과기정통부, AI학습 데이터 310종, 15억건 개방…"역대 최대"

과학기술정보통신부 MI

과학기술정보통신부와 한국지능정보사회진흥원(NIA)은 지난해 구축한 인공지능(AI) 학습용 데이터셋 310종을 7월 말까지 'AI허브'를 통해 순차적으로 개방한다고 30일 밝혔다.

이번 사업은 AI 기술개발과 지능화 서비스의 확산을 선도하기 위한 취지다. 기업, 연구자, 개발자는 물론 AI 개발 등에 관심 있는 국민이라면 누구나 AI허브의 학습용 데이터를 활용할 수 있다.


과기정통부와 NIA는 2020년부터 민간·공공 수요에 맞춰 매년 약 200종의 데이터를 구축해 왔다. 지금까지 개방된 데이터는 한국어, 이미지·영상, 헬스케어 등 6대 분야 381종, 약 11억건에 이른다. 지난해 7월에는 190종의 데이터를 개방하면서, 'AI허브' 연간 방문자 수가 최초로 100만 명을 돌파했다.

올해 개방하는 데이터는 310종, 약 15억건으로 역대 최대 규모다. 지난해 구축 분야를 6대 분야에서 제조·로보틱스·교육·금융·스포츠 등의 14대 분야로 확장하면서 사업 규모를 크게 늘린 결과다. 이로써 앞으로 AI허브 이용자들은 총 691종, 약 26억 건의 데이터를 활용할 수 있게 된다.

특히 올해는 이용자들이 더 많은 데이터를 빨리 활용할 수 있도록 품질검증 등을 먼저 마친 데이터를 우선 개방한다. 이에 따라 초기 개방 시점은 지난해 보다 3개월 앞당겨진다. 매달 약 80여 종 내외를 개방하여 7월 말까지 전체 310종의 개방을 완료할 계획이다.

이날부터 1차 개방되는 데이터는 고서(古書) 속 한자·한글의 광학인식(OCR) 데이터, 안전 환경 조성을 위한 실내외 군중 특성 데이터, 소방대원 행동 모션 3차원(3D) 객체 데이터 등 자연어와 인공지능 비전 분야의 데이터 70종이다.


다만 AI허브에 공개되는 데이터는 국제 표준에 맞는 품질기준을 달성하고 개인정보 비식별화를 거친 경우에 한하며, 기업·기관들이 실제 사용하고 있는 인공지능 모델에 직접 데이터를 학습시켜 유효성, 정확성 등을 확인하는 활용성 검토를 받는다. 또한 개방 이후 약 3개월 동안은 사용자들로부터 데이터 품질 요구사항, 오류 등의 의견을 반영한다.

엄열 과기정통부 인공지능정책관은 "기존의 라벨링 데이터(지도학습용) 중심의 사업을 개편해 초거대 AI 학습에 필요한 대규모 비라벨링 데이터와 한 번에 여러 가지 유형을 학습시킬 수 있는 다중 임무형 라벨링 데이터 등 다양한 유형의 데이터를 계속해서 확보할 예정"이라고 말했다.