이렇게 AI가 만들어낸 학습용 자료를 무엇이라고 부를까요?

합성 데이터는 실제 사람이 쓴 글이나 이미지, 실제 사건에서 수집한 것이 아니라 AI 모델이나 컴퓨터 시뮬레이션이 만들어낸 학습용 자료를 말합니다. AI 연구소들이 학습에 쓸 신선하고 질 좋은 사람 작성 텍스트가 점점 한계에 부딪히면서, 합성 데이터는 특히 실제 사례가 부족하거나 구하는 데 비용이 많이 들거나 비공개인 영역에서 그 공백을 메우는 방법을 제공합니다. 연구자들이 맞춤형 학습 예시를 대량으로 생성할 수 있게 해주는 것이죠.

오픈소스 데이터는 누구나 자유롭게 쓰거나 수정할 수 있는 정보나 코드를 가리키는 라이선스 개념으로, 그 콘텐츠가 AI로 생성되었는지 여부와는 무관합니다. 메타데이터는 파일의 생성일이나 작성자처럼 다른 데이터를 설명하는 부가 정보일 뿐, AI 시스템이 직접 생성한 학습용 콘텐츠가 아닙니다.

연구자들은 진짜 사람이 만든 콘텐츠가 아니라 이전 AI 모델이 만든 데이터에 새 AI 모델을 지나치게 많이 학습시키면, 세대를 거듭할수록 품질과 다양성이 점점 저하될 수 있다고 우려합니다. 이런 되먹임 고리 문제를 연구자들은 '모델 붕괴'라는 별명으로 부릅니다.