“존댓말 체계까지 반영”… 엔비디아가 만든 한국 데이터셋 ‘허깅페이스 1위’ 달성

엔비디아의 한국형 합성 데이터셋 ‘네모트론-페르소나-코리아’가 글로벌 인공지능(AI) 개발 플랫폼 허깅페이스에서 데이터셋 부문 1위를 기록했다./엔비디아

엔비디아의 한국형 합성 데이터셋 ‘네모트론-페르소나-코리아’가 글로벌 인공지능(AI) 개발 플랫폼 허깅페이스에서 데이터셋 부문 1위를 기록했다.

엔비디아는 28일 이런 성과를 발표하며 “한국어 특화 데이터셋이 글로벌 커뮤니티에서 높은 주목을 받으며 기술적 완성도와 실용성을 인정받은 사례”라고 했다. 국내 AI 생태계의 경쟁력을 보여주는 주목할 만한 성과라는 것이다.

네모트론-페르소나-코리아는 우리나라의 인구통계학·지리·문화적 특성을 정밀하게 반영한 600만건 규모의 합성 데이터셋이다. 국가통계포털(KOSIS)·대법원·국민건강보험공단·한국농촌경제연구원·네이버 클라우드(NAVER Cloud) 등 신뢰도 높은 공공·민간 데이터를 기반으로 구축됐다.

이름·성별·연령·혼인 상태·교육 수준·직업·거주 지역 등 주요 속성은 실제 통계 수치를 따른다. 존댓말 체계와 지역별 직업 패턴 등 한국어와 문화적 맥락까지 고려해 데이터의 현실성을 높였다. 기존 데이터셋에서 상대적으로 반영이 적었던 고령층·농촌 지역·교육·직업군까지 포괄한다. 엔비디아 측은 “개발자들이 한국 문화를 더 깊이 이해하는 정교한 AI 시스템을 구축할 수 있도록 지원한다”고 전했다.

엔비디아는 이 데이터셋을 국내 개인정보보호법(PIPA)에 맞춰 설계, 개인정보를 포함하지 않는 완전 합성 데이터로 구성했다. 현재 네모트론-페르소나-코리아는 오픈소스 라이선스로 공개된 상태다. 엔비디아 측은 “한국형 소버린 AI 발전을 위한 핵심 자산으로서 데이터 다양성 확대, 모델 편향성 완화, 응답 품질 향상에 기여할 것”이라고 기대했다.

- Copyright ⓒ 조선비즈 & Chosun.com -