AI 뉴스

Suno, YouTube와 Deezer에서 수백만 곡의 음악과 가사를 수집

AI 음악 생성기 Suno가 해킹 사건을 통해 수백만 곡의 음악과 가사를 YouTube Music, Deezer, Genius 등에서 수집한 사실이 드러났다. Suno는 훈련 데이터셋의 내용과 수집 방법을 공개하지 않았으며, 이로 인해 저작권 문제로 여러 차례 소송을 당한 바 있다. 특히 미국 레코딩 산업 협회(RIAA)가 제기한 소송에서 Suno는 저작권이 있는 자료를 사용한 사실을 인정했다.

Suno는 저작권이 있는 자료를 사용하여 AI 모델을 훈련시켰다는 주장으로 소송에 휘말리고 있다.

NVIDIA CUDA 13.3에서의 캐리리스 곱셈 지원

x86 CPU는 15년 이상 캐리리스 곱셈을 위한 전용 하드웨어 명령어를 제공해왔다. 그러나 NVIDIA GPU는 그동안 이 기능을 지원하지 않았다. NVIDIA CUDA 13.3에서는 이 격차를 해소하기 위해 새로운 PTX 명령어를 도입하였다.

NVIDIA CUDA 13.3의 새로운 PTX 명령어는 캐리리스 곱셈을 지원하여 인증된 암호화 및 오류 수정 코드와 같은 기능을 GPU에서 더 효율적으로 수행할 수 있게 한다.

GitHub 초보자를 위한 가이드: GitHub의 기본 이해하기

이 가이드는 GitHub의 기본 개념을 소개하며, 버전 관리 시스템인 Git의 중요성과 사용 방법을 설명한다. Git은 파일 변경 사항을 추적하고, 작업 디렉토리, 스테이징 영역, 로컬 저장소의 세 가지 영역을 통해 작동한다. GitHub 계정을 설정하고 2단계 인증을 활성화하여 보안을 강화하는 방법도 안내한다. 또한, 기본적인 Git 명령어(예: git init, git clone, git commit 등)와 첫 번째 저장소를 만드는 방법, Markdown 사용법에 대해서도 다룬다.

Git은 전 세계에서 가장 널리 사용되는 버전 관리 시스템으로, 코드 변경 사항을 기록하고 이전 버전으로 되돌릴 수 있는 기능을 제공한다.

Graft AI: 회사 운영을 에이전트를 위한 생동감 있는 맵으로 전환

Graft AI는 회사의 운영을 에이전트를 위한 생동감 있는 맵으로 변환하는 기능을 제공한다.

OpenAI의 GPT-Red, 사이버 공격 방어를 위한 LLM 슈퍼 해커

OpenAI는 GPT-Red라는 LLM 슈퍼 해커를 개발하여 다른 모델의 사이버 공격 방어 능력을 강화하고 있다. 최근 출시된 GPT-5.6은 GPT-Red와의 훈련을 통해 가장 강력한 모델로 발전했다. GPT-Red는 소프트웨어 시스템의 안전성을 평가하는 레드팀 테스트를 자동화하며, 새로운 공격 유형인 가짜 사고 체인을 발견하는 등 기존의 인간 테스터보다 효과적으로 공격을 찾아내는 능력을 보여주었다. OpenAI는 GPT-Red를 통해 모델의 방어력을 지속적으로 개선하고 있다.

GPT-Red는 GPT-5.6의 방어 능력을 90% 이상 강화하는 데 기여했다.

Linus Torvalds, AI 사용에 대한 비판 중단 촉구

Linus Torvalds는 AI에 대한 비판이 존재하지만, Linux 프로젝트는 반AI 프로젝트가 아니라고 강조했다. 그는 AI가 유용한 도구임을 인정하며, AI 사용에 반대하는 사람들은 오픈 소스 방식으로 포크하거나 떠날 수 있다고 말했다. Torvalds는 AI가 유지보수자에게 도움이 되어야 하며, 기술적 장점을 기반으로 결정을 내려야 한다고 덧붙였다.

Linux 프로젝트는 AI를 도구로 활용하며, 기술적 우수성을 중시한다.

Dex Horthy와의 대화: LLM의 컨텍스트 엔지니어링

Dex Horthy는 LLM의 컨텍스트 엔지니어링에 대해 논의하며, AI 엔지니어들과의 대화를 통해 얻은 교훈을 공유했다. 그는 코드 품질을 유지하면서 소프트웨어 개발 생애 주기를 자동화하는 방법을 설명했다. Horthy는 2024년 8월부터 AI 에이전트를 구축하기 시작했으며, LLM이 기존 코드베이스를 악화시키는 이유를 분석했다. 그는 '더 많은 컨텍스트가 항상 더 나은 결과를 가져오지 않는다'고 강조하며, '더 똑똑한 모델'의 기준이 컨텍스트 내에서 토큰을 어떻게 활용하는지에 달려 있다고 말했다.

Dex Horthy는 LLM의 컨텍스트 엔지니어링을 통해 소프트웨어 개발의 효율성을 높일 수 있는 방법을 제시하고 있다.

Atlassian, Jira를 개발자와 AI 에이전트를 위한 오케스트레이션 허브로 확장

Atlassian Corp.는 Jira를 업데이트하여 개발자들이 인공지능 에이전트가 수행하는 작업을 준비, 배포 및 추적할 수 있도록 돕는 기능을 추가했다고 발표했다. 새로운 Jira Planner는 불완전한 프로젝트 아이디어를 기술 사양으로 변환하며, Jira Coding Agent와 제3자 에이전트와의 통합을 통해 작업 항목을 요청으로 변환한다.

Jira Planner는 불완전한 프로젝트 아이디어를 기술 사양으로 변환하는 기능을 제공한다.

OpenAI의 첫 번째 브랜드 하드웨어 Codex Micro 출시

OpenAI가 $230에 판매되는 Codex Micro라는 RGB 조명이 있는 미니 키보드를 출시했다. 이 장치는 사용자가 여러 Codex 에이전트를 모니터링하고 빠르게 상호작용할 수 있도록 설계되었다. Codex Micro는 상단 두 줄에 있는 여섯 개의 frosted 키를 통해 최대 여섯 개의 Codex 스레드에 대한 색상 코딩된 실시간 피드백을 제공하며, 스레드의 상태에 따라 키의 색상이 변화한다. 예를 들어, 스레드가 유휴 상태일 때는 흰색, Codex가 생각 중일 때는 파란색, 작업이 완료되었을 때는 초록색으로 표시된다.

Codex Micro는 최대 여섯 개의 Codex 스레드에 대한 실시간 피드백을 제공하여 사용자가 즉각적으로 작업의 상태를 파악할 수 있게 한다.

ELIZA의 소스 코드 발견과 다중 인격 기능

ELIZA는 세계 최초의 AI 챗봇으로, MIT 아카이브에서 실제 소스 코드가 발견되었다. 이 코드는 ELIZA가 단순한 패턴 매칭 챗봇이 아니라 여러 인격을 가질 수 있는 복잡한 프로그램임을 보여준다. ELIZA는 1960년대 중반에 등장하여 인간-컴퓨터 상호작용의 방식을 변화시켰으며, 'Doctor'라는 스크립트를 통해 심리치료사 역할을 수행했다. 이 발견은 초기 AI 개발에 대한 이해를 변화시키고, 현대 AI 개발에 여전히 영향을 미치는 언어와 상호작용에 대한 기본 가정을 드러낸다.

ELIZA의 소스 코드는 복잡한 스크립트 편집 및 맥락 기억 기능을 포함하여 다중 인격을 구현할 수 있는 능력을 보여준다.

NVIDIA T4에서 A100 대비 170배 느린 PyTorch 모델 실행

NVIDIA A100에서 포인트 추적 모델이 반 비디오당 약 0.5초 소요되는 반면, T4에서는 같은 호출이 약 85초 소요되어 170배 느려진다. 비디오는 256×256 해상도의 47프레임으로, 배치는 1이다. 현재 GPU는 99% 활용 중이며, 모델은 GPU에서 실행되고 있다. torch.backends.cudnn.benchmark를 활성화해도 효과가 없고, 두 개의 독립적인 T4 머신에서 동일한 느린 성능이 나타났다.

T4에서 A100보다 170배 느린 성능의 원인을 파악하는 것은 모델 최적화에 중요하다.

AI 연구자로서의 경로와 경험 공유 요청

작성자는 2019년부터 AI와 머신러닝에 관심을 가지게 되었으며, 2022년부터 오디오 및 음악 기술 분야의 AI 연구자가 되기 위해 노력하고 있다. 현재 AI 및 머신러닝 석사 과정을 진행 중이며, 박사 과정을 계획하고 있다. 연구 논문을 ISMIR에 제출했으나 거절당했지만, 피드백을 통해 발전할 기회를 얻었다. AI 연구자들에게 첫 연구 역할을 얻기 위한 자격, 교육, 프로젝트, 출판물 등에 대한 경험을 공유해 줄 것을 요청하고 있다.

Generative SNUPI를 활용한 DNA 오리가미 설계

한국의 과학자들이 DNA 오리가미를 설계하기 위해 Generative SNUPI라는 AI 모델을 개발했다. 이 모델은 사용자가 요청한 형태로 DNA 구조를 설계할 수 있으며, 화학 규칙을 고려하여 DNA 가닥이 특정 형태로 접히도록 지시한다. 연구팀은 서울대학교와 한양대학교 소속이며, 이 연구 결과는 Nature Communications에 게재될 예정이다. Generative SNUPI는 복잡한 형태를 입력받아 이를 DNA 형태로 변환하는 확산 모델을 적용하여 DNA 서열을 생성한다. 이 기술은 약물 전달 및 면역 요법과 같은 생명 구호적 응용 가능성을 지니고 있다.

Generative SNUPI는 DNA 서열을 설계하여 사용자가 요청한 형태로 나노 스케일 복제를 가능하게 한다.

OpenAI의 SWE-Bench Pro 감사 결과와 코딩 평가의 한계

OpenAI의 SWE-Bench Pro 감사 결과, 정밀한 점수가 코딩 능력을 제대로 측정하지 못할 수 있음을 보여주었다. SWE-Bench Pro는 이전 코딩 평가의 약점을 해결하기 위해 설계되었으며, 731개 과제에서 모델 성능이 23.3%에서 80.3%로 증가했지만, OpenAI는 결과의 30%가 결함이 있다고 추정했다. 감사 결과, 200개 과제(27.4%)가 결함으로 분류되었고, 소프트웨어 엔지니어들이 평가한 결과 249개 과제(34.1%)가 결함으로 나타났다. OpenAI는 SWE-Bench Pro의 채택을 권장하지 않기로 했다.

OpenAI는 SWE-Bench Pro의 30%가 결함이 있다고 추정하며, 이는 코딩 평가의 신뢰성 문제를 제기한다.

NVIDIA, 일본과 함께 AI 및 로봇 기술을 모든 산업에 적용

NVIDIA와 일본의 파트너들이 AI 생태계의 최신 발전을 선보이고 있다. NVIDIA CEO 젠슨 황은 일본의 AI 리더들과 만나 AI와 로봇 기술의 융합을 통해 새로운 경제 엔진을 창출할 수 있다고 강조했다. 일본은 정밀 제조와 대규모 제조에서 오랜 역사를 가지고 있으며, AI와 로봇 기술을 결합하여 생산성을 높일 수 있는 기회를 가지고 있다. 또한, 황은 일본의 공급망 리더들과 AI 주도의 미래를 구축하기 위한 논의를 진행했다.

AI와 로봇 기술을 결합하면 일본의 노동력 부족 문제를 해결하고 국가 생산성을 증가시킬 수 있다.

AI 하드웨어 경제와 NVIDIA의 경쟁력 분석

SemiAnalysis의 창립자 Dylan Patel이 Erin Price-Wright, Guido Appenzeller, Erik Torenberg과 함께 AI 인프라의 미래에 대해 논의한다. 이 대화에서는 NVIDIA의 경쟁 우위, Google, Amazon, Meta의 맞춤형 칩의 부상, 최전선 AI 모델의 경제학, 산업의 다음 단계에 영향을 미치는 인프라 제약을 다룬다. 또한 AI 스타트업, 수출 통제, 로봇 공학, 기업 소프트웨어에 대해서도 논의하며, 단순히 NVIDIA를 복제하는 것만으로는 성공적인 AI 하드웨어 회사를 구축할 수 없다는 점을 강조한다.

NVIDIA의 경쟁 우위를 이해하는 것은 AI 하드웨어 개발에 중요한 통찰을 제공한다.

InceptionV1 모델의 1x1 컨볼루션 뉴런 분석

저자는 mechanistic interpretability 분야에서 작업을 시작하였으며, InceptionV1 모델의 1x1 컨볼루션 뉴런을 분석하였다. 이 연구에서는 뉴런이 '보는' 것, 즉 수용 필드와 뉴런의 가중치의 하다마르 곱을 클러스터링하여 뉴런이 감지하는 모든 패턴을 도출하였다. 이 과정에서 자동차, 고양이, 개와 같은 명확한 단일 의미 클러스터와 함께 글자, 인간 얼굴 등 저활성화 클러스터도 발견하였다. 또한, 저활성화 클러스터의 종속 뉴런들이 같은 개념에 반응하며, 긍정적 및 부정적 가중치가 균등하게 분포되어 패턴을 잡아내는 증거를 발견하였다.

InceptionV1 모델의 1x1 컨볼루션 뉴런 분석을 통해 뉴런의 감지 패턴을 클러스터링하는 새로운 기술을 제시하였다.

논리적 의사결정의 실패 원인과 사용자 감정의 중요성

성공적인 서비스를 벤치마킹하여 새로운 기능을 추가하려는 시도가 실패로 이어지는 이유는, 각자의 합리적인 판단이 사용자 감정과 맞지 않기 때문이다. 예를 들어, AI로 콘텐츠를 만드는 조직이 숏폼과 공개 피드 기능을 추가했지만, 사용자들은 개인적인 공간을 원했기 때문에 거부감을 느꼈다. 이처럼 각자의 판단이 일치하지 않아 발생하는 어긋남이 실패의 원인으로 지적된다.

AI로 콘텐츠를 만드는 조직이 숏폼과 공개 피드를 추가할 때, 사용자의 감정과 요구를 고려하지 않으면 실패할 수 있다.

PhiCalNet을 통한 단일 샷 프린지 프로젝션 프로파일로메트리의 깊이 회복 개선

단일 샷 프린지 프로젝션 프로파일로메트리(FPP) 네트워크는 객체 경계에서 깊이를 회복하는 형태 우선 단축을 활용할 수 있다. PhiCalNet은 감싸진 위상 표현 $( ext{sin} heta, ext{cos} heta)$을 출력하고 이를 고정된 미분 가능 보정 레이어를 통해 깊이로 매핑하여 형태 우선 솔루션을 제거한다. PhiCalNet은 객체 평균 절대 오차(MAE)를 3.3배 줄여 4.46mm로 개선하며, 잔여 오차는 $ ext{0.103 ext{%}}$의 픽셀에 국한된다. 세 프레임 확장을 통해 1.16mm까지 도달할 수 있다.

PhiCalNet은 객체 MAE를 4.46mm로 줄여 깊이 회복의 정확성을 높인다.

G-SHARE: 인적 요인 사건 진단을 위한 가이드라인 기반 구조적 추론 프레임워크

G-SHARE는 원자력 발전소의 인적 요인 사건 진단을 위한 가이드라인 기반 구조적 추론 프레임워크로, CNNP의 아홉 단계 진단 가이드를 다단계 진단 파이프라인으로 구현한다. 이 프레임워크는 증거 추출, 단계별 진단 추론, 사후 일관성 수정을 포함하여 보고서 증거의 명시적 사용과 논리적 검증을 가능하게 한다. 중국 원자력 산업 소스에서 실제 인적 요인 사건 보고서 데이터셋이 구축되었으며, 도메인 전문가에 의해 주석이 달린 금표준 하위 집합이 평가에 사용되었다. G-SHARE는 기존의 일회성 프롬프트 및 전통적인 머신러닝 기준을 크게 능가하며, 가장 강력한 버전이 최고의 정확도와 매크로-F1 점수를 기록하였다. 구조적 추론과 일관성 강제는 약한 프롬프트 조건에서 강력한 진단을 위해 중요하다는 결과도 나타났다.

G-SHARE는 인적 요인 사건 진단을 위한 구조적 추론을 통해 안전-critical 산업에서의 지능형 분석을 위한 실용적인 경로를 제공한다.

Mirror Theory와 유효 경로 엔트로피(VPE) 개념 소개

Mirror Theory는 지능형 시스템을 반복적인 반사를 통해 지속할 수 있는 일관된 연속성으로 연구해야 한다고 주장한다. 유효 경로 엔트로피(VPE)는 검증된 연속성 용량을 측정하는 유한 예산 지표로, 미러 상태, 롤아웃 프로토콜, 검증자, 모드 맵을 기반으로 한다. VPE는 성공적인 롤아웃에서 도달 가능한 연속성의 확률과 검증된 연속성 모드의 다양성을 두 부분으로 분해한다. Qwen2.5-1.5B 모델은 160 토큰에서 가장 강력한 미러 호라이즌을 실현했으며, 이는 미러 호라이즌이 단순한 매개변수 수가 아니라 제한된 반사 프로토콜 하에서 접근 가능한 검증된 연속성 용량임을 보여준다.

Qwen2.5-1.5B 모델은 160 토큰에서 가장 강력한 미러 호라이즌을 실현하여, 제한된 반사 프로토콜 하에서의 검증된 연속성 용량의 중요성을 강조한다.

UAE, AI 기반 정부 앱 TAMM 도입 및 AI 전략 발표

아부다비에서 AI는 일상 생활의 일부로 자리잡고 있으며, 'TAMM'이라는 앱이 국가 ID, 건강 보험, 차량 등록 갱신 등을 자동으로 처리한다. UAE는 2017년에 세계 최초의 AI 장관을 임명하고, 2019년에는 세계 최초의 AI 전공 대학인 모하메드 빈 자이드 인공지능 대학(MBZUAI)을 설립했다. UAE의 국가 AI 전략은 2031년까지 AI 중심의 명성을 구축하고, 2030년까지 AI가 GDP의 11%를 기여할 것으로 예상하고 있다.

2026년 AI 엔지니어링의 주요 트렌드

2023년 6월 swyx가 'AI 엔지니어'라는 용어를 만든 이후 AI 엔지니어링은 크게 발전했다. 2026년 AI 엔지니어 월드 페어에서는 AI 시스템 주변의 엔지니어링이 중요해졌으며, 자동화된 에이전트보다 시스템 설계가 강조되었다. 특히, OpenAI의 Codex와 같은 도구를 활용하여 AI 엔지니어와 에이전트 간의 협업이 용이해졌고, '루프' 개념이 AI 엔지니어링의 새로운 제어 계층으로 부각되었다.

AI 엔지니어링은 이제 단순한 모델 프롬프트를 넘어서, 신뢰할 수 있는 시스템을 구축하는 방향으로 발전하고 있다.

Codex Desktop에서 사용자 맞춤형 애니메이션 로봇 생성

Codex Desktop에서 사용자는 GPT-5.6 Sol을 이용해 자신만의 애니메이션 로봇인 'Pedalican'을 만들 수 있다. 이 로봇은 자전거를 타고 움직이며 Codex 작업에 대한 업데이트를 제공한다. 사용자는 gpt-image-2를 통해 필요한 스프라이트 자산을 생성하고, GitHub 리포지토리에는 생성된 이미지와 애니메이션 GIF가 포함되어 있다.

GPT-5.6 Sol을 활용하여 사용자 맞춤형 애니메이션 캐릭터를 생성하는 과정은 게임-ready 스프라이트 제작에 유용한 방법을 제시한다.