データセットとは？

AIの学習や評価のために整備されたデータのまとまり。「どんなデータセットで学んだか」がモデルの性格と得意分野を決める。研究用の公開データセットも多数ある。

データセットはAIの「教科書セット」です。画像認識の歴史を変えたImageNet（ラベル付き画像1400万枚）のように、優れたデータセットの登場が分野全体を前進させてきました。モデルの性能評価に使う共通テスト（ベンチマーク）もデータセットの一種です。

LLM時代には「何を学ばせたか」が性能・著作権・安全性すべての争点になり、各社の学習データセットの中身は最高機密になりました。自社でAIを活用する場面でも発想は同じで、社内の資料やFAQを整備することは「自社専用データセットづくり」。AI活用の成否は、実はデータの手入れで決まります。