 자연스럽게 자기 동영상 찾아서 반복해보는 모습을 보면 신기하다는 생각이 드는데 블루스크린과 밀레니엄 버그를 겪으며 자라난 세대와 인공지능이 자연스러운 것이 된 시대에서 살게 된 세대는 어떻게 달라질까.

AI Can Recognize Your Face Even If You’re Pixelated
By Lily Hay Newman, www.wired.com

픽셀화 (모자이크) 된 이미지는 학습된 기계가 판별해낼 수 있다는 이야기.

모자이크는 시각 미디어의 사적인 부분을 가리기 위해 사용하는 친숙한 도구였다. 흐릿하게 가려진 글자 혹은 얼굴과 번호판은 뉴스와 온라인에 나왔다. 그 기술은 화려한 것은 아니지만 사람들이 왜곡을 통해 보거나 읽을 수 없었기 때문에 잘 작동해왔다. 그러나 문제는 더 이상 인간만이 이미지를 인식하는 달인이 아니라는 사실이다. 컴퓨터의 시각은 점점 견고해지고 있고, 우리가 볼 수 없는 것을 보기 시작했다.
[expand title=Eng]
Pixelation has long been a familiar fig leaf to cover our visual media’s most private parts. Blurred chunks of text or obscured faces and license plates show up on the news, in redacted documents, and online. The technique is nothing fancy, but it has worked well enough, because people can’t see or read through the distortion. The problem, however, is that humans aren’t the only image recognition masters around anymore. As computer vision becomes increasingly robust, it’s starting to see things we can’t.[/expand]

비슷한 종류의 기사를 얼마전에도 읽은 것 같다. 시리의 음성 학습 관련 내용이었던걸로 기억하는데 사람들이 잘 판별해내지 못하는 지역별 사투리도 기계는 명확하게 구분해낼 수 있다는 내용이었다. 기사 본문에는 유투브에서 제공하는 블러링 도구들도 극복해냈다는 이야기도 언급한다.

Machine learning’s next trick is generating videos from photos

MIT 연구자들이 뉴럴네트워크를 통한 알고리즘으로 정지 사진 다음 동작이 어떻게 될지 예측하는 모델을 만들었다는 기사. 플리커에서 받은 이미지들을 통해 학습시킨 것 같다. 아직까지 그림 크기가 작고 몇 초 되지 않으며 약 빤거 같은 이미지들이 나오는 경우도 있지만 시도 자체가 재미있다. 기사 내에 샘플 이미지들이 올라와 있다.

The LMS market glacier is melting

EdTech 분야에서 스타트업들에 대한 투자는 지속적으로 높은 수준을 보여왔다. 그리고 그 중에서 많은 관심을 받는 분야는 LMS쪽이다. 신규 진입자들도 많이 등장하고 있지만 원래부터 자리잡고 있는 지배적인 사업자들이 대부분의 시장점유율을 차지하는 과점 형태를 보이고 있다. 블랙보드 같은 업체들이 대표적이다. 하지만 LMS분야에서 이런 독과점 형태가 무너지고 있다는 기사다. LMS 도입에서 조직보다 개인이 선택할 수 있는 경향이 생겼기 때문이다. 캔버스 같은 서비스는 신규 진입 이용자의 80%정도를 가져간다고 한다.

아마도 중요한 사실은 대부분의 학교가 더 이상 가상 클래스를 운영하기 위한 하나의 시스템을 찾지 않는다는 점이다. 우리는 LMS가 구성요소에 하나일 뿐인 새로운 아키텍처를 디자인하고 있는 기관들을 볼 수 있다. 이러한 움직임은 능력기반교육이나 개인화 된 학습과 같은 폭넓은 교육학적 접근을 가능하게 한다.
[expand title=Eng]
Perhaps most significantly, most schools are no longer looking for just one system to manage the virtual classroom. We are now seeing entire institutions, such as Southern New Hampshire University and University of Maryland University College, designing new architectures where the LMS is but one core component. This move is enabling broader adoption of pedagogical approaches, such as competency-based education and personalized learning.[/expand]

Google Translate now converts Chinese into English with neural machine translation
By Jordan Novet, venturebeat.com

구글이 중국어 번역에 뉴럴 네트워크 기반 머신러닝을 적용한다는 이야기이다. 번역의 품질이 구절 기반으로 번역할때보다 향상되었다고 한다.기존에 구글은 구글 번역에 뉴럴 네트워크를 사용한다고 말해왔지만, 실시간 이미지 번역을 위한 것이었다.

뉴럴 네트워크 기반이 항상 좋은 결과를 내는 것은 아니지만 phrase-based 번역에 비해 60%정도 오류가 줄어들었다는 이야기를 한다.

이번 번역 관련 연구는 여기에서 읽어볼 수 있다.

AI makes pop music in the style of any composer (the Beatles too!)

[iframe id=”https://www.youtube.com/embed/LSHZ_b05W7o”]

1) LSDB라는 데이터 베이스를 만든다. 다양한 스타일과 작곡가들의 리드시트 약 13,000를 포함하고 있다.
2) 인간 작곡가는 FlowComposer라는 시스템을 가지고 스타일과 생성될 리드시트(멜로디+하모니)를 선택한다. Daddy’s Car 경우에는 비틀즈 스타일을 선택했고, Mr. Shadow는 “아메리칸 작곡가” 스타일을 선택했다.
3) Rechord 라는 다른 시스템을 가지고 인간 작곡가는 생성된 리드 시트에 다른 노래의 오디오 녹음에서 일부 오디오 덩어리들을 붙어녛는다.
4) 인간 음악가는 프로덕션과 믹싱을 마무리한다.
[expand title=Eng]
1) We set up a database called LSDB. It contains about 13000 leadsheet from a lot of different styles and composers (mainly jazz and pop about also a lot of Brazilian, Broadway and other music styles).

2) The human composer (in this case Benoît Carré, but we are experimenting with other musicians as well) selected a style and generated a leadsheet (melody + harmony) with a system called FlowComposer. For Daddy’s Car, Carré selected as style “the Beatles” and for Mr. Shadow he selected a style that we call “American songwriters” (which contains songs by composers like Cole Porter, Gershwin, Duke Ellington, etc).

3) With yet another system called Rechord the human musician matched some audio chunks from audio recordings of other songs to the generated leadsheets.

4) Then the human musician finished the production and mixing.[/expand]

창작이라는게 결국 기존 것들의 조합인데 최근 느끼는 건 결국 기존 만들어진 로데이터가 가장 중요한 것 아닌가 하는 생각이 든다.

‘페이스북 방문자 추적기’, 왜 ‘토큰’을 달라고 하시나요?

블로터의 기사인데 여러가지로 재미있어서 올려놓는다. 예전 싸이월드 시절에도 비공식 방문자 추적기 같은 걸 사용하는 사람들이 있었고 내가 아는 가까운 사람도 그걸 사용했었다. 구남친의 여자친구가 계속 자기 미니홈피에 들어오는걸 확인하고 항의했다가 여자친구의 신고로 싸이월드 정지를 받았던 기억이 난다.

페이스북에서도 누가 내 페이지를 방문하는지 궁금해 하는 사람들의 욕망은 여전한가 하는 생각이 든다. 방문자 추적을 위해 토큰을 달라고 하는데 이는 페이스북에서 계정 권한을 넘겨주는 키 같은 것이다. 받아가는 업체가 거의 대부분의 권한을 받아가는 것으로 보인다.

실제 자신의 타임라인을 방문한 사람 데이터를 페이스북으로부터 받아서 제공하는 것은 당연히 아닙니다. 업체 측은 “방문자 추적기는 5가지 가설을 세워서 기능을 넣었다”라며 “100% 완벽하게 추적을 완료하는 게 아니라, 5가지 방법을 교차해서 방문자를 예측하는 서비스”라고 설명했습니다.

페이스북도 아닌데 방문자를 정확히 파악할 수 없고 알고리즘으로 예측하는 수준인데 어떻게 알 수 있겠는가.

WHY DEEP LEARNING IS SUDDENLY CHANGING YOUR LIFE
By Roger Parloff, fortune.com

딥 러닝에 대해 정리한 fortune 기사. 초기 뉴럴 네트워크부터 현재에 이르기까지 과정을 정리하며 왜 딥 러닝이 갑자기 주목을 받게 되었는지에 대해 설명한다. 꽤나 길지만 전반적인 흐름을 이해하기 좋은 기사.

5년 전에 딥 러닝이 무엇인지 모르던 벤처 캐피털리스트도 오늘날 딥 러닝을 하지 않는 스타트업에 대해 경계한다.”우리는 정교한 소프트웨어 애플리케이션을 제작하는 것이 필수가 된 시대에 살고 있다.” 사람들은 곧 “어떤 자연어 처리 버전인가?”,”앱과 대화하기 위해서는 어떻게 해야 하느냐. 나는 메뉴를 클릭하고 싶지 않다”와 같은 요구를 할 것이다.
[expand title=Eng]
Venture capitalists, who didn’t even know what deep learning was five years ago, today are wary of startups that don’t have it. “We’re now living in an age,” Chen observes, “where it’s going to be mandatory for people building sophisticated software applications.” People will soon demand, he says, “ ‘Where’s your natural-language processing version?’ ‘How do I talk to your app? Because I don’t want to have to click through menus.’ ”[/expand]