독파모 학습데이터 AI허브 이용법: 다운로드 전에 확인할 조건
정부가 AI허브에 공개한 독파모 학습데이터 29종의 규모와 받는 방법을 정리했습니다. 바로 받는 자료와 안심존 신청 자료의 차이, 상세 페이지에서 볼 곳, 상업적 이용 조건을 담았습니다.
세 줄로 먼저 읽기
이번 방문에서 한 편은 바로 볼 수 있습니다.
독파모 학습데이터가 무료로 풀렸다는 소식을 듣고 AI허브에 들어가 보면, 어떤 자료에는 다운로드 버튼이 있고 어떤 자료에는 신청하기 버튼이 있습니다. 같은 사업에서 나온 자료라도 받는 방법과 쓸 수 있는 범위가 자료마다 다릅니다.
AI허브는 AI 학습용 데이터를 찾아 설명과 이용 조건을 보고 신청하는 정부 사이트입니다. 독파모는 정부가 국산 AI 파운데이션 모델 개발팀을 선정하고 단계마다 평가하며 GPU와 데이터를 지원하는 사업의 줄임말입니다. 파운데이션 모델은 여러 용도에 쓸 수 있도록 폭넓은 자료로 학습한 기반 모델입니다. 발표 규모는 2026년 8월 27일 정부 발표를, 이용 절차는 2026년 10월 4일 AI허브 안내를 기준으로 설명합니다.
발표 규모: 29종, 약 3,544만 건
과학기술정보통신부와 한국지능정보사회진흥원은 정예팀 다섯 곳이 구축한 데이터를 AI허브에 개방한다고 발표했습니다. 발표의 숫자를 단위별로 나누면 이렇습니다.
독파모 학습데이터 개방 규모
29종데이터 종류정예팀 다섯 곳이 구축
3,544만 건데이터 항목 수항목마다 길이와 구성이 다름
1.56조 토큰토큰 환산 분량모델이 글을 나눠 처리하는 단위
700~800억학습 가능한 모델 크기파라미터 수 기준, 이론상 규모
파라미터는 모델이 학습하면서 조정하는 내부 수치로, 모델 크기를 나타낼 때 기준으로 씁니다. 정부는 이 분량이 파라미터 700억에서 800억 개 규모의 모델을 이론적으로 학습시킬 수 있는 양이라고 설명했습니다. 실제 모델 성능은 분량보다 자료의 품질과 중복 정도, 모델 구조와 학습 방법, 계산 자원에 따라 달라집니다.
팀마다 내놓은 자료의 용도가 다릅니다.
| 팀 | 발표에서 소개한 자료 |
|---|---|
| 네이버클라우드 | 영상과 음성, 영상 내용을 설명하는 텍스트 |
| 업스테이지 | 대규모 사전학습 자료와 에이전트용 사후학습 자료 |
| SK텔레콤 | 전문 분야 추론 자료와 한국형 안전성 점검 자료 |
| NC AI | 제조 문서와 상담 음성 등으로 만든 언어모델 학습 자료 |
| LG AI연구원 | 한국 가정환경의 영상과 사물, 자세를 설명하는 자료 |
사업 조건은 구축과 가공 예산으로 확보한 자료 가운데 50% 이상을 개방하는 것입니다. 네 팀은 검증을 거친 자료 전체를, LG AI연구원은 의무 비율 이상을 골라 개방하기로 했습니다. 즉 이번에 풀린 자료는 사업 예산으로 만든 자료이고, 각 회사가 가진 학습 자료 전체와는 다릅니다.
목록에서는 이름보다 용도를 먼저 봅니다
AI허브의 독파모 데이터 목록에서는 분야와 정예팀으로 자료를 거를 수 있고, 카드마다 언어나 분야, 구축 연도와 용량, 다운로드 또는 신청하기 버튼이 붙어 있습니다.
카드 이름에는 학습 단계를 가리키는 말이 자주 나옵니다. 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 자료이고, 멀티모달 데이터는 글과 함께 이미지나 음성 같은 다른 종류의 정보를 담은 자료입니다.
예를 들어 여러 차례 이어지는 상담 대화를 연구한다면 사전학습 자료보다 멀티턴 데이터부터 엽니다. 다만 이름에 상담이나 대화가 들어 있어도 언어, 대화 주제, 만든 방식이 내 서비스와 맞는지는 상세 페이지를 열어 봐야 압니다.
상세 페이지에서 볼 네 곳
고품질 멀티턴 데이터 집합을 PC에서 열면 설명 항목이 접힌 상태로 나옵니다. 설명은 로그인하지 않아도 읽을 수 있고, 제목을 누르면 펼쳐집니다. 위에서부터 이 순서로 봅니다.
상세 페이지에서 용도와 형식 찾기
1. 데이터 개요소개와 구축 목적에서
어떤 작업용인지 보기
2. 메타데이터 구조표언어, 파일 형식,
구축 시점 찾기
3. 어노테이션 포맷항목 이름과 예시로
파일 안 구조 보기
4. 상단 버튼다운로드인지 신청하기인지
받는 방법 정하기
메타데이터는 자료의 종류와 구성을 설명하는 정보이고, 어노테이션은 자료에 붙인 설명이나 정답 표시입니다. 멀티턴 데이터 설명을 보면 이 자료에는 한국어, 영어, 일본어, 중국어 대화가 들어 있고, 대화는 query_and_response라는 배열에 담깁니다. 배열은 순서대로 묶은 목록입니다. 배열 안에서 from은 말한 쪽, content는 발화 내용입니다. 이 구조를 한 건으로 줄여 보면 이런 모양입니다.
{
"lang": "ko",
"query_and_response": [
{"from": "user", "content": "회의는 언제인가요?"},
{"from": "assistant", "content": "화요일 오후 2시입니다."}
]
}lang의 ko는 한국어, user는 질문한 쪽, assistant는 답한 쪽입니다. 메시지 두 개가 질문과 답변 한 쌍을 이루고, 대화가 이어질수록 배열 안의 쌍이 늘어납니다.
설명 페이지에는 JSONL 형식과 개별 JSON 파일 설명이 함께 나옵니다. JSON은 항목 이름과 값을 짝지어 담는 형식이고, JSONL은 한 줄에 JSON 항목 하나씩을 담는 형식입니다. 둘은 읽는 코드가 다르므로, 받은 파일의 확장자와 첫 몇 줄을 열어 어느 쪽인지 보고 처리 방법을 정합니다.
다운로드 전에 확인할 조건
사전 학습 데이터의 상세 화면 상단에는 용량 1.61TB와 샘플(경량) 데이터 버튼, 내국인만 신청할 수 있다는 안내가 있습니다.
같은 목록 안에서도 자료 크기는 KB 단위부터 TB 단위까지 차이가 큽니다. 목록 화면에 표시된 용량을 나란히 놓으면 이렇습니다.
독파모 자료별 표시 용량
1.61TB짜리 자료는 일반 노트북 저장 공간을 넘기 쉬우므로, 샘플과 설명서로 파일 구성을 먼저 보고 전체를 받을지 정합니다. 내려받기 전에는 아래 여섯 가지를 차례로 봅니다.
내려받기 전에 볼 여섯 가지
1. 신청 자격상세 페이지의
내국인 신청 안내
2. 이용 환경다운로드는
PC에서만 지원
3. 신청 절차본인 확인과
이용 목적 제출
4. 파일 구성샘플의 확장자,
항목 이름, 언어
5. 저장 공간받은 파일과
압축 해제 뒤 크기
6. 이용 범위영리 연구, 재배포,
국외 이용 조건
AI허브 이용정책은 자료를 받을 때 본인 확인과 이용 목적 제출을 거치게 하고, 권리자가 다른 기관인 자료는 그 기관의 절차를 따르게 합니다. 그래서 다운로드 버튼이 있는 자료도 로그인하자마자 바로 받아지지는 않습니다. 샘플은 이해를 돕기 위해 가공하거나 민감 정보를 가린 경우가 있으므로, 전체 파일을 처리할 코드는 본 파일의 첫 부분으로 다시 시험합니다.
신청하기 버튼이 있는 안심존 자료
목록의 AI Safety Alignment 데이터와 AI 파운데이션 모델 레드티밍 데이터에는 안심존 표시와 신청하기 버튼이 붙어 있습니다. 안전성 정렬(Safety Alignment)은 모델이 정해진 안전 기준에 맞게 응답하도록 조정하는 작업이고, 레드티밍은 일부러 위험한 질문을 던져 모델의 취약점을 찾는 점검 방식입니다.
안심존은 원본 데이터를 밖으로 내려받지 않고 지정된 환경 안에서 분석하는 공간입니다. 인터넷으로 접속하는 온라인 방식과 지정 장소에 가서 쓰는 오프라인 방식이 있습니다. 신청부터 모델을 받아 나오기까지는 다섯 단계를 거칩니다.
안심존 자료를 쓰는 순서
1. 신청안심존 포털에 신청서,
이용 계획서, 보안서약서
2. 심의운영자가 계획과
서류를 검토
3. 접속승인 뒤 준비된
서버 접속 정보 받기
4. 분석받은 환경 안에서만
분석과 학습
5. 모델 반출반출 신청과 검토를
거쳐 파일 전달
일반 데이터와 의료 데이터는 제출할 서류가 다릅니다. 안심존 자원이 모자라면 승인을 받은 뒤에도 접속까지 기다릴 수 있습니다. 5단계에서 보듯 안심존에서 학습한 모델도 반출 검토를 통과해야 밖으로 가져갈 수 있습니다.
상업적으로 이용하거나 다른 사람에게 줘도 되나요?
'무료'는 이용 요금에 관한 안내일 뿐이고, 받은 자료를 남에게 주거나 파는 일에는 따로 조건이 붙습니다. AI허브 일반 개방 데이터 정책은 영리와 비영리 연구개발을 모두 허용하되, 출처 표시와 목적 제한을 지키게 하고 제삼자 제공과 국외 반출에는 별도 조건을 둡니다.
AI허브 일반 개방 데이터의 이용 범위
| 쓰려는 방식 |  허용 | 조건 있음 |  별도 협의 |
|---|---|---|---|
| 비영리 연구개발 | 제공 | – | – |
| 영리 연구개발 | 제공 | – | – |
| 다른 회사에 데이터 제공 | – | 제공 | – |
| 해외 AI 서비스에 원본 올리기 | – | 제공 | – |
| 데이터셋 자체 판매 | – | – | 제공 |
해외 업체의 AI 서비스에 원본을 올려 분석하는 것도 국외 반출에 해당할 수 있으므로, 개인적인 분석이라도 제공기관의 조건을 먼저 봅니다. 상세 페이지와 설명서에 해당 항목이 없으면 자료를 제공한 기관에 문의한 뒤 씁니다.
사업의 평가 과정은 독파모 2차 평가 결과에 정리했습니다.
Sources
제대로 이해했는지 한 문제로 확인해 볼까요?
답을 고르면 바로 풀이가 나와요.
안심존 자료를 이용하려면 무엇부터 해야 하나요?
이 글이 도움이 되었나요?
메일, 회의록, 리포트처럼 반복되는 일을 AI로 자동화하는 순서와 안전장치를 다룹니다
코스 전체 보기 →
새 글과 AI 소식을 메일로 받아 보세요
AI가 바꾸는 일과 도구, 측정 실무 이야기를 매주 한 번 보내 드려요.