AI 뉴스

구글, AI 에이전트 결제용 암호화폐 기반 프로토콜 공개

페이지 정보

작성자 xtalfi
작성일 2025.09.16 23:43
1,086 조회
0 추천
0 비추천

본문

745ee9e5912205f45de90e7406170b91385z.png

(퍼플렉시티가 정리한 기사)

Google은 화요일 Agent Payments Protocol(AP2)을 공개하며, 통합된 스테이블코인 지원을 통한 AI 에이전트 기반 상거래를 위한 표준화된 인프라 구축에 대한 주요한 추진을 발표했다. 이 오픈소스 프로토콜은 이미 Coinbase, Mastercard, PayPal, American Express, 그리고 Salesforce를 포함한 60개 이상의 조직으로부터 지원을 확보했다.


이 프로토콜은 AI 에이전트가 점점 더 자율적인 구매 결정을 처리함에 따라 중요한 인프라 개발을 나타낸다. 인간이 개시하는 거래를 위해 설계된 전통적인 전자상거래 시스템과 달리, AP2는 AI 에이전트가 검증 가능한 승인 체인과 거래 책임을 유지하면서 안전하게 결제를 개시할 수 있는 프레임워크를 생성한다.


암호화폐 통합이 에이전트 상거래를 강화하다


이 프로토콜의 가장 중요한 혁신은 Coinbase 및 이더리움 재단과 협력하여 개발된 암호화폐 통합에 있습니다. Google Cloud의 Web3 책임자인 James Tromans는 이 시스템이 “기존 결제 레일의 역량과 헤리티지뿐만 아니라 스테이블코인과 같은 앞으로 도입될 기능까지 모두 반영하도록 처음부터 구축되었다”고 말했습니다.


Coinbase의 파트너십은 자체 AI 및 암호화폐 결제 인프라와의 상호운용성을 보장하며, 이 협업은 MetaMask 등 다른 암호화폐 업체로도 확장됩니다. Coinbase 개발자 플랫폼의 엔지니어링 책임자 Erik Reppel은 그들의 공통 목표를 강조하며 “우리는 모두 AI가 서로에게 가치를 전송할 수 있는 방법을 찾기 위해 노력하고 있다”고 밝혔습니다. 이 통합에는 또한 암호화폐 지갑에서 AI 기반 구매를 가능하게 하는 x402 프로토콜 지원도 포함됩니다.


이중 명령 보안 아키텍처


AP2는 암호화 서명이 된 디지털 위임장을 사용하여 에이전트 거래를 승인하는 정교한 보안 모델을 적용합니다. 시스템은 두 가지 별도의 승인을 요구합니다. 첫 번째는 에이전트가 특정 제품을 검색하고 판매자와 협상하는 것을 승인하는 “의향 위임장(intent mandate)”, 두 번째는 상품이 확인된 후 최종 구매를 승인하는 “장바구니 위임장(cart mandate)“입니다.


완전 자동화된 구매의 경우, 이 프로토콜은 에이전트가 장바구니 위임장을 자동으로 생성할 수 있도록 허용하지만, 가격 한도, 시간 제약, 참여 조건 등 더 상세하게 명시된 의향 위임장이 요구됩니다. 이러한 이중 위임장 시스템을 통해 사용자 제어를 유지하면서 에이전트 활동에 대한 추적 가능한 감사 경로를 제공하여 사기 방지를 보장합니다.


기존 구글 프로토콜을 기반으로 구축하기


AP2는 4월에 출시된 Google의 기존 Agent2Agent(A2A) 프로토콜을 확장하는 것으로, 이는 다양한 플랫폼과 공급업체 간의 AI 에이전트 간 통신을 표준화했습니다. 결제 확장 기능은 또한 Anthropic의 Model Context Protocol(MCP)과 통합되어, 에이전트 간 상호작용과 거래를 위한 포괄적인 프레임워크를 만듭니다.


Google은 GitHub에서 완전한 기술 사양을 제공하고, 표준화 기구를 통한 지속적인 협업을 통해 개방형 개발에 대한 의지를 강조했습니다. 회사 임원들은 더 넓은 결제 및 기술 커뮤니티가 참여하는 “개방적이고 협력적인 과정”을 통해 이 인프라를 구축하겠다는 헌신을 강조했습니다.

댓글 0
전체 954 / 185 페이지
손목밴드에서 조정을 하는 것 같고 전작과 많이 달라졌습니다.AI 기능으로 번역도 가능하네요..https://www.meta.com/kr/ai-glasses/meta-ray-ban-display/
1073 조회
0 추천
2025.09.18 등록
조금 전 메타가 AI 기능이 있는 안경을 비롯하여 중요한 키노트를 진행하였습니다.CNET이 준비한 키노트 요약입니다.RAYBAN 과 새로 제작한 안경이 큰 화제입니다.
1157 조회
0 추천
2025.09.18 등록
마이크로소프트가 코파일럿 메모장과 그림판 연동기능을 제공하기 시작했으며이 기능은 오피스365를 사용하지 않아도 코파일럿을 이욯하면 이용할 수 있다.예를 들어 메모장은 다음과 같은 기능을 갖게 된다.-요약: 긴 텍스트를 간략하게 요점만 추려내고, 문서의 핵심을 빠르게 파악할 수 있습니다.- 쓰기: 프롬프트나 선택한 텍스트를 활용해 새로운 문장을 AI로 쉽고 빠르게 작성합니다.- 다시 쓰기: 선택한 내용을 AI가 어투, 길이, 명확성 등 다양한 스타일로 변환해 줍니다.또한 그림판은 다음과 같은 기능을 추가하게 된다.- 프로젝트 파일 저장 기능: 그림판에서 작업을 .paint 파일로 저장해 언제든 이어서 편집이 가능.- 불투명도(Opacity) 슬라이더: 연필 및 브러시 도구의 투명도를 원하는 대로 조절해 더 섬세한 혼합이나 레이어링 효과 주기.- 크기 및 불투명도 슬라이더 병행 사용: 두 슬라이더를 활용해 부드럽게 배합하고 다양한 질감의 그림 그리기.
1100 조회
0 추천
2025.09.18 등록
(퍼플렉시티가 정리한 기사)중국 AI 스타트업 DeepSeek은 획기적인 R1 모델 훈련 방식에 관한 새로운 세부 정보를 세계적인 권위지 네이처(Nature)의 동료검토 논문을 통해 발표했습니다. 이 논문에서는 기존 경쟁 모델 대비 극히 적은 비용으로 순수 강화학습만을 사용해 첨단 추론 능력을 달성한 방법을 공개했습니다.항저우에 본사를 둔 이 회사는 자사의 R1 추론 모델 훈련 비용이 단 29만 4천 달러에 불과하며, 기반 베이스 모델의 개발 비용은 약 600만 달러였음을 처음으로 공개했습니다. 총 630만 달러가 소요된 것으로, 이는 미국의 기술 기업들이 개발한 경쟁 모델이 수천만 달러에 달하는 것과는 극명한 대조를 이룹니다.순수 강화학습의 획기적인 발전DeepSeek의 주요 혁신은 연구자들이 “순수 강화 학습(pure reinforcement learning)“이라고 부르는 방식을 사용해 R1을 개발한 점에 있으며, 이는 인간이 만든 예시에 의존하는 기존의 감독 학습(supervised learning) 방식과는 다른 접근법입니다. 이 과정에서 모델은 인간이 선택한 추론 방식에 따르도록 학습시키는 대신, 올바른 답변에 도달할 때 보상을 받도록 설계되었습니다.네이처(Nature) 논문에 따르면, DeepSeek의 접근법은 모델이 인간이 제시한 전략을 따르지 않고도 자체적인 추론 전략을 개발하고 자신의 작업을 검증할 수 있는 능력을 갖추게 해주었습니다. 회사는 자체 시도에 대해 별도의 알고리즘을 사용하지 않고 추정치를 활용해 점수를 매길 수 있게 해주는 Group Relative Policy Optimization(GRPO)이라는 기법을 활용했습니다.“이 모델은 AI 연구자들 사이에서 매우 영향력이 컸습니다,“라고 오하이오 주립대(Ohio State University) 콜럼버스 소재 AI 연구원인 Huan Sun은 말했습니다. “2025년 현재까지 LLM에서 강화 학습을 수행하는 거의 모든 연구가 어떻게든 R1로부터 영감을 받았을지도 모릅니다”.5단계 훈련 과정완전한 R1 학습 과정은 감독 학습(fine-tuning)과 강화 학습을 번갈아가며 진행하는 여러 단계로 구성되었습니다. 이 과정은 딥시크(DeepSeek)의 V3-Base 모델을 수천 개의 ‘콜드 스타트’ 데이터 포인트로 파인튜닝하는 것으로 시작했고, 이후 순수 강화 학습을 통해 추론 능력을 향상시켰습니다.수렴에 가까워지면 시스템은 리젝션 샘플링(rejection sampling) 방식을 사용했습니다. 여기서 모델은 강화 학습 실행에서 성공적인 예시 중 최상의 예시를 선택해 자체 합성 훈련 데이터를 생성했습니다. 이 합성 데이터는 이후 글쓰기나 사실 기반 질문응답 등 다양한 영역에서 DeepSeek-V3-Base의 감독 학습 데이터와 통합되었습니다.동료 평가 중인 최초의 주요 LLMR1은 엄격한 동료 평가 과정을 거친 최초의 대형 언어 모델을 의미합니다. Nature 논문을 심사한 허깅페이스의 머신러닝 엔지니어 루이스 턴스톨은 이를 “매우 환영할 만한 선례”라고 평가하며, 훈련 과정이 공개되지 않으면 AI 시스템이 위험을 초래하는지 평가하기 어렵다고 언급했습니다.이 동료 평가 과정에서 DeepSeek는 훈련에 사용된 데이터 유형과 안전 조치를 포함한 기술적 세부 사항에 대한 설명을 추가하게 되었습니다. 이 모델은 오픈소스 특성을 유지하면서도 OpenAI의 o1 모델에 필적하는 추론 벤치마크 성능을 달성하였습니다.성능 및 접근성Hugging Face에서 1월에 출시된 이후, R1은 복잡한 문제 해결을 위한 플랫폼에서 가장 많이 다운로드된 모델이 되었으며, 다운로드 수는 1,090만 회를 넘어섰습니다. 이 모델은 AIME 2024 수학 벤치마크에서 pass@1 점수 79.8%를 기록하여 OpenAI o1의 79.2%를 소폭 앞섰습니다.DeepSeek의 혁신은 AI 개발 비용 및 성능 향상을 위해 모델 크기와 연산 능력을 늘려야 한다는 확장 법칙에 대한 기존의 통념에 도전장을 내밀었습니다. 회사는 비교적 덜 강력한 H800 칩을 사용해 성공을 거두었으며, 이 칩은 2023년 미국의 수출 통제로 중국 내 판매가 금지된 바 있습니다. 이러한 성과는 향후 AI 개발 방향에 대한 논의를 촉진하고 있습니다.
1071 조회
0 추천
2025.09.18 등록
홈으로 전체메뉴 마이메뉴 새글/새댓글
전체 검색
회원가입