2023-04-30 | 양철민 기자

恐被谷歌、微软全部抢走…政府大规模开放AI训练数据

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

韩国科学技术情报通信部与韩国智能信息社会振兴院将去年建立的310种人工智能学习用数据集,在7月底前通过“AI Hub”分阶段开放。因为判断随着近期OpenAI的“ChatGPT”及“GPT-4”和谷歌的“Bard”推出,生成式人工智能(AI)市场不断扩大,确保学习用数据变得更加重要。

科学技术信息通信部30日表示,将通过AI Hub分阶段开放相当于15亿条数据量的史上最大规模数据。

从当天起首批开放的数据为自然语言和人工智能视觉领域的70种数据,包括古书中汉字与韩文的光学识别(OCR)数据、室内外人群特征数据、消防员行为动作三维(3D)对象数据等。在AI Hub公开的数据经过个人信息去标识化处理,以避免侵犯个人信息保护法。

各国为推进生成式AI高级化,正全力确保学习用数字数据。特别是网络上使用的语言过半为英语,而韩语在网络语言占比仅为1%左右,确保韩语基础的数据并不容易。也有观点认为,以韩国Naver或Kakao集团等“K-大型科技”企业为中心,个人信息保护法和各种监管正在阻碍生成式AI学习用数据的获取。

部分国家也显现出对主要大型科技企业无节制获取数据加以制约、致力于构建以本国企业为中心的生成式AI生态系统的态势。据路透社等报道,欧盟(EU)正在推进要求OpenAI等生成式AI服务企业公开用于AI学习的原始数据著作权的方案。若对用于生成式AI学习的数据支付著作权费,相关生态系统的构建速度必然放缓。

科学技术信息通信部人工智能政策官严烈表示,“将改编原有以标注数据为中心的项目,确保超大规模AI学习所需的大规模非标注数据,以及可一次学习多种类型的多任务型标注数据等多种类型的数据”。

阅读韩文原文