본 논문은 인공지능 산업에서 훈련 데이터의 가치와 저작권 보호의 중요성을 강조하며, 데이터 제공자의 공헌에 대한 공정한 보상을 위한 방법으로 Shapley value를 제안합니다. Shapley value의 계산 복잡도 문제를 해결하기 위해, 기존의 근사 알고리즘의 한계를 극복하는 새로운 방법인 Fast-DataShapley를 제시합니다. Fast-DataShapley는 가중 최소 제곱법을 활용하여 재사용 가능한 설명 모델을 학습하여 실시간으로 Shapley value를 계산하며, 새로운 테스트 샘플에 대해 재학습이 필요하지 않습니다. 또한, 유틸리티 함수의 근사 계산 및 훈련 데이터의 그룹 계산을 위한 세 가지 방법을 제안하여 학습 오버헤드를 줄이고, 다양한 이미지 데이터셋을 사용한 실험을 통해 기존 방법보다 성능과 효율성을 크게 향상시켰음을 보여줍니다. 구체적으로, 성능은 2.5배 이상 향상되었고, 설명 모델의 학습 속도는 두 자릿수 향상을 달성했습니다.
