Amazon Web Services 한국 블로그
Amazon Bedrock Guardrails – 책임 있는 AI 정책에 맞춘 맞춤화된 보호 장치 구현 (미리 보기)
책임 있는 인공 지능(AI) 전략의 일환으로 이제 Amazon Bedrock Guardrails(미리 보기)을 사용하여 사용 사례와 책임 있는 AI 정책에 맞게 사용자 지정된 보호 장치를 구현함으로써 사용자와 생성형 AI 애플리케이션 간의 안전한 상호 작용을 촉진할 수 있습니다. AWS는 교육과 과학에 중점을 두고, AI 수명 주기 전반에 걸쳐 책임 있는 AI를 통합할 수 있도록 개발자를 지원함으로써 사람 중심의 […]
Amazon Bedrock Agent 정식 출시 – 향상된 오케스트레이션 제어 및 추론 가시성 제공
지난 7월에 Amazon Bedrock용 에이전트(미리보기)를 소개했습니다. 오늘부터 Amazon Bedrock용 에이전트를 정식 버전으로 사용할 수 있습니다. Amazon Bedrock용 에이전트는 여러 단계의 태스크를 오케스트레이션하여 생성형 인공 지능(AI) 애플리케이션 개발을 가속화하는 데 도움이 됩니다. 에이전트는 파운데이션 모델(FM)의 추론 기능을 사용하여 사용자 요청 태스크를 여러 단계로 분할합니다. 개발자 제공 지침을 사용하여 오케스트레이션 계획을 만듭니다. 그런 다음 회사 API를 호출하고 […]
Amazon SageMaker Clarify – 파운데이션 모델 평가 기능 출시 (미리 보기)
Amazon SageMaker Clarify에서 이제 파운데이션 모델(FM) 평가(미리 보기)가 지원됩니다. 이제 데이터 과학자 또는 기계 학습(ML) 엔지니어는 SageMaker Clarify를 사용하여 정확성, 견고성, 창의성, 사실적 지식, 편향, 유해성 등의 지표를 기반으로 몇 분 만에 FM을 평가, 비교 및 선택할 수 있습니다. 이 새로운 기능은 SageMaker Clarify의 기존 기능에 추가되어 ML 데이터 및 모델의 편향을 감지하고 모델 예측을 […]
Amazon SageMaker Inference – 파운데이션 모델 배포 비용과 지연 시간 감소
오늘, 배포 비용을 최적화하고 지연 시간을 줄이는 데 도움이 되는 새로운 Amazon SageMaker 추론 기능을 발표합니다. 이 새로운 추론 기능을 사용하면 동일한 SageMaker 엔드포인트에 하나 이상의 파운데이션 모델(FM)을 배포하고 각 FM에 예약되는 액셀러레이터 수와 메모리 양을 제어할 수 있습니다. 이렇게 하면 리소스 활용도를 높이고 모델 배포 비용을 평균 50% 절감하며 사용 사례에 따라 엔드포인트 규모를 […]
Amazon SageMaker – 안내식 워크플로를 통한 모델 패키징 및 배포 가속화
이제 Amazon SageMaker에서 개선된 모델 배포 경험을 통해 기존 기계 학습(ML) 모델과 파운데이션 모델(FM)을 더 빠르게 배포할 수 있습니다. 데이터 사이언티스트 또는 ML 실무자는 이제 SageMaker Python SDK의 새로운 ModelBuilder 클래스를 사용하여 모델을 패키징하고 로컬 추론을 수행하여 런타임 오류를 검증하며 로컬 IDE 또는 SageMaker Studio 노트북에서 SageMaker를 배포할 수 있습니다. SageMaker Studio의 새로운 대화형 모델 […]
Amazon Bedrock – 파운데이션 모델 평가 기능 출시 (미리보기)
이제 Amazon Bedrock에서의 고객의 사용 사례에 가장 적합한 파운데이션 모델(FM)을 평가, 비교 및 선택할 수 있다는 소식을 알려드리게 되어 기쁩니다. Amazon Bedrock에서의 모델 평가 기능은 현재 평가판으로 사용 가능합니다. Amazon Bedrock은 자동 평가와 인적 평가 중에서 선택할 수 있는 옵션을 제공합니다. 정확도, 견고성, 독성과 같은 사전 정의된 지표로 자동 평가를 사용할 수 있습니다. 친근감, 스타일, […]
Amazon Bedrock 미세 조정 및 지속적인 사전 훈련 기능 정식 출시
오늘부터 Amazon Bedrock에서 자체 데이터를 사용하여 비공개로 안전하게 파운데이션 모델(FM)을 사용자 지정할 수 있습니다. 그런 다음 도메인, 조직 및 사용 사례에 맞는 특정 애플리케이션을 구축할 수 있습니다. 사용자 지정 모델을 사용하면 회사의 스타일, 의견, 서비스를 반영하는 고유한 사용자 경험을 만들 수 있습니다. 미세 조정을 수행하면 태스크별로 레이블링된 훈련 데이터 세트를 제공하여 모델 정확도를 높이고 FM을 […]
AWS 주간 소식 모음 – AWS Control Tower, Bedrock, OpenSearch Service 업데이트 등
북반구 사람들이 초가을 날씨를 즐기고 호박이 미국 현지 파머스 마켓과 커피 향을 장악하고 있는 지금, re:Invent 2023도 50일 앞으로 다가왔습니다! 하지만 re:Invent 시즌에 본격적으로 돌입하기 전에, 지난주에 있었던 흥미로운 소식과 발표를 살펴보겠습니다. 지난 주 출시 사항 다음은 제 관심을 끌었던 몇 가지 출시 소식입니다. AWS Control Tower – AWS Control Tower는 규제 요구 사항을 충족하고 […]
Amazon Bedrock 정식 출시 – 개발자를 위한 파운데이션 모델 기반 생성형 AI 애플리케이션 구축 서비스
올해 4월에 AWS에서 생성형 AI를 구축할 때 사용할 수 있는 새로운 도구 세트의 일부로 Amazon Bedrock을 출시 예고 하였습니다. Amazon Bedrock은 AI21 Labs, Anthropic, Cohere, Stability AI 및 Amazon과 같은 선도적인 AI 회사의 고성능 파운데이션 모델(FM)과 생성형 AI 애플리케이션 구축을 위한 광범위한 기능을 제공하여 개발을 간소화하는 동시에 개인 정보 보호와 보안을 유지하는 완전관리형 서비스입니다. 오늘은 […]
Amazon Bedrock 지식 기반 미리보기 – 파운데이션 모델을 위한 에이전트 기반 기업 데이터 소스 연결 기능
지난 7월에 AWS는 개발자가 작업을 수행하는 생성형 AI 애플리케이션을 만들 수 있는 새로운 기능인 Amazon Bedrock 에이전트 미리 보기를 발표했습니다. 오늘 에이전트를 사용하여 파운데이션 모델(FM)을 회사 데이터 소스에 안전하게 연결할 수 있는 새로운 기능을 소개하게 되어 기쁩니다. 새로운 지식 기반(Knowledge base) 기능과 함께 에이전트를 사용하면, FM을 지속적으로 재훈련하지 않고도 모델이 보다 연관성 높고 상황에 맞는 […]