반응형 전체 글1818 웨이브 ‘AV2.0 임바디드 AI’, 단 2% 데이터로 일본 도로를 정복하다 — 맵 기반 자율주행을 넘어선 데이터 효율의 혁명 자율주행의 본질은 ‘얼마나 많은 데이터를 갖고 있느냐’보다 ‘얼마나 잘 학습하느냐’로 옮겨가고 있다.영국의 자율주행 AI 기업 웨이브(Wayve)는 이 변화를 상징적으로 보여줬다. 최근 일본 실증 테스트에서 **‘AV2.0 임바디드 AI(Embodied AI)’**가 단 몇 달 만에 일본의 복잡한 도로 환경에 완벽히 적응하며, 기존의 지도(Map)-기반 자율주행 시스템을 넘어선 성능을 입증했다. 웨이브의 ‘AI 드라이버(Wayve AI Driver)’는 지도 없이, 단 1%의 현지 데이터로 한 달 만에 ‘제로샷(Zero-Shot)’ 초기 성능 대비 2배 향상을 달성했다. 이후 3개월 동안 2%의 데이터 추가 학습만으로 일본에 최적화된 글로벌 베이스라인 모델을 완성했다.이는 기존 자율주행 모델들이 방대한 .. 2025. 11. 12. 트랜스포머의 ‘확률’ 한계를 넘다 — AUI의 아폴로-1이 여는 행동 중심 AI 시대 대부분의 대화형 AI는 여전히 “다음에 올 단어”를 예측하는 데 머물러 있다. 그러나 실제 비즈니스 업무에서 중요한 건 문장이 아니라 행동이다. 미국 스타트업 AUI(Augmented Intelligence)가 공개한 ‘아폴로-1(Apollo-1)’은 바로 그 지점을 정면으로 파고든 모델이다. AUI는 트랜스포머(Transformers)의 확률적 구조 대신, 신경망(neural network)과 기호 논리(symbolic logic)를 결합한 ‘상태 기반 신경-기호 추론(stateful neuro-symbolic reasoning)’ 모델을 설계했다. 기존 LLM이 문맥에 따라 다음 단어를 예측한다면, 아폴로-1은 기호 상태(symbolic state)에 따라 “다음에 취할 행동(next action)”.. 2025. 11. 12. “앤트로픽이 발표한 혁신! ‘코드 실행 기반 MCP’로 AI 에이전트 비용·지연 대폭 줄인다” 서론최근 AI 생태계에서 주목받는 키워드 중 하나는 바로 Model Context Protocol(이하 MCP)이었습니다. 이 MCP는 Anthropic이 2024년 11월 공개한 오픈 표준으로, AI 에이전트들이 외부 도구·데이터소스와 연결되는 방식을 혁신하려는 시도입니다. 그런데 최근 앤트로픽이 MCP를 도구 호출(tool-call) 방식 대신 코드 실행(code-execution) 방식으로 전환하는 패턴을 제시했어요. 기사에 따르면 이 덕분에 토큰 비용이 수십배 줄고 워크플로우의 효율이 대폭 향상되었다고 합니다.학생님(당신)이 AI, 자동화, 또는 소프트웨어 엔지니어링 과제를 한다면 — 이 변화는 꽤 중요하고 직결될 수 있어요. 왜냐하면 ‘에이전트 + 외부 도구’ 형태의 자동화 시스템에서 비용·지연.. 2025. 11. 11. 구글 Gemini File Search – “RAG 구축이 한 줄로 끝나는 시대” RAG(Retrieval-Augmented Generation) 시스템을 직접 구축해본 개발자라면, 그 복잡함을 잘 알 거야.문서 청킹, 임베딩 생성, 벡터DB 세팅, 쿼리 튜닝까지 — 전부 손이 많이 가지.그런데 구글이 이번에 진짜 미쳤다.Gemini API에 ‘File Search Tool’이 추가되면서 RAG 파이프라인 전체가 코드 한 줄로 끝나버렸다.1. File Search: “RAG를 그냥 API로 불러오기”기존 방식에서는 RAG를 구성하려면 다음 단계를 직접 구현해야 했지.문서를 청킹임베딩 모델로 벡터화벡터 데이터베이스에 저장검색 쿼리 시 관련 문서를 찾아 모델 입력에 주입File Search는 이 전 과정을 자동으로 처리한다.파일을 업로드하면→ 자동 청킹→ Gemini Embedding 모.. 2025. 11. 10. AI에게 ‘시니어 엔지니어의 사고방식’을 심어주는 실전 세팅 가이드 ⚙️ 기본 세팅 구조AI를 3계층으로 나누는 게 핵심이야.Research Layer (조사·분석)Planning Layer (설계·결정)Review Layer (검증·개선)각 계층을 에이전트 단위로 분리해서, AI가 서로 다른 역할을 수행하면서 협력하도록 만든다.결국 네 코드 흐름은 이렇게 변해:👉 “나 → AI → AI끼리 상호검증 → 최종 코드”🧩 1단계: Research Layer 세팅 (정보 수집 자동화)A. @bug-research-agent역할: 버그 재현 + 로그 분석사용 툴: ChatGPT / Claude Code추천 프롬프트: Reproduce this bug using the logs below.Don’t fix it. Just gather:- steps to reproduce- s.. 2025. 11. 10. “AI를 시니어 엔지니어처럼 가르치는 8가지 전략” 요약 및 핵심 인사이트 AI 코딩 어시스턴트를 진짜 잘 쓰는 개발자들은 공통점이 하나 있다.“코드부터 안 친다.”그들은 먼저 AI에게 사고 과정을 훈련시킨다.즉, 문제를 정의하고, 원인을 분석하고, 설계 방향을 제시하도록 AI를 리드한다.이 과정을 통해 AI는 단순한 자동화 도구에서 “생각하는 엔지니어”로 성장한다.이 글에서 소개된 8가지 전략은 그 사고를 시스템화한 방식이다.AI가 네 코드베이스, 네 패턴, 네 습관까지 배워서 “너처럼 일하는 AI”로 진화하게 만드는 과정.1. Reproduce and document (재현하고 문서화하라)무조건 AI에게 먼저 버그를 재현하게 시켜라.“Reproduce this bug. Don’t fix it.”이 한 줄로 AI는 네가 놓칠 수 있는 로그, 재현 경로, 실패 원인을 잡는다.예.. 2025. 11. 10. 이전 1 2 3 4 5 ··· 303 다음 반응형
