2026. augusztus 25., kedd · Eszközök

AWS: mesterséges intelligenciával automatizált metaadat-javítás és harmonizálás

Az AWS hivatalos blogbejegyzése egy munkafolyamatot mutat be, amely nagy nyelvi modellek segítségével automatizálja a különböző forrásokból származó adathalmazok metaadatainak összehangolását. A cég állítása szerint a rendszer az Amazon Bedrock szolgáltatást használja sématovábbítási javaslatokhoz, míg az S3 tárolja a sémákat és eredményeket, a DynamoDB a feladatokat követi, a Cognito hitelesít, az ECS pedig a számítást biztosítja. A leírás szerint a folyamat a feltöltött fájlok párhuzamos ellenőrzésével indul: a sémastruktúra egyezését és az egyes mezők értékeit is vizsgálja. Hibák esetén a rendszer célzott javítási javaslatokat generál, amelyeket a felhasználó hagy jóvá, így emberi felügyelet mellett vagy teljesen autonóm ügynök-alapú munkafolyamatként is működhet.

Miért fontos?

A metaadatok kézi harmonizálása szűk keresztmetszet az adatmegosztásban, ezért egy skálázható, AI-alapú automatizálás gyorsíthatja az adatok felhasználhatóságát.

Források

AWS Machine Learning Hivatalos

Említve a tudásbázisban

Kapcsolódó témák

Napi összefoglalók AI eszközök #Amazon Bedrock#metaadat-kezelés

Napi összefoglaló

Ez a hír a 2026. augusztus 25., kedd napi AI összefoglaló része.

Kapcsolódó hírek

Amazon Bedrock AgentCore Gateway: natív OAuth-tokenváltás többbérlős AI-ügynökökhöz

Az AWS hivatalos blogja szerint az Amazon Bedrock AgentCore Identity natívan támogatja az OAuth 2.0 Token Exchange (RFC 8693) szabványt, lehetővé téve a felhasználó nevében történő tokenváltást többbérlős AI-ügynök architektúrákban. Az AWS állítása szerint ezzel megoldható, hogy egy háttérszolgáltatást hívó ügynök megőrizze az eredeti felhasználói azonosságot anélkül, hogy saját jogkörét vagy a felhasználó eredeti tokenjét feltétel nélkül továbbítaná. A cikk egy Okta-integrált, TravelBot nevű referenciaimplementáción mutatja be a JWT-jogosultságok átalakulását és a közönségkötés elvét, amely a bérlők közötti biztonsági elkülönítést szolgálja. A referenciakód az AWS GitHub-tárhelyén lesz elérhető.

Ethernet-hálózatok újragondolása AI-gyárak számára: NVIDIA és Meta bejelentése

Az NVIDIA saját közleménye szerint Spectrum-X Ethernet nevű architektúrája hardveres gyorsítású adaptív útvonalválasztással, célzott torlódáskezeléssel és NIC-alapú terheléselosztással old meg olyan problémákat, amelyekkel a hagyományos Ethernet nem birkózik meg óriási GPU-klaszterekben. A vállalat saját mérései szerint hibaátállásnál 2,68 ezredmásodperces a késleltetés a hagyományos Ethernet 1,08 másodpercéhez képest. Ezzel párhuzamosan a Meta bejelentette a MetaRoCE nevű, saját fejlesztésű RDMA-átviteli protokollját, amelyet milliós GPU-számú AI-infrastruktúrára terveztek, és amelynek specifikációját, referencia-implementációját az Open Compute Projecten keresztül teszi elérhetővé.

AWS központi katalógust hozott létre AI-ügynökök és MCP-szerverek felfedezésére

Az AWS hivatalos bejelentése szerint közzétette az Agentic Resource Discovery (ARD) nyílt specifikációt, amely az AI-ügynökök, eszközök és Model Context Protocol (MCP) szerverek felfedezését hivatott egységesíteni. Ehhez kapcsolódóan bemutatták az AWS Agent Registry szolgáltatást, egy központi, kereshető katalógust ügynökök, MCP-szerverek és eszközök számára. A rendszer regisztrációkra és rekordokra épül: adminisztrátorok hozzák létre a katalógust, közzétevők írják le erőforrásaikat, kurátorok hagyják jóvá vagy utasítják el a bejegyzéseket, a felhasználók és AI-ügynökök pedig hibrid (szemantikus és kulcsszavas) kereséssel találják meg a jóváhagyott erőforrásokat. Az AWS állítása szerint ez megoldja, hogy a szervezetekben elszigetelten kezelt AI-eszközök ne skálázódjanak egyetlen kliensen túl.

Google nyílt forráskódú eszköze titkosított AI-számítást tenne egyszerűvé

A Google bemutatta a HEIR nevű nyílt forráskódú fordítóeszközt, amely a cég szerint lehetővé teszi, hogy hagyományos, titkosítatlan adatokra épített, előre betanított AI-modellek titkosított bemeneteken is fussanak. A homomorf titkosítás lényege, hogy a szerver a titkosított adatokon számol anélkül, hogy hozzáférne a valódi tartalomhoz; a Google szerint ez hasznos lehet spamszűrésnél, csalásfelismerésnél vagy hálózati behatolás észlelésénél. A fejlesztők Python kódot írnak, megjelölik a titkosítandó adattípusokat, a HEIR pedig ezt fordítja homomorf végrehajtásra, bár a folyamat még nem teljesen automatizált. A cikk szerint Hacker News-felhasználók a teljesítményt kritizálták, mivel a homomorf titkosítás akár ezerszeres számítási többletet is okozhat, ami megkérdőjelezi a kereskedelmi alkalmazhatóságot.