Differences

This shows you the differences between two versions of the page.

--- blog:the_illusion_of_measuring_ai-ready_data [2026/02/13 09:18] – hyjeong
+++ blog:the_illusion_of_measuring_ai-ready_data [2026/02/13 11:05] (current) – hyjeong
@@ Line 1: / Line 1: @@
 <!DOCTYPE markdown>
-# The Illusion of Measuring AI-Ready Data"
+# The Illusion of Measuring AI-Ready Data
-## AI 데이터는 숫자로 세어지는가
+## AI 데이터는 과연 숫자로 세어지는가
 ## Structural Problems in Surveying Research Data Holdings of Public Research Institutions
@@ Line 24: / Line 25: @@
 연구기관은 이미 방대한 데이터를 보유하고 있다.
--   수십\~수백 테라바이트의 시퀀싱 데이터\
+-   수십\~수백 테라바이트의 시퀀싱 데이터
--   수만 건의 임상 기록\
+-   수만 건의 임상 기록
 -   수천 건의 실험 결과 파일
@@ Line 47: / Line 48: @@
 조사를 시작하면 곧바로 질문이 나온다.
--   표준화란 무엇인가?\
+-   표준화란 무엇인가?
--   메타데이터 완비란 무엇인가?\
+-   메타데이터 완비란 무엇인가?
 -   어느 수준부터 AI-ready로 볼 것인가?
@@ Line 65: / Line 66: @@
 이러한 조사는 상당한 행정력을 요구한다.
--   내부 데이터 재분류\
+-   내부 데이터 재분류
--   형식적 표준 문서 작성\
+-   형식적 표준 문서 작성
--   메타데이터 정리\
+-   메타데이터 정리
 -   자체 점검 보고서 작성
@@ Line 88: / Line 89: @@
 그러나 현실은 다르다.
--   데이터 통합 비용은 기하급수적으로 증가한다.\
+-   데이터 통합 비용은 기하급수적으로 증가한다.
--   법적 활용 가능 여부가 불명확하면 학습에 사용할 수 없다.\
+-   법적 활용 가능 여부가 불명확하면 학습에 사용할 수 없다.
--   메타데이터가 부실하면 재현성이 확보되지 않는다.\
+-   메타데이터가 부실하면 재현성이 확보되지 않는다.
 -   데이터가 이질적이면 모델 편향이 발생한다.
@@ Line 104: / Line 105: @@
 논리적 순서는 이렇다.
-.  AI-ready의 기술적 정의 수립\
+.  AI-ready의 기술적 정의 수립
-.  최소 기준선 설정\
+.  최소 기준선 설정
-.  측정 가능한 지표 설계\
+.  측정 가능한 지표 설계
 .  그 기준에 따른 현황 조사
@@ Line 120: / Line 121: @@
 우리는 무엇을 알고 싶은가?
--   저장 용량인가?\
+-   저장 용량인가?
--   연구 실적 증빙인가?\
+-   연구 실적 증빙인가?
 -   아니면 실제로 AI 모델을 학습시킬 수 있는 준비 상태인가?