인공지능 학습 맥락에서의 TDM 면책과 공정이용에 관한 소고

권순재

추천

검색

자료유형: 학술저널

저자정보: 권순재 (서울지방변호사회)

저널정보: 한국정보법학회 정보법학 정보법학 제28권 제2호

발행연도: 2024.8

수록면: 25 - 56 (32page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

학습된 인공지능 모델의 내부 표현들로부터는 단지 군집화되고 통계적인 묘사에불과한 정보만을 발견하게 되고, 학습데이터의 복제물이 학습된 모델의 어딘가에 보관되어 있다고는 평가할 수 없다. 이러한 기술적 특징은 학습용 데이터세트를 구축할때 저작물성 있는 콘텐츠의 권리처리에 문제가 있는 경우 인공지능 모델 학습과정에서 이를 바로잡는 것을 매우 어렵게 만든다. 특히, 일부 국가에서는 TDM 면책을 적용받는 비상업적, 연구목적의 학습용 데이터세트 구축을 통해 데이터 세탁(data-laundering)이 발생할 수 있다. 이를 통해 권리자와 학습용 데이터세트의 관계는절연될 수 있고, 또한 학습된 모델이 산출한 생성물과의 관계에서도 의거성과 실질적유사성을 인정하기 곤란하여 또다시 단절될 수 있다. 특히, 생성형 인공지능이 주도하는 TDM은 더 이상 단지 학습데이터의 통계적 규칙이나 패턴을 분석하여 가치 있는 정보를 추출하고 새로운 지식을 발견하는 것에 그치는 것이 아니다. 생성형 인공지능은 TDM에 힘입어 새롭고 혁신적인 콘텐츠를 생성해낸다. 이러한 인공지능 생성물이 학습데이터로 이용된 저작물이 속한 특정 시장에서서로 경쟁하는 관계에 놓일 때는 공정이용 요건을 쉽게 달성하기는 곤란할 것이다. 게다가 합성데이터의 대두를 고려하면 인공지능 생성물은 향후 인공지능 학습데이터시장에서조차 저작물성 있는 콘텐츠를 완전히 대체하게 될 수 있다. 한편, 생성형 인공지능 맥락에서 특히 중요한 학습데이터는 미세 조정(fine-tuning) 을 위한 것이다. 이러한 학습데이터의 경우 최종 인공지능 생성물의 표현형식과 유사한 형태의 콘텐츠일 경우가 많을 것이고, 이것이 저작물성 있는 경우 이용자의 면책여지는 줄어들 수 있고 오히려 권리자의 협상력이 강화될 수 있다. 따라서, 저작권법적 관점에서는 이러한 상황을 발견하는 것을 기대할 필요가 있다. 지금은 어느 때보다도 TDM에 대한 포괄적 면책 규정 도입의 당위와 공정이용 요건에 대한 신중한 접근이 요구된다.

From the internal representations of a trained AI model, we can only discover information that is merely clustered and statistically described, and we cannot evaluate that a reproduction of the training data is retained somewhere in the trained model. These technical characteristics make it very difficult to correct it in the AI model training process when there is a legal problem with the licensing of copyrighted content when building a training dataset. In particular, in some countries, data laundering can occur through the building of a non-commercial, research-purpose training dataset that applies TDM exceptions. Through this, the relationship between the rights holder and the training dataset can be insulated, and it can also be difficult to recognize the origin and substantial similarity in the relationship with the outputs generated from the trained model, which can be severed again. Especially, TDM driven by generative AI is no longer limited to analyzing statistical representation or patterns of training data to extract valuable information and discover new knowledge. Generative AI creates new and innovative content through TDM. If these AI-generated works are in a competitive relationship in a specific market where the copyrighted works used as training data belong, it will be difficult to easily achieve fair use requirements. Moreover, considering the emergence of synthetic data, AI-generated works may completely replace copyrighted content even in the future AI training data market. On the other hand, in the context of generative AI, particularly important training data is for fine-tuning. In the case of such training data, it is likely to be content similar in form to the final AI-generated outputs, and if it is copyrighted, the user’s exemption may decrease and the rights holder’s bargaining power may increase. Therefore, from a copyright law perspective, it is necessary to expect to find such situations. Now, more than ever, there is a need for a careful approach to the introduction of comprehensive exception regulations for TDM and fair use requirements.

#생성형 인공지능 #TDM 면책 #데이터 세탁 #학습데이터 #공정이용 #Generative AI #TDM exceptions #Data Laundering #Training Data #Fair use

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

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

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)