데이터셋

AI를 가르치는 데 쓰는 자료 묶음입니다. 언어 모델에게는 웹 문서·책·코드 수조 단어, 이미지 모델에게는 사진 수십억 장이 데이터셋입니다.

「무엇을 먹였느냐가 무엇을 하는 AI인지 정한다」 — 이 한 문장이 데이터셋 뉴스의 전부입니다. 품질 낮은 데이터를 먹이면 편향과 오류가 그대로 배고, 남의 저작물을 먹이면 소송이 따라오고, 좋은 데이터가 바닥나면 합성 데이터 이야기가 나옵니다.