超过3800万条数据，包括书籍、表格、插图、广告和照片，将向全国公众开放。 国立中央图书馆于17日宣布，首次向公众开放国家文献中构建的人工智能（AI）学习数据。 公开的数据包括3974本书的文本数据（Hidden Text PDF、XML、TXT、JSON）、2万1485条表格、插图、广告、照片等图像数据、元数据和3830万条字符数据集，总计达到3833万条。 此次数据开放伴随着“共享书库”平台的改版，使其更适合AI学习数据的使用。此次改版的重点是增强便利性，以便任何人都能轻松使用，适用于AI学习、学术研究、服务和应用开发、内容制作等多种目的。 开放的数据包括国立中央图书馆所藏的数字化原文中，版权已解决的1930至1940年代的现代杂志、1940至1960年代的政府出版物和教科书，以及获得AI学习使用许可的开放获取（Open Access, OA）学术论文。任何人都可以在“共享书库”中自由查阅和下载使用。 文本数据以易于AI识别的高质量形式提供，能够直接用于研究和服务开发。字符数据集可以直接用于AI学习的各种形式的字符数据，预计将帮助面临大规模数据获取困难的中小企业和创业公司广泛应用于AI基础的文字识别（OCR）和自然语言处理等相关技术开发。 改版后的“共享书库”还增强了对AI和数字人文学科研究的支持功能，扩展了公共数据的利用。通过将数字化积累的大量知识资料整理和加工为AI可以学习的形式，原本难以进行的大规模数据基础的人文学科研究变得可能。研究人员可以更轻松地利用AI分析文献、记录、图像等多种资料，提取新的意义，进行数字人文学科研究。 此外，能够以适合AI学习的形式大规模开放版权问题已解决的国家文献，具有重要意义。这将减轻长期以来在获取学习数据时面临的成本和版权负担，尤其是对研究人员和中小企业的影响。 平台的用户环境也进行了用户友好的改进。采用直观的界面设计和按资料类型及图像类型的探索结构，任何人都可以轻松访问数据，无需额外注册程序，使专业研究人员和普通用户都能方便地搜索和利用资料。 国立中央图书馆计划在今年年底再开放300余本韩文小说的文本数据，并将持续扩大数据的构建和开放，提升AI应用服务，发展“共享书库”成为一个持续成长的数据平台。 国立中央图书馆数字信息规划科科长李贤珠表示：“我们将持续扩大数据开放范围，建设一个让每位国民都能享受公共知识资源的AI时代图书馆。”※ 本报道经人工智能（AI）系统翻译与编辑。

政府投入1兆6328亿韩元建设的人工智能（AI）学习数据项目中，出现了重复制作与无法用于AI学习的低质量数据的情况。由于事前审核、质量管理和事后管理的不足，大规模预算被低效使用。 根据审计院于12日公布的《人工智能产业发展现状-AI学习数据建设项目审计报告》，科学技术信息通信部自2017年至2024年间建设了AI学习数据。截至2025年11月，AI中心公开的数据共有908种。 此外，食品药品安全处、首尔市和韩国道路公社等26个公共机构也通过各自的门户网站公开了313种数据。然而，由于各机构未能事先共享建设计划或评估现有数据的可用性，导致了重复建设相似数据的情况。 科学技术信息通信部花费73亿8000万韩元首先建设了野生动物、生活废物、混凝土裂缝和鸡蛋相关的四种数据，但首尔市和韩国道路公社等五个机构又花费6亿1000万韩元制作了相似的数据。 大田西区建设的生活废物数据中，9000张图像中有5200张（57.8%）与现有的科学技术信息通信部数据相似。韩国道路公社的野生动物数据中，约有25000张（总数6万张）与现有资料相似。 由于未能协调各机构的计划，同年内各自制作相似数据的情况也存在。科学技术信息通信部在2021年至2023年间投入233亿韩元建设药丸、口腔和自动驾驶相关数据，而食品药品安全处等三家机构则单独使用了8400万韩元建设相似数据。 2023年，个人信息保护委员会为口腔治疗等建设的1000张图像与同年科学技术信息通信部建设的数据完全相似。2021年，科学技术信息通信部和食品药品安全处分别制作的药丸自动识别数据中也有1411种图像重叠。 数据质量管理也相当薄弱。在建设业绩排名前20的公共机构中，有4家没有单独的质量管理标准，9家在交付前没有进行第三方质量验证。食品药品安全处和韩国东南电力公司不仅未进行第三方验证，也未要求项目执行机构进行自检。 五个机构建设的114种数据中，有96种（84.2%）没有句法规则标准，无法判断句子结构和格式的准确性，因此质量检测本身不可能进行。 审计院对京畿道和韩国道路公社建设的6种数据进行了专业机构验证，结果发现其中1种无法进行检测。其余5种的格式准确性在77.3%至99.2%之间，未达到标准值99.5%。 韩国道路公社在2025年建设的“道路行驶CCTV学习数据集”中，标注汽车等对象的2680张图像缺少边界框位置坐标信息，导致AI无法识别汽车位置，无法作为自动驾驶技术开发的学习资料。 首尔市在2020年建设的“大型废物学习数据”中，2303张图像中有538张（23.4%）的文件名与实际图像不一致。文件中标注为“包”，但实际包含的是盒子或桌子的图像等错误。 建设企业停业后，数据错误无法修复的问题也暴露出来。韩国智能信息社会振兴院在2021年至2024年通过1270家企业建设了721种数据，其中65家企业因停业或内部原因交付的数据达213种，占总数的29.5%。 针对这些数据中11种提出了错误相关的投诉，但振兴院以建设企业停业为由，未直接修正或委托第三方进行修复，便结束了投诉。即使确认错误的数据仍在AI中心公开。 审计院要求科学技术信息通信部与行政安全部协商，事先评估现有数据的替代利用可能性，并建立各机构间的建设计划共享与协调机制。同时，要求公共机构制定统一适用的质量管理标准及自检和第三方验证程序。 韩国智能信息社会振兴院被要求直接修正停业企业建设的数据错误或建立第三方维护体系。科学技术信息通信部表示，将通过跨部门全面调查验证现有数据的质量，并通过数据和AI专业企业补充不合格资料。 审计院指出：“由于重复建设和质量管理体系缺失，产生了无法利用的数据，建设后的事后管理也不够。”并表示：“AI企业持续呼吁缺乏可用数据，为了实现成为AI强国，急需改善数据的数量和质量。”

NAVER的创业投资机构NAVER D2SF对拥有物理人工智能（AI）学习所需的3D数据生成技术的公司Endlight进行了第三轮后续投资。随着物理AI市场的扩大，机器人在实际环境中学习所需的数据获取成为了关键任务，NAVER正在加强与相关数据基础设施公司的合作。 NAVER D2SF于11日宣布，在Pre-Series A和Series A轮之后，进行了对Endlight的第三轮后续投资。本轮投资由产业银行主导，整体投资规模为150亿韩元。 Endlight基于自有引擎开发了可直接用于物理AI学习模拟的‘SimReady’ 3D数据生成解决方案‘Trinix’。 物理AI需要大量学习数据，以便机器人在现实世界中移动和工作。虽然可以利用远程操作等方式收集实际数据，但这一过程耗时且成本高昂。此外，为了将收集到的数据应用于实际学习环境的模拟中，还需要额外反映物理特性等因素，这也是一个挑战。 Endlight建立了一个自动生成3D数据的管道，能够反映质量、摩擦等物理属性，以及关节结构和碰撞范围信息。通过这一方式，Endlight能够更快地获取物理AI学习所需的数据，并支持其在模拟中的应用。 目前，Endlight已为Holiday Robotics、Airobot、Robros、RealWorld等人形机器人及机器人基础模型公司提供AI学习数据。 NAVER D2SF关注Endlight的技术在物理AI时代成为核心基础设施的潜力，持续进行投资。自2021年首次投资以来，2022年进行了后续投资，此次为第三次投资。 特别是此次投资不仅仅是财务投资，还探索了NAVER与Endlight在物理AI领域的合作可能性。NAVER D2SF与Endlight一直在合作建立3D内容制作环境，此次追加投资将进一步扩大在物理AI数据领域的合作范围。 NAVER D2SF中心主任杨相焕表示：“Endlight不仅是投资对象，还与NAVER 1784紧密交流，建立了信任。它在快速变化的市场环境中，主动捕捉核心机会并迅速执行，未来将作为物理AI数据的代表企业实现新的飞跃，期待其更大的成长。”※ 本报道经人工智能（AI）系统翻译与编辑。