카카오브레인, 7.4억개 이미지-텍스트 데이터셋 공개

[파이낸셜뉴스] 카카오브레인이 초거대 인공지능(AI) 연구개발(R&D) 저변을 확대하기 위한 데이터셋을 외부에 공개한다.

카카오브레인은 약 7억4000만개 이미지와 텍스트로 이루어진 데이터셋 ‘Coyo(코요)’를 오는 31일 카카오브레인 공식 홈페이지를 통해 공개한다고 30일 밝혔다. 초거대 AI 개발 기반이자 기업의 핵심 자산인 데이터셋을 외부에 공개하는 것은 매우 이례적이다.

데이터셋은 초거대 AI 모델이 정교한 결과값을 구현하는 데 필요한 핵심 요소 중 하나다. 높은 성능을 위해 많은 기업들이 수작업으로 이미지와 텍스트 쌍을 맞추어 데이터셋을 수집하는데, 이때 높은 비용과 많은 시간이 투입된다.

카카오브레인은 코요 개발 시, 독자 개발한 기술로 이미지와 텍스트를 온라인에서 자동 수집함으로써 투입되는 비용과 시간을 효과적으로 줄였다고 전했다. 동시에 양질의 데이터를 선별해 높은 성능을 구현했다. 이와 관련 카카오브레인은 유수 글로벌 AI 기업에서 공개한 초거대 AI 모델 재현을 통해 교차 검증을 마치며 데이터 품질을 확인했다.

카카오브레인은 코요를 세계 최대 수준으로 확대한다는 목표 아래 한국어를 비롯한 여러 가지 언어로 개발해 나갈 계획이다. 또 내년 상반기 중 코요 데이터셋을 활용한 초거대 AI 모델을 추가 공개할 예정이다.

김일두 카카오브레인 대표는 “이번 데이터셋 공개는 초거대 AI 기술 개발에 중요한 근간이자 이정표가 될 것”이라며 “앞으로도 다방면으로 기술 리더십을 선도하고 AI 커뮤니티와 협력하며 AI 생태계 발전에 이바지할 것”이라고 말했다.

한편, 카카오브레인은 멕시코 대표 화가 프리다 칼로(Frida Kahlo)의 고향인 멕시코시티 ‘코요아칸(Coyoacán)’ 앞 글자를 따 이번 데이터셋을 ‘코요’로 지었다.

칼로가 코요 기반으로 탄생한 것처럼, 코요를 통해 수많은 AI 모델이 개발됐으면 하는 카카오브레인 포부가 담겨있다.

[e-mail] 김미희 기자