정부, AI 학습용 데이터 15억건 푼다

과학기술정보통신부와 한국지능정보사회진흥원(NIA)이 'AI 학습용 데이터 구축사업'을 통해 구축한 학습용 데이터셋 310종을 오는 7월말까지 'AI허브'를 통해 순차적으로 개방한다. 데이터 건수로는 15억 건에 해당하는 역대 최대 규모다.

4월 30일 과기정통부에 따르면 올해 개방하는 데이터는 310종으로 역대 최대 규모다. 지난해 구축 분야를 기존 6대 분야에서 제조·로보틱스·교육·금융·스포츠 등 14대 분야로 확장했기 때문이다. 이번에 310종 약 15억 건의 데이터 개방을 완료하면 AI허브 이용자들은 총 691종, 약 26억 건 데이터를 활용할 수 있게 된다. 기업, 연구자, 개발자 등 누구나 AI허브를 통해 학습용 데이터를 활용할 수 있다.

과기정통부 관계자는 "올해는 대규모 개방인 점을 고려해 품질검증을 먼저 마친 데이터를 우선 개방한다"며 "매월 약 80여 종 내외를 개방해 7월말까지 전체 310종 개방을 완료할 계획"이라고 말했다.

AI허브에 공개되는 데이터들은 국제 표준에 맞는 품질기준을 달성하고 개인정보 비식별화를 거친 경우에 해당한다. 기업·기관들이 실제 사용하고 있는 AI 모델에 직접 데이터를 학습시켜 유효성과 정확성 등을 확인하는 활용성 검토도 받는다. 또 개방 이후 약 3개월 동안 사용자들로부터 데이터 품질 요구사항, 오류 등 의견을 반영해 데이터 품질 제고를 위한 보완 과정을 거칠 예정이다.

과기정통부 엄열 인공지능정책관은 "챗GPT 등 초거대 AI 등장으로 AI 산업이 빠르게 발전하고 있다"며 "우리 기업들과 연구자들이 새로운 데이터 확보에 어려움을 겪지 않도록 기존의 라벨링 데이터(지도학습용) 중심 사업을 개편해 초거대 AI 학습에 필요한 대규모 비라벨링 데이터와 한 번에 여러 가지 유형을 학습시킬 수 있는 다중임무형 라벨링 데이터 등 다양한 유형의 데이터를 지속 확보해 나갈 예정"이라고 밝혔다.