Hàn Quốc mở miễn phí 35,44 triệu mẫu dữ liệu huấn luyện AI

Các nhóm nghiên cứu và startup có thêm một nguồn dữ liệu lớn để thử nghiệm mô hình: Hàn Quốc công bố mở 29 bộ dữ liệu, khoảng 35,44 triệu mẫu, qua cổng AI Hub.

Theo Bộ Khoa học và Công nghệ Thông tin Hàn Quốc và Cơ quan Xã hội Thông tin Quốc gia, dữ liệu được xây dựng trong giai đoạn đánh giá đầu của dự án mô hình nền tảng AI độc lập. Quy đổi theo đơn vị huấn luyện, tổng quy mô khoảng 1,56 nghìn tỷ token.

Có những loại dữ liệu nào?

• Văn bản quy mô lớn cho tiền huấn luyện và dữ liệu hậu huấn luyện phục vụ suy luận, phán đoán, tác vụ agent.
• Video, mô tả cảnh và dữ liệu hỏi–đáp bằng giọng nói cho mô hình đa phương thức.
• Dữ liệu an toàn và red-teaming để kiểm tra cách mô hình phản ứng trước yêu cầu rủi ro.
• Một số tập dữ liệu chuyên ngành và đa ngôn ngữ do năm nhóm dự án xây dựng.

Con số lớn không đồng nghĩa mọi dữ liệu đều phù hợp để đưa thẳng vào sản phẩm. Nhóm Việt Nam muốn dùng cần đọc riêng giấy phép, mô tả nguồn, định dạng, ngôn ngữ, điều kiện tài khoản và giới hạn thương mại của từng bộ dữ liệu trên AI Hub.

Cách tiếp cận thực dụng

1. Chọn một bài toán hẹp trước, chẳng hạn nhận dạng giọng nói, hiểu video hoặc đánh giá an toàn.

2. Tải phần mẫu và kiểm tra chất lượng nhãn, trùng lặp, dữ liệu cá nhân và độ lệch.

3. Lập bảng nguồn gốc và giấy phép cho từng tập thay vì gộp tất cả vào một kho không truy vết.

4. Ước lượng chi phí lưu trữ, làm sạch và huấn luyện; dữ liệu miễn phí không có nghĩa toàn bộ quá trình sử dụng là miễn phí.

Đây là cơ hội tốt cho nghiên cứu và thử nghiệm, nhưng không phải chứng nhận rằng mô hình tạo từ các tập này tự động an toàn hoặc đủ điều kiện triển khai thương mại.

Nguồn chính: Cổng Chính sách Hàn Quốc — danh sách chính sách mới ngày 28/8/2026, AI Hub.