“AI 학습데이터 3,544만 건을 무료로 공개한다는데, 이제 일반인도 무료 AI를 사용할 수 있다는 뜻일까?”
기사 제목만 보면 이렇게 생각하기 쉽습니다. 하지만 이번에 무료로 공개되는 것은 챗GPT처럼 질문하고 답을 받는 AI 서비스가 아닙니다. 기업이나 연구자, 학생 등이 인공지능을 개발하고 성능을 높일 때 활용하는 ‘AI 학습용 데이터’입니다.
과학기술정보통신부와 한국지능정보사회진흥원은 ‘독자 AI 파운데이션 모델 프로젝트’에 참여한 5개 정예팀이 구축한 AI 학습용 데이터 29종, 총 3,544만 건을 AI허브를 통해 무료로 개방한다고 밝혔습니다.
그렇다면 ‘독파모’란 무엇이고, 이렇게 많은 데이터는 어디에 활용될까요? 일반인도 이용할 수 있는지 하나씩 쉽게 살펴보겠습니다.
1. ‘독파모’는 무슨 뜻일까?
처음 기사를 접하면 가장 낯선 단어가 바로 ‘독파모’입니다.
독파모는 ‘독자 AI 파운데이션 모델’을 줄인 말입니다. 여기서 독자는 책을 읽는 사람이라는 뜻이 아니라, 다른 나라나 해외 기업의 기술에 전적으로 의존하지 않고 우리 기술과 데이터를 바탕으로 AI 기반 모델을 개발한다는 의미입니다.
파운데이션 모델은 다양한 AI 서비스의 기초가 되는 큰 모델을 말합니다. 쉽게 비유하면 여러 종류의 건물을 지을 수 있도록 먼저 튼튼한 기초공사를 해두는 것과 비슷합니다.
이 기반 모델을 잘 만들어 놓으면 이후에 다음과 같은 여러 AI 서비스로 발전시킬 수 있습니다.
- 사람의 질문에 답하는 상담 AI
- 문서 내용을 분석하고 요약하는 AI
- 사진과 영상을 이해하는 AI
- 음성을 알아듣고 대화하는 AI
- 제조 현장에서 문제를 찾아내는 AI
- 집안일을 돕는 로봇 AI
AI가 똑똑해지려면 좋은 학습자료가 많이 필요합니다. 사람이 책과 경험을 통해 지식을 쌓듯이 AI도 수많은 문장과 이미지, 영상, 음성 자료를 학습하면서 질문을 이해하고 판단하는 능력을 키우기 때문입니다.
2. 이번에 공개되는 데이터 규모는?
이번에 공개되는 자료는 AI 학습용 데이터 29종, 총 3,544만 건입니다. 토큰으로 환산하면 약 1조 5,600억 토큰에 달합니다.
토큰은 AI가 글을 읽고 처리하는 작은 단위입니다. 단순히 글자 수와 같지는 않지만, 이번에 공개되는 자료의 양이 상당히 크다는 것을 보여주는 수치입니다.
정부는 이 데이터가 이론적으로 70~80B급 대형 AI 모델을 학습하는 데 사용할 수 있는 규모라고 설명했습니다. 여기서 B는 10억을 뜻하므로 일반인이 직접 다루기에는 매우 큰 데이터입니다.
핵심 정리
- 공개 데이터: 총 29종
- 데이터 수: 약 3,544만 건
- 전체 규모: 약 1조 5,600억 토큰
- 이용 장소: AI허브
- 이용 대상: 국내 기업·연구자·학생 등
- 이용 비용: 무료
3. 어떤 종류의 자료가 들어 있을까?
이번 데이터는 한 회사가 만든 것이 아니라 독자 AI 파운데이션 모델 프로젝트에 참여한 5개 정예팀이 각자의 개발 전략에 맞춰 구축한 자료입니다.
네이버클라우드
공개 영상과 방송 영상, 영상 내용을 문장으로 설명한 텍스트, 음성 질의응답 자료 등을 구축했습니다.
AI가 영상 속 장면을 이해하거나 사진과 영상을 바탕으로 적절한 설명을 만들어 내는 능력을 학습하는 데 활용될 수 있습니다.
업스테이지
대규모 AI 모델을 처음부터 학습시키는 데 필요한 사전학습 데이터와 추론·판단·실행 능력을 높이기 위한 사후학습 데이터를 구축했습니다.
단순히 질문에 답하는 수준을 넘어 여러 정보를 종합해 판단하고 일을 수행하는 AI 에이전트 개발에도 활용할 수 있습니다.
SK텔레콤
수학·과학·법률 등 전문 분야의 복잡한 문제를 단계적으로 풀어가는 추론 데이터와 음성·이미지 학습자료를 구축했습니다.
국내 법령과 한국 사회의 가치관을 반영한 한국형 레드티밍 데이터도 포함됐습니다. 레드티밍은 AI가 위험하거나 부적절한 답변을 하지 않는지 일부러 까다로운 질문을 던져 안전성을 점검하는 과정입니다.
NC AI
제조 분야의 기술문서와 민원 상담 음성 등 실제 산업 현장에서 만들어진 자료를 활용했습니다.
AI가 긴 문서를 이해하고 여러 차례 이어지는 대화를 처리하거나, 글·사진·음성을 함께 이해하는 능력을 키우는 데 도움이 될 수 있습니다.
LG AI연구원
국내 50개 실제 가정환경에서 50종 이상의 가사 활동을 촬영해 17만 개 이상의 영상 클립 등을 구축했습니다.
사람이 집 안에서 물건을 정리하거나 다양한 가사 활동을 하는 모습을 AI가 이해하도록 학습시켜, 앞으로 가정용 로봇과 피지컬 AI 개발 등에 활용할 수 있습니다.
4. 왜 기업이 만든 데이터를 무료로 공개할까?
AI 개발에는 많은 시간과 비용이 필요합니다. 특히 학습에 사용할 자료를 모으고 불필요한 내용을 걸러내며, AI가 이해할 수 있도록 정리하는 과정에는 상당한 비용이 들어갑니다.
이번 데이터는 정부의 데이터 구축·가공 예산을 통해 확보됐습니다. 사업 참여 조건에 따라 해당 예산으로 만든 데이터의 일정 부분을 공개해야 하며, 일부 정예팀은 품질검증 등을 거친 데이터 전체를 개방하기로 했습니다.
공개 전에는 데이터 품질뿐 아니라 개인정보와 유해성 여부를 검증하고, 저작권이나 이용허락에 문제가 있는 자료를 제외하는 조치도 진행됐습니다.
몇몇 대기업과 연구기관만 가지고 있던 대규모 학습자료를 함께 활용할 수 있게 되면 중소기업과 대학, 학생도 AI 개발에 도전할 기회가 넓어질 수 있습니다.
5. 일반인도 AI허브에서 받을 수 있을까?
이번에 공개된 데이터는 국내 기업과 연구자뿐 아니라 학생 등 대한민국 국민이라면 누구나 AI허브를 통해 무료로 내려받아 활용할 수 있습니다.
다만 ‘누구나 무료’라는 말이 별도의 절차 없이 즉시 받을 수 있다는 뜻은 아닙니다.
- AI허브 홈페이지에 접속합니다.
- 회원가입과 본인인증을 진행합니다.
- 필요한 데이터셋을 검색합니다.
- 데이터의 설명과 용량, 이용 조건을 확인합니다.
- 다운로드 버튼을 눌러 이용 목적을 작성합니다.
- 승인 후 안내에 따라 데이터를 내려받습니다.
휴대전화 인증을 완료한 이용자는 데이터 다운로드 신청 화면에서 이용 목적을 작성하면 자동승인되는 자료도 있습니다.
다만 데이터마다 이용정책과 승인 방식이 다를 수 있으므로 내려받기 전에 개별 데이터의 이용 조건을 반드시 확인해야 합니다.
AI허브 홈페이지: www.aihub.or.kr
6. 이런 사람들에게 특히 유용해요
이번 데이터는 컴퓨터를 사용하는 모든 사람이 반드시 받아야 하는 생활정보는 아닙니다. 주로 다음과 같은 사람들에게 실질적인 도움이 될 수 있습니다.
- AI와 소프트웨어를 공부하는 대학생
- 졸업작품이나 연구과제를 준비하는 학생
- 인공지능 관련 논문을 작성하는 연구자
- 자체 AI 서비스를 개발하려는 중소기업
- 상담 챗봇이나 음성인식 서비스를 만드는 기업
- 제조·로봇·영상 분야의 AI 개발자
- 새로운 AI 창업을 준비하는 예비 창업자
예를 들어 대학생이 영상 내용을 설명하는 AI를 졸업작품으로 만들고 싶다고 가정해 보겠습니다. 개인이 수백만 건의 영상과 설명문을 직접 수집하고 정리하는 것은 사실상 어렵습니다.
하지만 AI허브에서 필요한 학습데이터를 찾아 활용하면 자료 수집에 들어가는 시간과 비용을 줄이고, 실제 모델 개발과 실험에 더 집중할 수 있습니다.
중소기업도 마찬가지입니다. 충분한 데이터를 자체적으로 확보하기 어려웠던 기업이라면 공개 데이터를 이용해 초기 모델을 학습하거나 서비스 가능성을 시험해 볼 수 있습니다.
7. 무료 AI 서비스와는 다릅니다
이번 발표에서 가장 헷갈리기 쉬운 부분입니다.
AI 학습데이터가 무료로 공개됐다고 해서 일반인이 챗GPT와 같은 AI 서비스를 새로 무료로 이용할 수 있게 된 것은 아닙니다.
AI 학습데이터는 완성된 자동차가 아니라 자동차를 만들 때 사용하는 부품과 재료에 가깝습니다. 데이터를 내려받은 뒤 실제로 활용하려면 프로그래밍 지식과 AI 모델, 저장 공간, 고성능 컴퓨터 등이 필요할 수 있습니다.
따라서 단순히 문서를 작성하거나 궁금한 내용을 질문하기 위해 AI를 사용하는 사람이라면 이 데이터를 직접 내려받을 필요는 없습니다.
반면 AI를 공부하거나 새로운 서비스를 개발하려는 사람에게는 비용을 들여 구하기 어려운 대규모 자료를 무료로 활용할 수 있다는 점에서 의미가 큽니다.
8. 다운로드 전에 확인해야 할 점
데이터를 무료로 제공한다고 해서 아무 제한 없이 복사하거나 다른 사람에게 판매할 수 있는 것은 아닙니다.
AI허브 데이터는 각 데이터셋에 적용되는 이용정책을 확인해야 하며, 일반적으로 다음 사항을 주의해야 합니다.
- 데이터별 사용 목적과 허용 범위를 확인합니다.
- 제3자에게 원본 데이터를 무단으로 제공하거나 판매해서는 안 됩니다.
- 연구 결과나 서비스를 공개할 때 출처 표시가 필요한지 확인합니다.
- 데이터 자체의 재가공·재배포 가능 여부를 확인합니다.
- 용량이 큰 경우 저장 공간과 다운로드 환경을 점검합니다.
- 해외에서 이용하거나 국외로 반출할 경우 제한이 있는지 확인합니다.
AI허브 자료로 학습한 모델이나 서비스를 영리적으로 활용할 수 있는 경우도 있지만, 원본 데이터를 재가공해 배포하는 행위는 원칙적으로 제한될 수 있습니다.
데이터마다 조건이 다를 수 있으므로 신청 화면에 표시되는 이용약관을 꼼꼼히 읽어보는 것이 안전합니다.
9. 우리나라 AI 생태계에 어떤 의미가 있을까?
세계 AI 경쟁에서는 좋은 기술뿐 아니라 충분하고 품질 높은 데이터가 중요합니다. 특히 우리말과 국내 법률, 사회·문화적 환경을 제대로 이해하는 AI를 만들려면 한국의 현실을 반영한 자료가 필요합니다.
이번에 공개된 데이터에는 한국어 자료뿐 아니라 국내 법령, 민원 상담, 제조 현장, 실제 가정환경 등 우리 생활과 산업을 반영한 내용이 포함돼 있습니다.
이를 다양한 기업과 연구기관, 학생이 함께 활용한다면 한국 환경에 더 잘 맞는 AI 서비스가 나올 가능성도 커집니다.
대규모 데이터를 무료로 나누는 이번 정책은 단순한 자료 공개를 넘어 자본과 인력이 부족한 중소기업과 학생에게도 AI 개발에 참여할 기회를 넓혀 준다는 데 의미가 있습니다.
다만 공개한 데이터가 실제 산업과 교육 현장에서 얼마나 편리하게 활용되는지, 데이터 품질은 지속적으로 관리되는지, 개인정보와 저작권 문제는 없는지도 꾸준히 살펴볼 필요가 있습니다.
10. 자주 묻는 질문 Q&A
Q1. 이번에 무료로 공개되는 것은 챗GPT 같은 AI 서비스인가요?
아닙니다. AI에 질문하고 답을 받는 완성된 서비스가 아니라 AI 모델을 개발하고 학습시킬 때 사용하는 데이터입니다. 일반인이 문서 작성이나 검색 목적으로 바로 이용하는 서비스와는 다릅니다.
Q2. AI 학습데이터는 누가 이용할 수 있나요?
국내 기업과 연구자, 대학생 등 대한민국 국민이라면 누구나 AI허브를 통해 무료로 신청할 수 있습니다. 다만 데이터별로 이용 목적 작성이나 승인 절차가 필요할 수 있습니다.
Q3. ‘독파모’는 무슨 뜻인가요?
‘독자 AI 파운데이션 모델’의 줄임말입니다. 해외 기술에만 의존하지 않고 우리 기술과 한국어·국내 환경에 맞는 데이터를 바탕으로 AI 기반 모델을 개발하는 프로젝트입니다.
Q4. 3,544만 건의 데이터를 모두 무료로 받을 수 있나요?
이번에 공개되는 29종의 데이터는 무료로 이용할 수 있습니다. 다만 데이터마다 공개 범위와 용량, 이용 조건이 다르며 일부 자료는 내려받기 전에 별도의 신청 절차를 거쳐야 합니다.
Q5. 일반인도 데이터를 내려받아 활용할 수 있나요?
신청은 가능하지만 실제 활용에는 프로그래밍 지식과 AI 모델, 저장 공간, 고성능 컴퓨터 등이 필요할 수 있습니다. AI를 단순히 사용하는 사람보다는 AI를 공부하거나 서비스를 개발하는 사람에게 더 유용한 자료입니다.
Q6. AI허브 데이터를 상업적으로 활용해도 되나요?
AI허브 데이터로 학습한 모델이나 서비스를 영리적으로 활용할 수 있는 경우도 있습니다. 다만 활용 사실을 표시해야 할 수 있고, 원본 데이터를 임의로 판매하거나 제삼자에게 재배포하는 것은 제한될 수 있습니다. 개별 데이터의 이용약관을 반드시 확인해야 합니다.
Q7. AI허브 데이터는 어떻게 신청하나요?
AI허브 홈페이지에서 회원가입과 본인인증을 한 뒤 필요한 데이터셋을 검색합니다. 데이터 설명과 이용 조건을 확인하고 다운로드 신청 화면에서 이용 목적을 작성하면 됩니다. 데이터에 따라 자동승인되거나 별도의 검토가 진행될 수 있습니다.
AI 기술은 눈에 보이지 않는 데이터 위에서 성장합니다. 이번에 공개되는 3,544만 건의 자료를 일반인이 직접 사용할 일은 많지 않을 수 있습니다. 하지만 학생과 연구자, 중소기업이 이를 활용해 새로운 서비스를 만든다면 그 결과는 앞으로 우리의 일상에서 만나게 될 수도 있습니다.
무료로 공개된 AI 학습데이터가 우리나라의 새로운 AI 기술과 서비스로 이어질 수 있을지 지켜볼 만합니다.
※ 본 글은 과학기술정보통신부 정책자료와 AI허브 이용 안내를 바탕으로 작성했으며, 실제 신청 절차와 이용 조건은 데이터셋별로 달라질 수 있습니다. 이용 전 AI허브의 최신 안내를 확인하시기 바랍니다.
자료 출처: 대한민국 정책브리핑, AI허브