검색 - IT세상을 바꾸는 힘 지디넷코리아

ZDNet 검색 페이지

'AWS 세이지 메이커'통합검색 결과 입니다. (2건)

태그
기간
- 3개월
- 1년
- 1년 이전

재검색

포자랩스 "'AI 작곡가' 더 똑똑해져…AWS로 모델 훈련 속도 9배↑"

"인공지능(AI) 기반 작곡 기술이 발전할 수록 AI 모델·데이터 규모가 커졌습니다. 이에 운영 비용이 증가하고 개발 속도가 느려지는 등 여러 이슈가 발생했습니다. 이런 문제를 해결하는 데 아마존웹서비스(AWS) 솔루션이 큰 도움이 됐습니다. 운영 비용을 줄이고 모델 훈련, 개발 환경을 획기적으로 개선해 줬기 때문입니다." 포자랩스 김선웅 최고기술책임자(CTO)는 최근 지디넷코리아를 만나 "작곡 자동화를 위한 AI 모델 훈련·데이터 관리 환경을 개선했다"며 "이 과정에서 AWS 솔루션 도움이 컸다"고 밝혔다. 포자랩스는 AI를 활용해 음원 만드는 플랫폼을 공급하고 있다. 사용자가 음원 콘셉트, 장르, 분위기 등 관련 키워드를 입력하면 AI가 이에 맞는 곡을 만들어주는 식이다. 스케치부터 미디(MIDI) 작성, 사운드 입히기, 믹싱, 마스터링까지 음악 제작 전 과정을 자동화한다. 김 CTO는 약 3년 동안 음원 데이터를 자체 수집했다고 설명했다. 그는 "전문 작곡가 약 10명으로 구성된 팀이 직접 음원 데이터를 생성했다"며 "각 음원에는 장르, 분위기, 템포, 사용 용도 등 구조화된 메타데이터를 구축했다"고 말했다. 그러면서 "이 데이터는 타인 저작물을 활용하지 않아 표절이나 저작권 침해로부터 자유롭다"며 "이를 통해 생성된 음원 역시 법적 리스크 없이 상업적으로 활용 가능하다"고 덧붙였다. "AI 모델·데이터 방대...운영 비용·개발 속도 이슈 발생" 그동안 포자랩스는 온프레미스 기반으로 음원 데이터를 학습하고 서비스를 운영해 왔다. 이에 음원 데이터와 인프라 복잡성이 커질수록 모델 학습 속도 저하와 데이터 관리 어려움을 겪었다. 김 CTO는 "이를 해결하기 위해 내부적으로 분산 학습 환경을 구축했지만 큰 효과를 보지 못했다"며 "일반 네트워크에서 데이터를 주고받는 방식으로는 그래픽처리장치(GPU) 간 연결 속도가 병목 현상을 일으켜 분산 학습 장점을 살리지 못했다"고 설명했다. 인프라 복잡성은 개발 효율성에도 영향을 미쳤다. 프론트엔드 개발자들은 인프라 운영에 대한 전문 지식이 부족했고, AWS 외부 환경에서 개발이 이뤄지면서 내부 백엔드나 데브옵스 팀 지원을 원활히 받기 어려웠다는 설명이다. 결과적으로 서버 내 버그 발생이나 설정 오류에 대한 대응이 늦어졌다. 본래 비즈니스 로직 개발에 집중하지 못하는 상황까지 겹쳤다. 또 키워드 프롬프트 버전 관리와 보안 정책 적용이 수작업으로 진행된 탓에 거대언어모델(LLM) 활용 비효율성까지 덩달아 증가했다. "세이지메이커·아마존 베드록으로 비용·보안 다 잡아" 김 CTO는 AWS의 '아마존 세이지메이커'와 '아마존 베드록' 도입을 통해 문제 해결에 나섰다고 밝혔다. 모델 개발부터 학습, 운영 비용 등 개발 전반에 걸쳐 전환점을 경험했다는 설명이다. 세이지메이커는 모델을 쉽게 구축·학습·배포할 수 있도록 지원하는 AWS의 통합 플랫폼이다. 개발자와 데이터 과학자가 효율적으로 모델을 개발하고 운영할 수 있게 돕는다. 아마존 베드록은 거대언어모델(LLM) 기반 애플리케이션을 빠르고 안전하게 개발·배포할 수 있도록 지원한다. 우선 포자랩스는 세이지메이커의 '트레이닝 플랜'을 활용해 고성능 GPU 인스턴스를 미리 예약 구매했다. 해당 플랜은 사용 기업이 GPU를 이용하기 전 일정 할당량을 선구매하는 시스템이다. 김 CTO는 "이는 클라우드 자원을 필요할 때마다 즉시 사용하는 온디맨드(on-demand) 방식보다 훨씬 비용 효율적"이라며 "온디맨드 대비 최대 69%까지 비용을 줄일 수 있었다"고 강조했다. 포자랩스는 세이지메이커의 '하이퍼팟(HyperPod)'을 도입해 분산 학습 환경도 개선했다. 김 CTO는 "단 3일 만에 분산 학습 환경을 구축했다"며 "여러 대 컴퓨터를 동시에 연결해 AI를 훈련하는 '멀티노드 학습'까지 원활히 진행했다"고 강조했다. 이어 그는 "기존 온프레미스 환경보다 최대 9배 빠른 속도로 모델을 훈련 수 있었다"고 말했다. 김 CTO는 "세이지메이커는 네트워크 병목이나 GPU 간 연동 문제없이 효율적인 개발 환경을 제공한다"며 "이로 인해 모델 개발 속도는 빨라지고, 학습 결과물 품질도 한층 향상됐다"고 덧붙였다. 포자랩스는 아마존 베드록 도입 후, LLM 운영 핵심 과제였던 프롬프트 버전 관리와 보안 정책 적용에서도 개선을 이뤘다고 설명했다. 김 CTO는 "기존에는 AI에 프롬프트를 입력한 후 어떤 반응이 나오는지 직접 보고 일일이 기록해야 했다"며 "문장을 조금씩 바꿔가며 테스트할 경우에도 그에 따른 결과를 수기로 정리해야 했다"고 지적했다. 이어 그는 "실험을 정확하고 효율적으로 하기엔 어려움이 있었다"고 밝혔다. 현재 포자랩스는 아마존 베드록 도입 후 프롬프트의 변경 이력과 결과를 자동으로 기록하고 관리하고 있다. 또 테스트나 오류 발생 시 롤백(이전 상태 복원) 작업도 체계적이고 안정적으로 수행할 수 있었다는 설명이다. 김 CTO는 아마존 베드록으로 보안 정책을 간편하게 설정할 수 있다고 강조했다. 아마존 베드록 가드레일이 욕설이나 혐오 표현, 개인정보 등 민감 콘텐츠를 자동 필터링할 수 있게 돕는다는 이유에서다. 그는 "AWS 콘솔 환경에서 비개발자도 손쉽게 보안 설정을 다룰 수 있다"며 "서비스 전반의 AI 안전성과 운영 편의성이 크게 올랐다"고 덧붙였다. "AI 에이전트, 맞춤형 음악 시대 앞당길 것" 김 CTO는 아마존 베드록 중심으로 AI 기반 작곡 기능을 확장할 계획이라고 밝혔다. 김 CTO는 "현재 키워드뿐 아니라 문장 단위 명령어로도 맞춤형 작곡을 할 수 있는 기능을 개발 중"이라며 "품질 향상을 위해 지속적인 테스트를 거치고 있다"고 말했다. 그러면서 "자연어는 사람이 상상하기 어려운 창의적 결과물을 만들어낼 수 있다"며 "다양성과 유연성 측면에서 큰 장점을 갖고 있다"고 주장했다. 앞서 포자랩스는 이달 14~15일 서울 코엑스에서 열린 'AWS 서밋 서울'에서 아마존 베드록을 활용한 생성형 AI 음악을 소개하기도 했다. 데모 'AI 뮤직 프로젝트' 데모를 통해 고객이 상상하던 AI 작곡 기술을 실제 경험할 수 있도록 구현했다. AWS 서밋 서울 기조연설 시작 전 처음으로 전 곡이 공개됐다. 그는 AI 에이전트 시대에도 작곡 업무 자동화 기술이 더 발전할 것이라고 내다봤다. AI 에이전트가 단순히 장르나 분위기만을 고려해 음원을 생성하는 것이 아니라, 실제 사용될 환경에 맞춰 결과물을 제각각으로 만들 것이라는 설명이다. 김 CTO는 "같은 음악이어도 광고 버전과 카페용 버전 등 공간에 어울리는 구성과 흐름을 AI로 자유롭게 변형할 수 있는 시대가 올 것"이라고 예측했다. 이어 그는 "AI 에이전트가 최적의 곡 구성을 자동으로 결정할 수 있을 것"이라며 "우리도 작곡가 생산성을 높이고 맞춤형 음악 제작 효율성을 극대화하는 데 큰 역할을 할 것"이라고 강조했다.

2025.05.19 16:29김미정

AWS, 데이터 통합 혁명 선언…'세이지메이커'로 AI 개발 속도↑ 비용↓

"기업은 고속 SQL 분석과 페타바이트 규모의 빅데이터 처리, 테이터 탐색·통합, 모델 개발, 생성형 인공지능(AI) 기능을 한 플랫폼으로 통합하고 싶어 합니다. 새로운 '세이지메이커'를 통해 더 낮은 가격으로 개발 속도를 높일 수 있습니다." 맷 가먼 아마존웹서비스(AWS) 최고경영자(CEO)는 6일까지 미국 라스베이거스에서 열린 'AWS 리인벤트'에서 한 플랫폼에서 목적에 맞게 모델 개발과 데이터 분석을 지원하는 솔루션 '아마존 세이지메이커' 새 시리즈를 4일 공개하며 이같이 밝혔다. 차세대 세이지메이커는 오늘부터 사용할 수 있다. 현재 세이지메이커 유니파이드 스튜디오는 프리뷰 버전으로 제공되고 있으며, 빠른 시일 내에 정식 출시될 예정이다. "세이지메이커 유니파이드 스튜디오, 빠른 협업·구축 도와" 세이지메이커 유니파이드 스튜디오는 조직 전반의 데이터를 쉽게 찾고 접근할 수 있게 돕는다. 목적에 따라 구축된 AWS 분석, 머신러닝(ML)과 AI 기능을 통합해 고객이 모든 유형의 일반적인 데이터 사용 사례에서 최적의 도구로 데이터를 활용할 수 있도록 돕는다. 이 과정에서 아마존 Q 디벨로퍼 지원을 받는다. 오늘날 수십만 고객이 세이지메이커로 ML 모델을 구축하고 학습, 배포하고 있다. 또 많은 고객들이 SQL 분석과 검색 분석, 빅데이터 처리, 스트리밍 분석을 포함한 광범위한 워크로드를 지원하기 위해 AWS의 포괄적인 목적별 분석 서비스 세트에 의존하고 있다. 고객들은 점차 이러한 도구들을 단독으로 사용하지 않고 분석, ML, 생성형 AI를 조합해 인사이트를 도출하고 사용자를 위한 새로운 경험을 제공하는 데 사용하고 있다. 이런 고객들은 분석, ML, 생성형 AI를 위한 친숙한 AWS 도구로 모든 데이터에 쉽게 접근할 수 있다. 팀 또는 조직의 다른 구성원들과 데이터 프로젝트에서 쉽게 협업할 수 있는 통합 환경의 이점을 누릴 수 있다. 세이지메이커 유니파이드 스튜디오는 아마존 베드락을 비롯한 아마존 EMR, 아마존 레드시프트, AWS 글루, 기존 세이지메이커 스튜디오에서 고객이 현재 사용 중인 독립형 스튜디오, 쿼리 에디터, 시각적 툴을 한데 모아 제공한다. 고객은 이런 쉽게 접근해 데이터를 검색·준비하고, 쿼리나 코드를 작성하고, 데이터를 처리함으로써 ML 모델을 구축할 수 있다. 사용자는 세이지메이커 유니파이드 스튜디오의 아마존 베드록 통합 개발 환경(IDE)로 에이전트, 가드레일, 지식 기반, 플로우 등 아마존 베드락의 고성능 기반 모델과 도구를 사용해 빠르고 쉽게 생성형 AI 애플리케이션을 구축하고 배포할 수 있다. 세이지메이커 유니파이드 스튜디오에는 데이터 검색, 공유, 거버넌스 기능이 기본으로 제공돼서 분석가, 데이터 과학자, 엔지니어는 원하는 보안 제어 및 권한을 적용하고 액세스 제어를 유지한다. 이를 통해 데이터를 보호하면서 사용 사례에 필요한 올바른 데이터를 쉽게 검색하고 찾을 수 있다. "세이지메이커 레이크하우스로 데이터 사일로 줄인다" 새로운 세이지메이커 레이크하우스는 데이터 레이크와 데이터 웨어하우스, 운영 데이터베이스, 엔터프라이즈 애플리케이션 전반의 데이터를 통합해 세이지메이커 유니파이드 스튜디오 내에서 데이터에 쉽게 액세스하고 작업할 수 있게 돕는다. 아파치 아이스버그(Apache Iceberg)와 호환되는 익숙한 AI와 ML 도구, 쿼리 엔진을 사용할 수 있다. 개발자는 주요 서비스형 소프트웨어(SaaS) 애플리케이션과의 새로운 제로-ETL(zero-ETL) 통합을 진행할 수 있다. 복잡한 데이터 파이프라인 없이 분석이나 ML을 위해 세이지메이커 레이크하우스와 아마존 레드시프트에서 서드파티 SaaS 애플리케이션의 데이터에 쉽게 접근할 수 있다. 세이지메이커 레이크하우스는 아마존 S3 데이터 레이크, 레드시프트 데이터 웨어하우스, 연합데이터 소스에 저장된 데이터에 대한 통합 접근을 제공한다. 이를 통해 데이터 사일로를 줄이고 데이터가 물리적으로 어떻게 어디에 저장되어 있든 쉽게 쿼리할 수 있도록 한다. 세이지메이커의 이 새로운 아파치 아이스버그 호환 레이크하우스 기능을 통해 고객은 세이지메이커 유니파이드 스튜디오에서 또는 아파치 아이스버그 오픈 표준과 호환되는 친숙한 AI 및 ML 도구와 쿼리 엔진으로 모든 데이터에 접근하고 작업할 수 있다. 고객은 데이터가 물리적으로 어떻게 어디에 저장되어 있든 선호하는 분석 및 ML 도구를 데이터에 사용해 SQL 분석, 임시 쿼리, 데이터 과학, ML, 생성형 AI를 포함한 사용 사례를 지원할 수 있다. 세이지메이커 레이크하우스는 레이크하우스의 모든 분석 및 AI 도구에서 데이터에 일관되게 적용되는 통합된 세분화된 접근 제어를 제공함으로써 고객이 권한을 한 번 정의하고 조직 전반에서 데이터를 안전하게 공유할 수 있도록 한다. SaaS 앱과 제로-ETL 통합…데이터에 빠르고 쉽게 접근 AWS는 제로-ETL을 통해 수작업 없이 데이터 통합을 수행하고 고객이 필요한 곳에서 데이터를 쉽게 얻도록 돕는다. 아마존 오로라 MySQL과 포스트그레SQL, 아마존 RDS 포 MySQL, 아마존 다이나모DB, 아마존 레드시프트와 제로-ETL 통합이 포함돼 고객이 분석과 ML을 위해 레드시프트와 세이지메이커 레이크하우스에서 인기 있는 관계형·비관계형 데이터베이스의 데이터에 빠르고 쉽게 접근할 수 있도록 돕는다. 운영 데이터베이스와 데이터 레이크 외에도 많은 고객이 중요한 엔터프라이즈 데이터를 SaaS 애플리케이션에 저장하고 있으며, 분석 및 ML을 위해 이 데이터에 쉽게 액세스할 수 있는 이점을 누릴 수 있다. SaaS 애플리케이션과의 새로운 제로-ETL 통합 기능은 고객이 애널리틱스와 AI를 위해 세이지메이커 레이크하우스와 레드시프트에서 젠데스크(Zendesk)와 SAP와 같은 애플리케이션을 통해 자사 데이터에 쉽게 접근할 수 있도록 한다. 가먼 CEO는 "이는 구축하기 어렵고 비용이 많이 들며, 관리가 복잡하고, 시간에 민감한 인사이트 접근을 지연시킬 오류가 발생하기 쉬운 데이터 파이프라인의 필요성을 제거한다"며 "SaaS 애플리케이션을 위한 제로-ETL 통합 기능은 전체 데이터 동기화, 증분 업데이트·삭제 감지, 대상 병합 작업에 대한 모범 사례를 통합한다"고 강조했다. 이어 "운영 전반에서 데이터를 진정으로 활용하기 위해 기업은 데이터 위치에 관계없이 모든 데이터에 원활하게 접근할 수 있어야 한다"며 "해당 솔루션이 기업의 이슈를 해결할 것"이라고 덧붙였다.

2024.12.04 10:46김미정