NSF, 기존 데이터셋에 AI 입혀 최대 1억달러 투자한다

미국 국립과학재단(NSF·National Science Foundation)이 기존 과학 데이터셋의 가치를 인공지능(AI)으로 끌어올리는 새 지원 프로그램을 내놨다. 프로그램명은 “NSF 데이터셋 가치 잠금 해제를 통한 AI 기반 과학적 발견(NSF Unlocking Dataset Value for AI-Enabled Scientific Discovery)”이다. 새로운 데이터 수집을 지원하는 대신 이미 존재하는 과학 데이터셋을 AI로 다시 활용할 수 있게 만드는 데 초점을 맞췄다. NSF는 이 프로그램을 통해 최대 1억 달러를 투자할 계획이며 개별 과제에는 200만~500만 달러, 사전 기획 보조금은 최대 20만 달러까지 지원한다. 국가 우선순위 분야에서 AI를 활용한 발견과 혁신을 끌어내겠다는 목표다.

왜 지금 데이터셋 재활용인가

과학·공학 분야 연구자들은 그동안 수많은 연구를 통해 방대한 데이터셋을 축적해왔다. 문제는 이 데이터셋들이 처음 수집된 목적을 벗어나 새로운 질문에 활용될 잠재력이 충분한데도 실제로는 접근하기 어렵거나 다른 시스템과 연동되지 않고 자동화된 AI 시스템이 곧바로 쓸 수 있는 형태로 준비돼 있지 않다는 점이다. NSF는 많은 기존 데이터셋이 다양한 연구자 집단이 기여하고 혜택을 받을 수 있는 구조조차 갖추지 못했다고 짚었다.

이번 프로그램은 연구 커뮤니티가 이런 데이터셋에서 더 많은 가치를 끌어내 새로운 질문을 던지고 새로운 아이디어를 시험하도록 돕는 것을 목표로 한다. 결국 과거 과학적 투자의 가치를 다시 한번 확장하는 셈이다. NSF는 AI가 사람이 감당할 수 없는 규모와 속도로 데이터를 처리·분석해 지금까지 숨어 있던 패턴과 관계를 찾아내는 데 도움을 준다고 설명했다. 다만 이런 효과는 데이터셋이 신뢰할 수 있고 접근 가능하며 과학적 목적에 맞게 다듬어지고 체계적으로 정리돼 있을 때 극대화된다는 전제가 붙는다. 이런 조건이 충족되면 AI는 그동안 단절돼 있던 여러 학문 분야를 연결하는 다리 역할까지 할 수 있다는 게 NSF의 판단이다.

프로젝트는 무엇을 할 수 있나

프로그램은 새로운 데이터 수집을 주로 지원하기보다는 기존 과학 데이터셋의 가치를 높이고 이를 통해 새로운 AI 기반 통찰과 학제간 연구, 조사를 가능하게 하는 데 방점을 찍었다. 이를 위해 지원 대상 프로젝트는 특징 추출(feature extraction·데이터에서 의미 있는 속성을 뽑아내는 작업), 메타데이터 생성, 여러 데이터셋을 하나로 통합하는 새로운 방법론을 개발할 수 있다. 또 AI 도구와 시스템이 자동으로 분석할 수 있도록 견고한 데이터 파이프라인을 구축하는 작업도 지원 범위에 포함된다.

NSF는 연구자들이 이 과정에서 기존 자원을 적극 활용하도록 권장하고 있다. 구체적으로는 NSF의 데이터 플랫폼들, NSF 통합 데이터 시스템 및 서비스(NSF Integrated Data Systems and Services) 프로그램, NSF가 주도하는 국가 AI 연구 자원(National AI Research Resource), 그리고 백악관 주도의 제네시스 미션(Genesis Mission)의 일환으로 미국 에너지부(DOE)가 구축한 미국 과학·보안 플랫폼(American Science and Security Platform)이 언급됐다. 이미 구축된 인프라를 중복 투자 없이 연결해 쓰도록 유도하는 구조다.

200만~500만 달러 지원…“고품질 데이터가 AI 생태계의 기초”

NSF는 이번 프로그램을 통해 최대 1억 달러를 투자할 계획이라고 밝혔다. 개별 과제에 돌아가는 지원금은 200만 달러에서 500만 달러 사이로 책정됐다. 본격적인 연구 이전 단계에서 계획을 세우는 데 쓰이는 사전 기획 보조금은 과제당 최대 20만 달러까지 지원된다.

NSF 원장실(Office of the Director)의 엘렌 제구라(Ellen Zegura) 과학·공학 수석고문은 “고품질 과학 데이터는 AI 기반 연구·혁신 생태계를 발전시키는 데 기초가 된다”고 말했다. 그는 이어 “연구 커뮤니티가 기존 데이터의 가치를 잠금 해제할 수 있도록 도우면 돌파구를 가속화하고 혁신을 이끌며 미국의 글로벌 리더십을 강화할 수 있다”고 밝혔다. 지원금 규모가 크지 않은 대신 다수의 프로젝트에 분산 투자해 여러 분야에서 동시에 성과를 내려는 전략으로 읽힌다.

남은 과제와 관전 포인트

이번 프로그램의 성패는 결국 얼마나 많은 연구 커뮤니티가 자신들이 보유한 데이터셋을 실제로 개방하고 표준화하느냐에 달려 있다. NSF가 지적한 것처럼 지금까지 데이터셋 상당수는 애초 수집 목적 밖의 활용이 어려웠고 상호운용성도 부족했다. 이런 구조적 문제를 개별 연구팀 단위의 지원금만으로 얼마나 해소할 수 있을지는 두고 봐야 한다.

또 하나의 관전 포인트는 NSF가 언급한 국가 AI 연구 자원이나 제네시스 미션 산하 플랫폼 같은 기존 국가 인프라와의 연계 수준이다. 개별 프로젝트가 이런 자원을 실제로 얼마나 활용하느냐에 따라 프로그램의 파급력이 달라질 수 있다. 데이터 재활용을 통한 AI 발견이라는 방향성 자체는 명확하지만 구체적인 성과는 앞으로 선정될 개별 과제들의 결과를 통해 확인될 전망이다.