섹션별 상세
아마존 연구상(ARA)은 학계 연구자들에게 제약 없는 연구 자금과 AWS 인프라를 지원하여 AI 및 다양한 학문 분야의 발전을 도모한다. 이번 2025년 봄 사이클에서는 전 세계에서 제출된 수많은 제안서 중 과학적 품질과 사회적 영향력이 높은 63개의 프로젝트를 최종 선정했다.
'AWS AI: Agentic AI' 분야는 이번 사이클에서 가장 많은 수상자를 배출한 영역 중 하나로, 멀티 에이전트 프레임워크, 물리 연구 보조용 LLM 오케스트레이션, 웹 에이전트의 계획 능력 평가 등 에이전트의 자율적 추론과 협업 능력을 높이는 연구들이 포함되었다.
'Build on Trainium' 프로그램은 아마존의 자체 AI 학습 가속기인 Trainium을 활용하여 대규모 파운데이션 모델의 학습 효율을 극대화하는 데 집중한다. CMU 연구팀은 단 일주일 만에 FlashAttention보다 개선된 성능을 구현했으며, MIT는 3D 의료 영상 모델의 처리량을 50% 향상시키는 성과를 거두었다.
'AI for Information Security' 분야에서는 LLM을 활용한 공격 근원 분석, 에이전트 AI를 위한 안전한 API 탐색, LLM의 취약점 탐지 및 해결 등 AI 시스템 자체의 보안과 AI를 활용한 보안 강화 연구가 중점적으로 다루어졌다.
'Think Big' 분야는 단백질 AI 모델 강화, 다중 모드 데이터를 활용한 허혈성 뇌졸중 원인 예측, 확장 가능한 구조 생물학 연구 등 AI 기술을 의료 및 생명 과학 분야의 난제 해결에 적용하는 혁신적인 프로젝트들을 지원한다.
용어 해설
- 트레이니움(Trainium)
- — 아마존이 설계한 머신러닝 학습 전용 가속기이다. 고성능 컴퓨팅 파워를 저렴한 비용으로 제공하여 대규모 모델 학습에 최적화되어 있으며, 연구자들이 대규모 인프라에 접근할 수 있게 돕는 핵심 도구이다.
- 에이전트 AI(Agentic AI)
- — 단순 응답을 넘어 목표 달성을 위해 스스로 계획을 세우고 도구를 사용하며 행동하는 자율적 AI 시스템이다. 이번 연구상에서 가장 비중 있게 다뤄지는 분야로, AI의 실질적 문제 해결 능력을 확장하는 데 중요하다.
- 인간 피드백 기반 강화학습(RLHF)
- — 인간의 피드백을 통해 모델의 출력이 인간의 의도와 가치관에 부합하도록 미세 조정하는 학습 기법이다. 정보 보안 분야에서 인간의 선호도 모호성을 모델링하여 AI의 안전성과 신뢰성을 높이는 데 필수적인 역할을 한다.
- 전문가 혼합 모델(MoE)
- — 모델의 전체 파라미터 중 일부만 활성화하여 추론 효율을 높이는 아키텍처이다. Trainium 환경에서 효율적이고 확장 가능한 MoE 학습을 위한 커널 및 시스템 최적화 연구를 통해 대규모 모델의 운영 비용을 절감할 수 있다.
- 플래시 어텐션(FlashAttention)
- — Transformer 모델의 핵심인 Attention 연산 속도를 개선하고 메모리 사용량을 줄이는 최적화 알고리즘이다. 하드웨어 특성에 맞춘 최적화를 통해 학습 시간을 단축시키며, Trainium에서의 성능 한계를 극복하는 지표로 활용된다.
기술
- AWS Trainium
- AWS Neuron
- LLM
- VLM
- FlashAttention
활용 사례
- 자율 보안 에이전트
- 3D 의료 영상 분석
- 단백질 구조 예측
- 웹 자동화 에이전트
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2025. 11. 26.수집 2026. 02. 21.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
