아마존

아마존 노바를 기반으로 이미지 속 개인정보를 자동으로 식별하고 마스킹하는 기술을 소개합니다. 멀티모달 모델과 전문 도구를 결합하여 데이터 보안과 운영 효율성을 동시에 확보합니다.

아마존 노바 포지를 활용한 다중 턴 강화학습 인프라 구축 방안을 제시합니다. 기업용 AI 에이전트의 복잡한 워크플로우 수행 능력을 높이기 위한 기술적 요건과 비용 관리 전략을 설명합니다.

아마존 웹 서비스가 기업용 생성형 인공지능 플랫폼인 아마존 베드록에서 미니맥스의 최신 파운데이션 모델을 제공합니다. 기업은 이를 통해 보안 환경에서 소프트웨어 엔지니어링과 에이전트 기반 작업을 수행할 수 있습니다.

아마존이 크라우드소싱 기반 데이터 라벨링 서비스인 메카니컬 터크의 신규 가입을 중단합니다. 인공지능 모델의 고도화에 따라 단순 노동 기반 데이터 수집 모델이 변화를 맞이했습니다. 앞으로 인공지능 학습 데이터 시장은 전문화된 데이터 큐레이션 중심으로 이동할 전망입니다.

아마존 세이지메이커 다중 턴 강화학습은 순차적인 단계별 작업을 수행하는 에이전트 학습에 최적화되어 있습니다. 복잡한 에이전트 행동과 보상 해킹 위험을 관리하기 위해 격리된 시뮬레이션 환경 구축과 독립적인 외부 평가 체계가 필수적입니다. 서버리스 실행 방식과 다양한 알고리즘 라이브러리를 통해 효율적인 학습이 가능합니다.

생성형 인공지능 기술을 악용한 정교한 피싱 공격이 증가하면서 기존 보안 방식의 한계가 드러나고 있습니다. 아마존 베드록의 파운데이션 모델을 도입해 이메일의 맥락과 행동 패턴을 분석하는 새로운 보안 전략을 제시합니다.

아마존 웹 서비스가 베드록 에이전트코어 메모리에 메타데이터 필터링 기능을 추가했습니다. 이 기능은 대화 기록에서 정확한 정보를 추출해 검색 정확도를 높입니다. 벤치마크 테스트 결과 답변 정확도가 기존 40%에서 64%로 상승했습니다.

기업이 다수의 AI 에이전트를 도입함에 따라 발생하는 통신 관리 부담을 해결하기 위해 중앙 집중식 게이트웨이 패턴을 제안합니다. AWS 서비스를 활용해 에이전트 간 연결을 단순화하고 보안 정책을 통합하는 방법을 설명합니다.

아마존웹서비스가 정부 전용 클라우드인 AWS GovCloud에서 엔비디아와 오픈AI의 최신 인공지능 모델을 지원합니다. 보안 규정을 준수하면서도 고성능 인공지능 기술을 활용할 수 있는 환경이 마련되었습니다.

아마존 베드록 에이전트코어는 생성형 AI 에이전트의 복합적인 상호작용을 위해 AG-UI 프로토콜을 도입했습니다. 이 기술은 에이전트와 프론트엔드 간의 통신을 표준화하여 개발 효율성을 높입니다.