독파모 학습데이터 AI허브 이용법: 다운로드 전에 확인할 조건

AI허브는 AI 학습에 쓸 데이터를 찾아 설명과 이용 조건을 확인하는 사이트입니다. 독파모는 정부의 독자 AI 파운데이션 모델 사업을 줄여 부르는 말입니다. 파운데이션 모델은 여러 용도로 활용할 수 있도록 폭넓은 자료로 학습한 기반 모델을 뜻합니다.

관심 데이터 한 개가 어떤 작업에 쓰이고, 어떤 형식이며, 어떻게 신청하는지 설명할 수 있으면 됩니다. 발표 규모는 2026년 8월 27일 자료를, 이용 절차는 2026년 10월 4일 공식 안내를 기준으로 설명합니다.

발표 규모를 읽는 방법

과학기술정보통신부와 한국지능정보사회진흥원은 정예팀 다섯 곳이 구축한 데이터 29종, 약 3,544만 건을 개방한다고 발표했습니다. 토큰 환산 분량은 약 1조 5,600억이며, 700억에서 800억 파라미터급 모델 학습에 이론적으로 사용할 수 있는 규모라고 설명했습니다. 정부 발표

학습 가능한 분량이라는 설명이 특정 성능을 보장하지는 않습니다. 자료의 품질과 중복, 모델 구조와 학습 방법, 계산 자원도 결과에 영향을 줍니다.

참여 팀의 자료는 다음과 같이 용도가 다릅니다.

해당 발표에서 설명한 사업 조건은 구축 및 가공 예산으로 확보한 자료 중 50% 이상 개방입니다. 네 팀은 검증을 거친 자료 전체를, LG AI연구원은 의무 비율 이상을 선별해 개방하기로 했습니다. 이를 각 회사가 가진 모든 학습 자료의 공개라고 해석하면 안 됩니다. 정부 발표

목록에서는 이름보다 용도를 먼저 봅니다

이 이미지는 2026년 9월 7일 글 작성 당시의 화면입니다. 현재 전체 목록 수나 다운로드 수를 뜻하지 않습니다. 독자 AI모델 데이터 목록에서 검색 조건과 페이지를 확인합니다. 한 페이지의 항목 수나 빠진 일련번호만으로 전체 공개 수를 판단하지 않습니다.

사전학습은 모델의 폭넓은 기본 능력을 만드는 학습이고, 사후학습은 이미 학습한 모델이 특정 요청이나 방식에 더 잘 응답하도록 추가로 학습하는 과정입니다. 멀티턴 데이터는 질문과 답변이 여러 차례 이어지는 대화 자료입니다. 멀티모달 데이터는 글뿐 아니라 이미지나 음성 등 여러 종류의 정보를 함께 다룹니다.

예를 들어 여러 차례 이어지는 상담 대화를 연구하려면 사전학습 전체 파일보다 멀티턴 데이터의 설명부터 보는 것이 출발점으로 적절합니다. 이름에 상담이나 대화가 있다고 해서 곧바로 내 서비스에 맞는 자료라는 뜻은 아닙니다. 언어, 대화 주제, 생성 방식과 이용 조건도 함께 읽습니다.

첫 연습: 설명 페이지에서 네 가지를 찾습니다

PC에서 고품질 멀티턴 데이터 집합을 엽니다. 첫 연습은 로그인이나 다운로드 없이 공개 설명을 읽는 단계입니다.

1. 데이터 개요에서 소개와 구축 목적을 읽습니다.
2. 메타데이터 구조표에서 언어, 형식과 구축 시점을 찾습니다. 메타데이터는 자료의 종류와 구성을 설명하는 정보입니다.
3. 어노테이션 포맷 및 데이터 구조에서 항목 이름과 예시를 봅니다. 어노테이션은 자료에 붙인 설명이나 정답 표시입니다.
4. 메모에 데이터 이름과 URL, 용도, 구조를 각각 적습니다.

설명 제목만 보이면 해당 항목을 눌러 펼칩니다. 다운로드나 샘플 버튼을 눌러 로그인 창이 나왔다면 이 연습에서는 창을 닫고 위의 상세 페이지로 돌아옵니다. 페이지가 열리지 않으면 데이터 이름과 접속 오류를 기록한 뒤, 목록에서 같은 이름을 검색해 다시 엽니다.

현재 설명에는 한국어, 영어, 일본어, 중국어 대화와 query_and_response라는 대화 배열이 나옵니다. 배열은 순서대로 묶은 목록입니다. from은 말한 쪽, content는 발화 내용을 뜻합니다. 다음은 구조 이해를 위해 새로 만든 가상 예시이며 실제 배포 데이터가 아닙니다.

이 예시에서 언어는 한국어를 뜻하는 ko, 질문한 쪽은 user, 답변한 쪽은 assistant입니다. 질문과 답변 한 쌍이 있습니다. 두 메시지가 있다고 두 차례의 질의응답이 되는 것은 아닙니다. 이 구조를 읽었다고 실제 파일 전체의 품질이나 답변의 사실성을 확인한 것도 아닙니다.

설명 페이지에는 데이터 형식 JSONL과 개별 JSON 파일 설명이 함께 있습니다. JSON은 항목 이름과 값을 짝지어 담는 형식이며, JSONL은 보통 한 줄에 JSON 항목 하나를 담습니다. 실제 이용 전에는 설명서와 받은 파일의 확장자 및 내부 구조를 대조해야 합니다. 두 표기가 다르다고 임의로 형식을 바꿔 읽지 않습니다.

다운로드 전에 확인할 조건

이전 화면의 사전 학습 데이터에는 1.61TB가 표시돼 있습니다. 작은 샘플이나 설명서를 먼저 읽는 이유는 컴퓨터의 저장 공간뿐 아니라 파일 구성과 용도를 확인하기 위해서입니다.

샘플은 이해를 돕기 위해 별도로 가공하거나 민감 정보를 가릴 수 있어 원본과 다를 수 있습니다. 샘플을 읽을 수 있다고 전체 파일을 같은 코드로 처리할 수 있다고 단정하지 않습니다. 데이터 상세 안내

일반 이용정책은 본인 확인과 이용 목적 제출을 안내하며, 권리자가 다른 자료는 해당 기관 절차를 따르도록 합니다. 따라서 다운로드 버튼이 있다는 이유만으로 로그인 직후 바로 받을 수 있다고 생각하면 안 됩니다. 이용정책

신청하기 버튼이 있는 안심존 자료

현재 목록의 AI Safety Alignment와 AI 파운데이션 모델 레드티밍 데이터에는 안심존 표시와 신청하기 버튼이 있습니다. 안전성 정렬은 모델이 정해진 안전 기준에 맞게 응답하도록 조정하는 작업이고, 레드티밍은 위험한 응답이나 취약점을 찾는 점검 방식입니다.

안심존은 원본 데이터를 밖으로 내려받지 않고 지정된 환경 안에서 분석하는 공간입니다. 온라인 접속 방식과 지정 장소에서 쓰는 오프라인 방식이 있습니다.

일반 데이터와 의료 데이터의 요구 서류는 다릅니다. 자원이 부족하면 승인 후에도 대기할 수 있습니다. 분석 결과나 학습 모델이 생겼다고 자유롭게 복사해 나오는 절차가 아닙니다. 안심존 안내

목록의 조회수, 다운로드 표시와 신청 수만으로 실제 이용자 수나 심사 통과율을 계산하지 않습니다. 같은 사람의 반복 조회 여부와 신청 심의 결과를 알 수 없기 때문입니다.

상업적으로 이용하거나 다른 사람에게 줘도 되나요?

무료는 이용 가격에 관한 안내입니다. 무제한 재배포 허용을 뜻하지 않습니다. AI허브 일반 개방 데이터 정책은 영리 및 비영리 연구개발을 설명하면서 출처 표시, 목적 제한, 제삼자 제공과 국외 반출 등에 별도 조건을 둡니다. 데이터셋 자체의 판매도 별도 협의 대상으로 안내합니다.

사용하려는 자료에 어떤 정책이 적용되는지 상세 페이지와 설명서에서 확인합니다. 해외 업체의 AI 서비스에 원본을 올려 분석하려는 경우에도 단순 개인 이용으로 가정하지 말고 제공기관의 조건을 확인해야 합니다. 불명확한 항목은 허용 여부 미확인으로 기록하고 자료 담당자에게 문의합니다. 이용정책

혼자 다시 확인하는 방법

먼저 위 가상 JSON을 메모장에 복사해 답변 내용만 수요일 오후 3시입니다.로 바꿉니다. lang, 두 개의 from과 질문 문장은 유지돼야 합니다. 이는 구조 읽기 연습이며 실제 배포 파일의 수정이나 모델 학습은 아닙니다.

목록에서 다른 자료 한 개를 골라 이름과 URL, 용도, 구조를 같은 형식으로 적습니다. 다운로드와 신청하기 중 어떤 버튼이 있는지도 기록합니다. 첫 자료의 형식이나 자격을 그대로 옮겨 적지 말고 두 번째 자료의 설명에서 다시 찾습니다.

찾을 수 없는 값은 추측하지 않고 설명에서 확인 못 함으로 둡니다. 원래 페이지를 다시 열었을 때 기록의 근거를 찾을 수 있고, 일반 다운로드인지 안심존 신청인지 설명할 수 있으면 이번 연습을 마친 것입니다. 실제 모델 학습은 이용 조건과 필요한 계산 자원을 확인한 뒤의 별도 단계입니다.

사업의 평가 과정이 궁금하다면 독파모 2차 평가 결과를 함께 볼 수 있습니다.

Sources

• 정부의 데이터 개방 발표
• 독자 AI모델 데이터 목록
• 고품질 멀티턴 데이터 집합
• 안심존 안내
• 이용정책