Synthetic user data 많은 잠재성을 갖고 있다. 이런 게 가능해진다. 강남 지역 거주하는(심지어 미국, 인도, 일본 등의 지역으로도 가능) 이삼십대 여성 천명을 대상으로 하는 설문조사의 결과를 십분도 안되는 시간만에 받아볼 수 있고 그 천명 중에 어떤 문항에 특정 답을 한 사람들 중 열명을 불러
내서 개별 인터뷰를 할 수 있고 개별 인터뷰에서는 예컨데 최근 친구들과 어디에서 식사를 했는지 그 때 경험은 어땠는지 같은 심층 인터뷰가 가능하고 이를 토대로 설문을 업데이트하고, A/B 테스트를 손쉽게 돌려볼 수 있으며 이 피드백 루프 과정에서 설문 설계/인터뷰 진행 전문성이 빨리 늘어.
이런 표현을 보게됐다. "글을 쓰지 않아도 지식이 쌓이고" Karpathy LLM Wiki를 쓰면 그렇게 할 수 있단다. 이걸 collector's fallacy라고 한다. 긁어 모아서 갖고 있는 거만으로 지식이 된다고 생각하는 버그이다. PKMS를 PIMS로 쓰는 사람들이 이런 착각에 잘 빠지더라.
하이픈은 H라는 요소가 중요한 키가 돼야 한다는 것. 그게 나머지랑 커플링이 일어나야 하기에 인터랙션을 줄이는 게 IA적으로는 좋은 해법이 아니라는 거를 알아야 하고. 슬래쉬는 앞에 것들의 컨디션으로 T가 존재한다는 것. 내 업무중 AC의 T는 무엇인가 그걸 디자인해 넣기. 이 T는 LAM을 고려.