AI 학습 데이터셋 310종 7월까지 순차 개방…역대 최대 규모

국민 누구나 활용할 수 있는 인공지능(AI) 학습용 데이터셋 310종이 순차적으로 개방된다. 역대 최대의 공개 규모로, 분야 또한 확대했다.

과학기술정보통신부와 한국지능정보사회진흥원(NIA)은 2022년 ‘인공지능 학습용 데이터 구축사업’을 통해 구축한 학습용 데이터셋 310종을 오는 7월말까지 ‘AI허브’를 통해 순차적으로 개방한다고 30일 밝혔다.

사업은 AI 기술 개발과 지능화 서비스 확산을 선도하기 위한 국가 핵심 데이터 인프라 사업이다. 기업, 연구자, 개발자는 물론 인공지능 개발 등에 관심 있는 우리 국민이라면 누구나 AI허브를 통해 학습용 데이터를 활용할 수 있다.

과기정통부와 NIA는 2020년부터 본격적으로 민간·공공 수요 등에 맞춰 매년 약 200종의 데이터를 구축해 왔다. 전년도 구축 데이터는 당해연도 품질검증 등을 거쳐 개방한다. 지금까지 한국어, 이미지·영상, 헬스케어 등 6대 분야 381종, 약 11억건의 데이터를 공개했다. 지난해 7월에는 190종의 데이터를 개방하면서 AI허브 연간 방문자 수는 최초로 100만명을 넘겼다.

올해 개방하는 데이터는 310종으로 역대 최대 규모다. 구축 분야를 기존 6대 분야에서 제조·로보틱스·교육·금융·스포츠 등의 14대 분야로 확장하면서 사업 규모를 크게 늘렸다. 이번에 310종 약 15억건의 데이터 개방을 통해 AI허브 이용자들은 총 691종, 약 26억건의 데이터를 활용할 수 있다.

올해는 대규모 개방인 점을 고려해 이용자들이 더 많은 데이터를 빨리 활용할 수 있도록 품질검증 등을 먼저 마친 데이터를 우선 개방한다. 이에 따라 초기 개방 시점은 지난해보다 3개월 앞당겨졌다. 매달 약 80여 종 내외를 개방하며 7월말까지 전체 310종 개방을 완료할 계획이다.

이번 1차 개방에는 자연어 기반 질의·검색·생성 데이터, 고서(古書)한자·한글 등 광학인식(OCR) 데이터, 안전환경 조성을 위한 실내외 군중 특성 데이터, 소방대원 행동 모션 3D 객체 데이터 등 자연어와 AI 비전 분야에서 광범위하게 활용할 약 70종의 데이터를 제공한다.

한편 AI허브에 공개하는 데이터들은 국제 표준에 맞는 품질기준을 달성하고 개인정보 비식별화를 거친 경우에 한한다. 기업·기관들이 실제 사용하는 AI 모델에 직접 데이터를 학습시켜 유효성, 정확성 등을 확인하는 활용성 검토를 받는다. 또한 개방 이후 약 3개월 동안은 사용자들로부터 데이터 품질 요구사항, 오류 등의 의견을 반영하여 데이터 품질 제고를 위한 보완과정을 거친다.

엄열 과기정통부 인공지능정책관은 “우리 기업들과 연구자들이 새로운 데이터 확보에 어려움을 겪지 않도록 기존의 라벨링 데이터중심의 사업을 개편하겠다”며 “초거대 AI 학습에 필요한 대규모 비라벨링 데이터와 한번에 여러가지 유형을 학습시킬 수 있는 다중임무형 라벨링 데이터 등 다양한 형태의 데이터를 지속 확보해 나갈 예정”이라고 밝혔다.

글. 바이라인네트워크
<이진호 기자>jhlee26@byline.network