인공지능에서 저작권과 라이선스 이슈 분석

기존의 오픈소스는 소스 코드 사용 및 개발에 따른 라이선스 준수, 보안 취약점 관리, 의존성 관리 등이 중요했다. 따라서 소스 코드 또는 바이너리 코드는 라이선스 분석, 보안 취약점 분석, 의존성 분석 등으로 오픈소스 컴플라이언스를 해결했다.

인공지능(AI: Artificial Intelligence)은 인간의 학습능력, 추론능력, 지각능력을 인공적으로 구현하려는 기술이며[1], 충분한 데이터세트(Datasets), 그리고 연산할 수 있는 컴퓨팅 환경과 목표 응용에 맞는 학습모델이 주요 구성 요소이다[2]. 글로벌 ICT 시장 조사 전문 기관인 IDC는 세계 AI 시장이 2025년까지 연평균 26.2% 성장할 것으로 예상하고, 국내도 연평균 11.1% 성장을 전망한다[3].

인공지능은 데이터세트를 활용해서 인공지능 모델을 학습하고, 학습한 결과를 바탕으로 의사 결정한다. 이러한 학습을 하기 위해서 빠질 수 없는 것이 데이터세트이며, 다양한 데이터세트를 활용하면 인공지능은 더욱 정확하고 유용한 결과를 얻을 수 있다.

인공지능 모델의 학습은 크게 지도학습, 비지도학습, 강화학습이 있고, 이들 학습은 그림 1과 같은 과정을 거쳐 학습하고 인공지능 응용(서비스)을 만든다.

그림 1

인공지능 모델의 학습 과정

이러한 학습과정에 기존 오픈소스 컴플라이언스만 적용해도 문제가 없는지 의문이다. 지금까지 오픈소스 컴플라이언스는 소프트웨어 코드 분석을 통해 진행되었지만, 인공지능 학습 과정에 사용되는 데이터세트는 누군가의 노력으로 만들어진 창작물로 저작권과 라이선스를 갖는다. 따라서 데이터세트는 학습한 모델과 서비스 과정에 저작권과 라이선스에 대한 법률적인 영향을 미칠 수 있다. 미국은 인공지능 관련 소송이 최근 몇 년간 증가하고 있고[4], 정부도 인공지능 창작물 저작권 논쟁으로 한국저작권위원회와 문화체육관광부는 ‘AI-저작권법 제도 개선 워킹그룹’을 발족하여 인공지능에서 발생할 수 있는 저작권 문제에의 대응을 추진하고 있다[5].

따라서 본고에서는 인터넷에 공개된 데이터세트를 활용하여 인공지능 모델을 개발하는 과정에서 저작권과 라이선스 관리에 따른 이슈들을 살펴보고자 한다.

개발자들은 인공지능 모델 연구 및 서비스 개발 활동 등을 위해 인터넷 및 공공기관에서 공개한 데이터세트와 학습모델을 사용한다.

데이터세트의 저작권(Copyright)은 저작자 표시(BY: Attribution), 비영리(NC: Non-Commercial), 변경 금지(ND: No-Derivative), 동일 조건변경 허락(SA: Share-Alike)이 있고, 이를 활용한 라이선스는 CC-BY, CC-BY-NC, CC-BY-ND, CC-BY-SA, CC-BY-NC-SA 등 다양하다. 학습모델의 오픈소스 라이선스는 퍼미시브 라이선스(Permissive License), 카피레프트 라이선스(Copyleft License)가 있다. 영리 목적을 위해서는 상용(Proprietary) 라이선스가 있다. 그리고 상용으로 사용한다면 데이터세트와 학습모델 간의 라이선스 의무사항에 대한 준법성도 고려해야 한다[6].

많은 인공지능 개발자와 기업은 데이터세트 사용과 제작, 데이터세트를 이용한 학습모델 개발, 추론 및 서비스 등의 과정에서 표 1과 같은 의문을 가질 수 있다.

몇 가지 주요 의문 사례는 다음과 같다. 인터넷 웹페이지에 있는 데이터세트를 크롤링 방식으로 수집(Common Crawling)하여 인공지능 학습에 사용해도 되는지, 또한 이렇게 개발한 학습모델을 상업적으로 활용해도 되는지에 의문을 가질 수 있다. 저작권표기-동일조건변경허락(CC-BY-SA) 조건의 데이터세트로 학습한 모델을 동일 조건으로 배포해야 하는지도 명확하지 않다.

비영리 조건이 있는 데이터세트를 사용하는 경우는 더욱 혼란스럽다. 이러한 데이터세트를 학습하여 생성한 사전 학습모델, 전이 학습모델을 MIT와 같은 허용적인 라이선스로 배포할 수 있는지도 모호하다. 데이터세트의 비영리 조건이 학습모델의 상용화 여부까지 영향을 주는지도 명확하지 않다.

GPL과 같은 카피레프트 라이선스는 외부에 배포할 때 소스 코드를 공개해야 하는 의무사항이 있다. GPL의 학습모델을 활용하여 개발한 학습모델을 외부에 배포할 때 소스 코드 공개 범위가 어디까지 인지(예: weight 값 포함?)도 모호하다. 그리고 상기와 같은 이슈, 의문을 잘 해결하여 개발한 학습모델은 응용 서비스에서 아무런 법적 쟁점이 없는지도 확인이 필요하다.

공개된 주요 데이터세트, 학습모델의 라이선스 현황을 살펴보고, 데이터세트를 활용한 인공지능 모델 관련 소송 사례도 살펴본다.

1. 데이터세트 라이선스 사례

2. 학습모델 라이선스 사례

3. 소송 사례

1. 저작권/라이선스 쟁점

데이터세트를 제작하거나 사용할 때 고려해야 하는 사항들을 살펴보고, 특히 인공지능 모델 학습용으로 데이터세트를 사용할 때 발생할 수 있는 저작권, 라이선스의 쟁점을 살펴보면 그림 2와 같다.

그림 2

데이터세트의 쟁점

먼저 데이터세트를 직접 제작, 구축하는 경우이다. 개인정보를 담은 데이터, 인간을 대상으로 수집한 데이터 등을 구축할 수 있다. 이러한 데이터를 수집하고 제작 구축하는 데 고려해야 할 법, 규정이 있는지 확인이 필요하다. 공중 배포 시 어떤 내용의 저작권 및 라이선스 정보까지 제공해야 할지 생각해야 한다.

두 번째는 인터넷에 공개된 이미지, 텍스트 등 데이터를 크롤링하여 수집(Common Crawling)하고 사용하는 것이 적법한가이다. 데이터세트는 누군가의 노력으로 만들어진 창작물로 저작권의 보호 대상이다. 이러한 데이터세트가 인터넷에 공개되어 있다고 하여 임의로 사용해도 문제가 없는지 의문이다. 더욱이 저작권, 라이선스가 없는 데이터세트는 더 자유롭게 사용할 수 있지 않을까 생각할 수 있다. 누군가의 창작물로 사용 시 저작권, 라이선스 침해가 있을 것 같다. 빅데이터 처리, 인공지능 학습 과정에서 데이터 복제, 분석 등이 있어 무분별하게 활용하는 경우 저작권 위반 행위가 될 수 있다.

2. 저작권법 개정(안)

인공지능 학습은 많은 데이터가 필요하다. 데이터들로 만들어진 데이터세트는 인공지능 학습에 활용한다. 인공지능 학습을 위한 오픈소스 소프트웨어 배포도 늘어가고 있다. 데이터세트의 라이선스와 무관하게 오픈소스 소프트웨어를 자유롭게 사용하고, 특히 기업이 상업용으로 사용 가능한지 등의 쟁점을 이 장에서 살펴본다.

인공지능은 그림 3의 학습 과정을 거쳐 학습하며, 최종 학습한 모델은 사용자가 입력하는 질의, 데이터에 대해서 추론 과정, 즉 응용 서비스 과정을 통해 결과를 사용자에게 제공한다. 사전학습 및 전이학습 과정에서 쟁점은 다음과 같다.

그림 3

학습모델의 쟁점

먼저, 인터넷상에 공개된 데이터세트를 수집하여 학습하는 과정에서의 쟁점으로 데이터세트의 저작권 이슈이다. 학습 과정에서 각 계층의 함수 가중치 계산을 위해서 데이터세트를 복제한다. 이 복제 과정이 저작권 침해에 해당하는지 쟁점이 될 수 있다. 또한, 학습에 사용한 데이터세트가 ‘적법하게’ 활용되었는지 불명확하다. 현재 관련 판례가 많지 않아 의문을 가질 수밖에 없다.

두 번째는 데이터세트의 라이선스 이슈이다. 사용한 데이터세트의 라이선스에 비영리 조건이 있는 경우에 학습한 모델을 공개적으로 배포하거나 상업용으로 사용할 수 있는지이다. 또한 학습 결과인 가중치가 2차적 저작물에 해당하는지, 그리고 학습 결과가 원본 데이터를 변경했는지에 대한 쟁점도 있을 수 있다.

마지막으로 학습모델의 라이선스 이슈이다. GPLv2로 공개한 학습모델 경우, 이 오픈소스로 학습한 모델뿐만 아니라 가중치까지 공개해야 하는지 이슈가 있다. 이 이슈는 이미 Stockfish 커뮤니티와 ChessBase 기업 간의 독일 소송 사례에 있다. 또한 데이터세트의 라이선스 조건에 따라 학습모델의 공개 여부와 공개 라이선스 선택 등이 달라져야 하는지도 의문이다. 특히 비영리 조건의 라이선스가 있는 데이터세트로 학습한 모델을 상업용으로 사용하지 못 하는지는 큰 관심거리이다.

응용 서비스 단계를 살펴보자. 학습한 모델을 상용 서비스에 사용할 수 있다고 가정하면 무슨 문제가 발생할 수 있는지 그림 4를 통해 알아보자.

그림 4

추론/서비스 쟁점

데이터세트의 저작권과 라이선스를 잘 준수하여 학습한 모델은 인공지능 응용 서비스 과정에 아무런 이슈가 없다고 할 수 있는지이다. 서비스 결과물이 기존 저작물 등 침해가 있을 수 있고, 더군다나 그 결과물을 저장장치에 영구적으로 저장하거나 디스플레이 장치로 타인에게 전송하는 경우 등 문제의 소지가 있을 수 있다.

이 장에서는 Ⅱ장에서 기술한 인공지능 학습과정의 이슈에 대해서 견해를 기술하고자 한다. 이들 이슈는 한창 진행 중이고 법적 검토 등이 기반이 되어야 하므로 명확한 의견을 피력하기에 무리가 있는 부분도 있다.

학습모델을 영리 목적으로 사용한다면 다소 복잡한 이슈와 견해가 있으며, 비영리 목적으로만 사용한다면 데이터세트, 모델의 출처 인용과 라이선스를 준수하면 이슈는 없을 것이다.

지금까지 오픈소스 컴플라이언스는 소프트웨어 코드에 중점을 두고 컴플라이언스 절차, 도구 등이 발전해 왔다. 하지만 인공지능 분야에서는 데이터, 데이터세트, 학습모델의 소스 코드, 학습한 결과물의 소스 코드를 대상으로 라이선스 확인과 준수 사항, 표 4의 이슈 사항 등으로 기존의 오픈소스 컴플라이언스 범위가 확장되어야 한다.

데이터세트와 학습모델 간의 저작권, 라이선스 충돌 여부 및 사례를 살펴보았다.

우리나라는 인공지능 기술력 향상, 학습용 데이터 축적 691종, 인공지능 반도체 출시 등으로 인공지능 기반 조성에 세계 시장에서 성과를 창출할 수 있어[16], 앞서 살펴본 의문점의 해결 방안이 시급해 보인다.

판단형 AI에서 데이터 사용은 공정이용으로 저작권 이슈가 없으나 생성형 AI는 데이터세트와 유사한 결과가 나오므로 공정이용이 아니라는 견해도 있다.

따라서, 인터넷에 공개된 자료를 기반으로 초거대 인공지능 모델이 연구 개발되고 이제는 유료 서비스로 상업적 수단이 되고 있어, 해당 서비스로 인하여 기존의 창작물 시장에 영향을 받는다면 인공지능 학습 행위가 공정 이용인지 신중하게 살펴보아야 하고, 특히 상업적인 사용을 희망한다면 가능한 범위에서 별도의 검증 절차를 진행할 필요가 있다[17].

소프트웨어 정책연구소는 최근 발간한 ‘생성 AI 부상과 산업의 변화’ 보고서에서 생성형 인공지능 산업 육성을 위해 저작권 등 법제도·규제 대응과 데이터 유출·일자리 대체 등 사회적 이슈에 대응 필요성을 강조했다[18]. 그리고 정부는 제2차 인공지능 윤리정책 포럼의 기술 분과에서는 기업이 데이터 및 인공지능 모델, 위험관리 체계에서 고려할 것은 데이터 및 인공지능 모델의 소유 및 사용 주체를 명확히 하고, 관리를 위한 정부의 가이드라인 제시가 필요하다고 하였다[19]. chatGPT의 등장으로 인공지능에 대한 저작권 침해 소송도 이어지고 있다[20]. 한편, 서울대학교의 AI의 윤리적·법적·사회적 이슈(Ethical, Legel, Social Issue)를 연구하는 센터장은 공개된 데이터를 가공해서 다른 분야에 활용할 때는 데이터에 대한 저작권을 인정하여 수익을 공유하는 방법도 고민해 볼 만하다고 했다[21].

또한, 한국저작권위원회는 저작권의 쟁점과 대안 논의를 거쳐 창작자의 권리를 보호하고 이용자의 책임 있는 인공지능 이용을 장려하는 정책을 준비해 나간다고 하였다[22]. 그리고 한국지능정보사회진흥원(NIA)은 데이터 이용 과정에서 발생한 분쟁을 조정할 데이터분쟁조정위 홈페이지를 2023년 12월에 구축할 예정이다[23].

이러한 상황을 고려해 볼 때 아직 공개된 데이터세트를 학습시키는 행위가 「저작권법」 위반인지 아닌지 명확하게 답할 수 없으며, 비상용 조건이 있는 데이터세트로 학습한 모델을 상업용으로 사용할 수 있는지도 명확하지 않다. 또한 데이터세트 저작권과 학습모델 라이선스 간의 의무사항 충돌에 대한 명확한 처리 방안도 없는 상황이다. 따라서 이에 대한 법률적 문제점을 확인하고 개선하여, 저작권과 라이선스 위반이 발생하지 않는 올바른 인공지능 기술 개발(안)이 필요해 보인다.

인공지능(AI) 컴퓨터로 구현한 지능 또는 이와 관련한 전산학의 연구 분야

생성형 인공지능(Generative AI) 이용자의 특정 요구에 따라 결과를 생성해내는 인공지능

데이터세트 연관된 데이터를 모아서 특정 규칙에 따라 하나의 묶음으로 만든 데이터의 집합

오픈소스 라이선스 오픈소스SW의 사용, 복제, 수정, 배포와 관련하여 허용되는 권한 범위를 명시한 이용 허락 조건

오픈소스 컴플라이언스 오픈소스SW를 활용하면서 발생할 수 있는 법률적 문제 등과 관련한 다양한 위반사항을 사전에 검증하여 위험 발생 가능성과 영향력을 최소화하는 방안을 수립하고 실행하는 일련의 활동

저작권 학술, 문학 및 기타 예술의 범위에 속하는 창작물(저작물)에 대한 창작자(저작자)의 권리

chatGPT(챗GPT) GPT-3.5와 GPT-4를 기반으로 하는 대화형 인공지능 서비스

퍼미시브 라이선스(Permissive License) 기존 오픈소스의 라이선스를 수정하여 배포할 수 있고, 다른 라이선스로 전환 가능. 해당 라이선스가 적용된 오픈소스는 공개하지 않아도 됨(예: Apache 2.0, BSD-2, BSD-3, BSD-4, MIT 라이선스 등)[24]

카피레프트 라이선스(Copyleft License) 기존 오픈소스의 라이선스를 수정하여 배포할 수 있고, 다른 라이선스로 전환은 불가능. 해당 라이선스가 적용된 오픈소스는 공개하여야 함(예: 약한(Weak) 카피레프트 라이선스는 EPL 1.0, LGPL 2.1/3.0, MPL 2.0 등, 강한(Strong) 카피레프트 라이선스는 AGPL 3.0, GPL 2.0/3.0 등)

CC-BY(저작자 표시) 저작자 및 출처만 표시하면 제한 없이 자유롭게 이용 가능[25]

CC-BY-NC(저작자표시-비영리) 저작자 및 출처를 표시하면 자유롭게 이용할 수 있지만, 상업적 이용은 불가능. 상업적 이용을 원하면 저작자와 별도의 계약이 필요[25]

CC-BY-ND(저작자 표시-변경 금지) 저작자명 및 출처를 표시하면 자유롭게 이용할 수 있음. 다만, 저작물을 변경하거나 저작물을 이용하여 새롭게(2차적 저작물*) 제작하는 것을 금지함[25]. *번역, 편곡, 변형, 각색, 영상 제작 등

CC-BY-SA(저작자 표시-동일 조건변경 허락) 저작자 및 출처를 표시하면 자유롭게 이용할 수 있음. 다만, 저작물을 이용하여 새롭게 저작물(2차적 저작물)을 제작하는 것은 허용하지만, 새로운 저작물에 원저작물과 같은 라이선스를 적용해야 함[25]

CC-BY-NC-SA(저작자 표시-비영리-동일 조건변경 허락) 저작자 및 출처를 표시하면 자유롭게 이용할 수 있지만, 상업적으로는 이용할 수 없음. 상업적 이용을 한다면 저작자와 별도의 계약을 해야 함. 또한, 저작물을 이용하여 새롭게 저작물(2차적 저작물)을 제작하는 것은 허용하지만, 새로운 저작물에 원저작물과 같은 라이선스를 적용해야 함[25]