본문 바로가기
728x90
반응형

인공지능

 (1815)
Google Antigravity AI 에이전트 작업 추적과 협업을 위한 Artifacts 활용 방법 정리 이 글은 AI 에이전트에게 복잡하고 장기적인 작업을 맡길 때 발생하는 작업 추적의 어려움을 어떻게 해결할 수 있는지에 대해 다룹니다. 특히 에이전트의 의도와 진행 상황을 시각적으로 공유하는 핵심 도구인 Artifacts의 개념과 등장 배경, 주요 기능, 단계별 활용 방식, 그리고 피드백을 중심으로 한 협업 구조까지 정리합니다. AI 에이전트와 보다 명확하고 효율적으로 협업하고 싶은 분들을 위한 기술 정리 글입니다.AI 에이전트 작업에서 발생하는 문제와 한계AI 에이전트가 단순한 요청을 넘어 크고 복잡한 작업을 수행하기 시작하면, 사용자는 다음과 같은 문제를 겪게 됩니다.에이전트가 현재 무엇을 하고 있는지 알기 어렵다작업이 어느 단계까지 진행됐는지 추적하기 힘들다중간에 방향을 수정하거나 피드백을 주기 어렵..
MedGemma 1.5와 MedASR로 진화하는 의료 AI - 고차원 의료 영상 해석과 의료 음성 인식의 새로운 기준 의료 AI는 왜 멀티모달로 진화하는가의료 산업은 데이터의 종류와 복잡성이 매우 높은 분야입니다. 영상, 텍스트, 음성, 시계열 데이터가 동시에 존재하며, 이 모든 정보는 서로 분리되어 있지 않고 긴밀하게 연결되어 있습니다. 이러한 특성 때문에 의료 분야에서의 인공지능은 단일 데이터 유형을 처리하는 수준을 넘어, 여러 형태의 데이터를 함께 이해하는 멀티모달 AI로 빠르게 발전하고 있습니다.Google Research는 이러한 흐름에 맞춰 MedGemma 1.5와 MedASR라는 오픈 의료 AI 모델을 공개했습니다. 이번 글에서는 이 두 모델이 어떤 배경에서 등장했으며, 기존 버전 대비 어떤 기술적 진보가 있었는지, 그리고 개발자 관점에서 어떤 활용 가능성을 갖는지를 체계적으로 살펴봅니다.MedGemma 프..
AI 거버넌스, 이제 IT의 다음 전장이 되다 - 비정형 데이터 시대, 왜 거버넌스가 핵심 과제가 되었을까? AI는 더 이상 실험 단계의 기술이 아닙니다. 이제 기업의 핵심 운영과 전략 한가운데에 자리 잡았습니다. AI가 실제 업무 환경에서 사용되기 시작하면서, 정확도나 성능보다 더 중요한 질문이 등장했습니다.“이 AI를 우리는 신뢰할 수 있는가?”이 글에서는 AI가 본격적으로 운영 단계로 넘어오면서 왜 **AI 거버넌스(AI Governance)**가 IT와 클라우드 인프라 리더들의 핵심 과제가 되었는지, 특히 비정형 데이터 거버넌스가 왜 중요한 이슈로 떠오르고 있는지를 정리합니다.AI는 실험을 끝내고 ‘운영’으로 이동했다AI는 이제 파일럿 프로젝트나 연구소 안에 머물지 않습니다.조사에 따르면 71%의 기업이 AI를 전사 규모로 실제 배포하고 있으며, 이는 AI가 이미 일상적인 업무와 비즈니스 프로세스에 깊숙..
PPO에서 GDPO까지: 강화학습 정책 최적화 알고리즘의 진화와 의미 대규모 언어 모델(LLM)과 생성형 AI가 실무에 본격적으로 적용되면서, 단순히 “말을 잘하는 모델”을 넘어 “의도한 방향으로 행동하는 모델”을 만드는 것이 핵심 과제가 되었습니다.이를 가능하게 하는 기술이 바로 **강화학습(Reinforcement Learning, RL)**이며, 그중에서도 정책(policy)을 직접 최적화하는 알고리즘들은 빠르게 진화해 왔습니다.이 글에서는 **PPO(Proximal Policy Optimization)**에서 시작해 DPO, GRPO, 그리고 최신 GDPO로 이어지는 정책 최적화 알고리즘의 흐름을 정리하고, 각 알고리즘이 어떤 문제를 해결하기 위해 등장했는지, 그리고 왜 GDPO가 주목받고 있는지를 차분히 살펴봅니다.강화학습이 LLM에 필요한 이유기본적인 언어 모델..
Openwork란 무엇인가? 로컬에서 실행되는 오픈소스 데스크톱 AI 코워커 완전 정리 파일은 내 컴퓨터에, 제어권은 사용자에게 있는 AI 도구AI를 업무에 활용하는 것이 자연스러워졌지만, 여전히 많은 사용자가 불안함을 느낍니다.내 파일이 외부 서버로 전송되는지, 어떤 데이터가 저장되는지, 실제로 무엇을 하고 있는지 알기 어렵기 때문입니다.Openwork는 이러한 문제의식에서 출발한 프로젝트입니다.이 글에서는 Openwork가 어떤 도구인지, 기존 AI 서비스와 어떤 차이가 있는지, 실제로 어떤 기능을 제공하는지, 그리고 어떻게 사용하는지까지 단계적으로 살펴봅니다.Openwork 개요Openwork는 데스크톱 환경에서 실행되는 오픈소스 AI 코워커입니다.단순히 질문에 답변하는 챗봇이 아니라, 사용자의 파일과 문서를 기반으로 실제 작업을 수행하는 것을 목표로 합니다.핵심 개념은 다음과 같습니..
Claude-Mem(claude-mem)이란? - Claude Code 세션 간 컨텍스트를 자동으로 기억하는 메모리 플러그인 정리 Claude Code를 사용하다 보면 이런 경험이 있습니다.세션이 종료되면 이전에 했던 작업 맥락, 의사결정, 버그 수정 이력이 모두 사라지고, 다시 처음부터 설명해야 하는 상황 말이죠.**Claude-Mem(claude-mem)**은 바로 이 문제를 해결하기 위해 만들어진 플러그인입니다.Claude Code 세션이 종료되더라도 프로젝트 맥락을 자동으로 저장하고, 다음 세션에서 다시 불러와 지속적인 작업 흐름을 가능하게 해줍니다.이 글에서는 Claude-Mem의 개념, 등장 배경, 핵심 기능, 아키텍처 특징, 그리고 간단한 사용 방법까지 정리해봅니다.Claude-Mem이 필요한 이유와 등장 배경Claude Code는 강력한 AI 코딩 도구이지만, 기본적으로 세션 기반 컨텍스트를 사용합니다.즉, 세션이 끝..
SciNO: Neural Operator 기반 확산 모델로 여는 차세대 인과 순서 추론 기술 고차원 데이터 시대, 인과 추론은 어디까지 왔을까?최근 인공지능 모델은 단순히 잘 예측하는 것을 넘어, 왜 그런 결과가 나왔는지 설명할 수 있는지가 중요한 기준이 되고 있습니다. 특히 복잡한 데이터 환경에서 신뢰할 수 있는 의사결정을 내리기 위해서는 변수 간 **인과 관계(Causality)**를 명확히 이해하는 것이 필수적입니다.이번 글에서는 NeurIPS 2025에서 발표된 LG AI연구원의 최신 연구, **SciNO(Score-informed Neural Operator)**를 중심으로 고차원 데이터 환경에서도 확장 가능하고 안정적인 **인과 순서 추론(Causal Ordering)**을 가능하게 하는 새로운 접근법을 정리합니다.기존 인과 발견 기법의 한계는 무엇이었는지, SciNO는 이를 어떻게 ..
OpenContext란 무엇인가? - AI 어시스턴트의 컨텍스트 기억 문제를 해결하는 개인 지식 저장소 AI 어시스턴트를 활용해 개발이나 문서 작업을 하다 보면, 며칠 전 이야기했던 배경 설명이나 결정 사항이 사라져 다시 설명해야 했던 경험이 있을 것입니다. 프로젝트가 커질수록 이런 반복은 생산성을 크게 떨어뜨립니다.이 글에서는 AI가 맥락(Context)을 잃지 않도록 돕는 솔루션, OpenContext가 무엇인지, 왜 등장했는지, 어떤 구성 요소와 특징을 가지고 있는지, 그리고 실제로 어떻게 사용하는지까지 한눈에 이해할 수 있도록 정리합니다.AI 작업에서 발생하는 근본적인 문제컨텍스트는 왜 자꾸 사라질까?AI 어시스턴트는 대화나 세션 단위로 동작하는 경우가 많습니다.그 결과 다음과 같은 문제가 반복됩니다.며칠 전 정리한 프로젝트 배경을 다시 설명해야 함다른 저장소(repo)나 세션에서는 이전 의사결정을..
728x90
반응형

티스토리툴바