[reinvent 2025] [신규 출시] Amazon Nova Forge: Amazon Nova를 활용한 맞춤형 첨단 모델 구축

들어가며

기존 모델의 한계와 Nova Forge의 필요성

Nova Forge는 이러한 문제를 해결해 기업이 빠르게 모델을 개발하고 지적 재산을 통합할 수 있도록 지원하며, 강력한 기초 모델을 기반으로 맞춤형 모델을 구축해 비즈니스 가치를 창출할 수 있습니다.

Nova Forge를 통해 개발할 수 있는 모델로는 작년에 소개된 모델, 어제 발표된 Nova 2 모델, 그리고 프리뷰 중인 Nova Lite 모델이 있습니다.  이 모델들은 산업 벤치마크에서 뛰어난 성능을 보여주며, 기업은 이를 기반으로 고유 데이터를 결합해 맞춤형 모델을 구축할 수 있습니다.

Building a Foundation Model

기초 모델은 빈 모델(empty) 상태에서 시작하며, 이 단계는 모델의 구조만 존재하고 데이터는 포함되지 않습니다. 이후 단계별로 데이터를 투입하고 학습을 진행하면서 모델의 이해력과 추론 능력을 점진적으로 강화해 나갑니다.

기업이 특정 분야의 전문 기업이라고 가정할 때, 중간 학습 단계에서 모델은 해당 분야에 특화된 지식을 학습합니다. 중간 학습 단계는 모델이 특정 도메인에서 높은 전문성을 갖출 수 있도록 지원하며, 기업이 보유한 지적 재산(IP)이나 산업 표준 프로세스를 통합하여 모델을 강화할 수 있습니다. 이를 통해 모델은 기업 운영 방식에 최적화된 형태로 학습됩니다.

다음 미세 조정  단계에서는 모델이 기업 맞춤형으로 정밀하게 최적화되도록 합니다.

미세 조정 단계는 모델이 실제 비즈니스 요구사항에 맞게 정확하고 효율적으로 동작하도록 만들며, 기업 지식과 산업 표준을 통합하여 실제 활용 가능한 수준의 전문 모델로 완성됩니다.

마지막으로 모델이 실제 환경에서 올바른 행동을 수행하도록 강화 학습(Reinforcement Learning)을 적용할 수 있습니다.  강화 학습 단계에서는 올바른 행동을 보상하여 모델이 기대한 결과를 지속적으로 학습하도록 합니다. 이를 통해 모델은 단순한 지식 전달을 넘어 실제 상황에서 효율적이고 정확한 의사결정을 내릴 수 있는 능력을 갖추게 됩니다.

Nova Forge 이점

1. 모델 개발의 모든 단계에서 체크포인트에 접근 가능

Nova Forge는 모델 개발의 모든 단계(사전/중간/사후 학습)에서 체크포인트를 제공하여, 기업이 가진 데이터와 목적에 맞춰 적절한 단계에서 학습을 시작할 수 있습니다.

• 사전 학습: 대규모 고유 데이터로 새로운 영역 학습 가능
• 중간 학습: 특정 도메인 데이터로 모델 행동 세밀 조정
• 사후 학습: 이미 학습된 모델에 대한 미세 조정과 강화 학습

이를 통해 데이터를 최적 시점에 투입하여 성능을 높이고, Amazon Nova의 큐레이션 데이터와 혼합해 기존 학습 데이터 손실 문제를 완화할 수 있습니다.

2. 자체 데이터와 Nova가 제공하는 큐레이션 데이터를 혼합

기업은 자체 환경과 도구를 학습 과정에 직접 연결해 모델을 강화 학습시킬 수 있습니다. 단순 입력-출력 학습 외에 다단계 행동과 실제 환경 결과를 평가하며 학습할 수 있으며, 자체 오케스트레이터를 활용해 학습 과정을 직접 제어할 수도 있습니다.

4. 시각적인 워크플로우 혹은 CLI용 push button 레시피 사용

Nova Forge의 Hyperpod 레시피를 활용하면, 복잡한 학습 코드를 직접 작성하지 않고도 클릭 몇 번이나 명령어 입력만으로 모델 학습과 미세 조정을 실행할 수 있습니다. 학습이 완료된 후에는 평가, 모델 배포, 추가 미세 조정까지 UI에서 연속적으로 수행할 수 있으며, Nova 최적화 코드와 데이터 혼합 기능을 통해 효율적이고 빠르게 모델 성능을 향상시킬 수 있습니다.

Nova Forge는 모델 학습뿐 아니라 안전성과 책임성도 제공합니다. 사용자는 Nova가 학습에 사용하는 책임 있는 AI와 안전 데이터를 활용해 자신의 모델을 평가하고, 실시간 제어 기능으로 학습 중 안전성을 보장할 수 있습니다. 또한, 기업 요구에 맞춘 맞춤형 안전 제어가 가능합니다.

결론