Legal Issues in Generative Artificial Intelligence Models

Yunmyung Kim

Legal Issues in Generative Artificial Intelligence Models

Recommendations

Search

생성형 인공지능(AI) 모델의 법률 문제

Type: Academic journal

Author: Yunmyung Kim (한국지식재산학회)

Journal: 한국정보법학회 정보법학 정보법학 제27권 제1호 KCI Accredited Journals

Published: 2023.4

Pages: 77 - 112 (36page)

Usage

Legal Issues in Generative Artificial Intelligence Models

Abstract· Keywords

Report Errors

While the public was an observer in the great battles between AlphaGO and Lee Sedol, the public is directly involved in OpenAI’s ChatGPT as a user. This shows that AI is becoming a part of everyday life. However, generative AI still faces the problem of inaccurate information and algorithmic bias. Regulation is likely to come into play, especially if it produces illusory effects or conflicts with human norms. However, if various AI technologies, including algorithms, are approached from a regulatory perspective, it is bound to weaken the competitiveness of the AI industry as a new industry. Therefore, policy measures for technology should basically not hinder technological development. In fact, technology regulation can reduce technological competitiveness. A way to dilute algorithmic errors, biases, or errors in the content of AI products is to reduce the probability of biased results by providing more data. In order to overcome these problems, it is necessary to secure a variety of data and utilize it as training data. To do this, it will be necessary to pass regulations on fair use under the Copyright Act and restrictions on information analysis under the Copyright Act Amendment. Of course, in this process, the compensation system for rights holders should also be considered. Under fair use, it is difficult to see how it is reasonable for platform operators to monopolize the revenue generated by the data they use. Until now, it has been known that creativity and artistic fields are areas where humans have an advantage in competition with AI, but the legal issues brought by generative AI make it difficult to distinguish between human creation and AI output. As in <Zarya of the Dawn>, it shows that it is not easy to check content using generative AI registered with the U.S. Copyright Administration if the registrant does not notify it, such as the reason why the registration was canceled registration. With these limitations, the US Copyright Office has released registration guidelines for AI-generated content, but it is necessary to conclude how to handle copyright in AI-generated content through more specific discussions. A guideline would bring legal stability to various stakeholders. Of course, generative AI models are created by humans, so there are problems with the current regulatory system. Therefore, a balanced approach between regulation and industry is needed to make AI more transparent and trustworthy so that it can work reasonably with human decision-making.

알파고(AlphaGO)와 이세돌의 대국에 대중은 관찰자 입장이었다며, OpenAI의ChatGPT에 대중은 사용자로서 직접 관여하고 있다. 그 만큰 인공지능이 생활의 일부가 되고 있음을 보여준다. 그렇지만, 생성형 AI는 부정확한 정보나 알고리즘의 편향등에 대한 문제도 여전하다. 특히, 환각효과를 가져오거나 인간의 규범과 충돌할 경우에는 규제가 작동될 가능성이 크다. 다만, 알고리즘을 포함한 다양한 인공지능 기술을규제적 측면에서 접근할 경우, 신산업으로서 인공지능산업의 경쟁력을 약화될 수밖에 없다. 그렇기 때문에 기술에 대한 정책방안은 기본적으로 기술 발전을 저해해서는않된다. 자칫 기술규제는 기술경쟁력을 저하시킬 수 있기 때문이다. 알고리즘의 오류, 편향이나 AI생성물의 내용상의 오류를 희석화할 수 있는 방안은 보다 많은 데이터를제공함으로써 편향적인 결과가 나올 수 있는 확률을 줄이는 것이다. 이러한 문제를극복하기 위해서는 다양한 데이터를 확보하여, 학습데이터로 활용할 수 있어야 한다. 물론, 이 과정에서 권리자에 대한 보상체계도 고민해야 한다. 공정이용에 따라 플랫폼사업자가 사용한 데이터에 따라 얻은 수익을 독점하는 것은 합리적이라고 보기 어렵기 때문이다. 그동안 인공지능과의 경쟁에서 인간이 우위에 설 수 있는 영역이 창작성이나 예술적인 분야로 알려져왔으나, 생성형 AI가 가져오는 법률문제는 인간의 창작과 AI의 결과물과 차이를 구분하기 쉽지 않다. <새벽의 자리야>와 같이, 미국 저작권청에 등록되었던 생성형 AI를 이용한 콘텐츠가 등록이 취소된 이유와 같이 등록자가 그 사실을 고지하지 않을 경우에는 확인하기가 쉽지 않다는 것을 보여준다. 이러한 한계로 미국 저작권청은 AI생성물에 대한 등록 가이드라인을 공개하였지만, 보다구체적인 논의를 통해 AI 생성물의 저작권을 어떻게 처리할 것인지 결론을 내릴 필요가 있다. 생성형 AI모델은 인간이 만들어낸 것이라는 점에서 현행 규제체계에서 보면, 문제점도 상존하는 것은 사실이다. 따라서, 규제와 산업의 균형적인 접근을 통해 AI 가 보다 인간의 의사결정에 합리적으로 작동할 수 있는 투명하고 신뢰가능하도록 하는 것이 필요하다.

#ChatGPT #대규모 언어모델 #생성형 AI #학습데이터 #알고리즘 윤리 #편향 #공정이용 #AI규제 #ChatGPT #large-scale language model #generative AI #learning data #algorithm ethics #bias #fair use #AI regulation

No content found

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

김윤명

Affiliation 한국지식재산학회

Fields Social Science > Law

Articles 4 Usage 717

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Related Authors

Recently viewed articles

Comments(0)