학습데이터

2 Contents

[카오스 짧강] 교육 AI에서의 공정한 평가모델

AI 기술은 교육 현장에서 학습자의 실력을 예측하고 학습 수행도를 분석하는 데 활발히 활용되고 있습니다. 하지만 딥러닝 기반의 모델들은 결과 도출 과정을 명확히 설명하기 어려운 '블랙박스'라는 한계를 지니고 있습니다. 교육적 의사결정은 학습자의 미래에 큰 영향을 미치기에, 단순히 결과만 제시하는 것이 아니라 그 근거를 논리적으로 설명할 수 있는 투명성이 무엇보다 중요하게 요구됩니다. 이러한 블랙박스 문제를 해결하기 위해 수학적 공리를 활용한 새로운 평가 모델이 도입되고 있습니다. 학습자 간의 실력 차이나 상하 관계를 공리적으로 정의하고, 서로 다른 문제를 풀었더라도 공통된 데이터를 바탕으로 실력을 좌표화하는 방식입니다. 이를 통해 주관적인 개입을 최소화하고 객관적인 수치로 점수 체계를 구축함으로써, AI가 내리는 평가에 대한 공정성과 신뢰도를 확보할 수 있게 되었습니다. AI 평가의 신뢰도는 결국 학습자의 성취도 향상을 통해 증명됩니다. 처음에는 AI의 분석 결과에 반신반의하던 학습자들도, 추천된 맞춤형 콘텐츠로 학습하며 실제 실력이 오르는 것을 경험하면 모델의 정확성을 납득하게 됩니다. 이는 평가가 단순히 서열을 매기는 도구가 아니라, 학습자에게 최적화된 처방을 내리고 성장을 돕는 가이드로서 기능할 때 비로소 그 가치가 인정받는다는 점을 시사합니다. 전통적인 교실 환경에서는 교사의 피드백이 다른 학습자들과 비교되어 심리적 위축을 불러일으키기도 합니다. 반면 AI는 일대일 맞춤형 지도를 제공하므로 타인의 시선을 의식할 필요가 없습니다. 자신이 무엇을 알고 무엇을 모르는지 AI와 단둘이 확인하는 과정은 학습자의 심리적 부담을 크게 줄여줍니다. 이러한 비대면적 특성은 학습자들이 자신의 약점을 보다 솔직하게 마주하고 학습에 집중할 수 있는 환경을 조성합니다. AI 교육 서비스는 기술적 정확도뿐만 아니라 사용자의 감성적인 측면까지 고려하여 설계됩니다. 학습자들이 평가 결과에 거부감을 느끼지 않도록 친근한 어투로 말을 걸거나 동기를 부여하는 디자인 요소를 적극적으로 활용합니다. 연구원들은 AI가 차가운 감시자가 아닌 따뜻한 조력자로 느껴질 수 있도록 끊임없이 연구하며, 학습자가 즐겁게 공부를 지속할 수 있는 최적의 사용자 경험을 제공하기 위해 노력하고 있습니다.

[카오스 짧강] 교육 AI에서의 공정한 평가모델
카오스재단질토과 + 짧강

[EOST2023] Generative AI로 촉발된 오픈소스 라이선스 이슈

오픈소스는 현대 소프트웨어 개발의 핵심적인 패러다임으로 자리 잡았습니다. 리눅스에서 시작된 오픈소스의 흐름은 모바일과 클라우드를 거쳐 현재 인공지능 시대를 점령하고 있습니다. 블록체인, IoT, 6G 네트워크 등 최신 ICT 기술 대부분이 오픈소스를 기반으로 발전하고 있으며, 이는 개발의 효율성을 극대화하는 장점을 제공합니다. 그러나 오픈소스는 단순히 무료로 코드를 사용하는 것이 아니라, 라이선스에 명시된 의무 사항을 준수해야 하는 법적 구속력을 가집니다. 이를 위반할 경우 심각한 소송으로 이어질 수 있기에 컴플라이언스의 중요성이 날로 커지고 있습니다. 특히 생성형 AI의 등장은 이러한 오픈소스 환경에 새로운 법적 도전 과제를 던지고 있습니다. 생성형 AI는 방대한 데이터를 학습하여 새로운 결과물을 창조해내는 특성을 가지고 있습니다. 이 과정에서 학습 데이터의 품질과 양이 생성물의 성능을 좌우하게 되는데, 여기서 저작권 문제가 발생합니다. AI 모델의 알고리즘 자체는 소스코드 라이선스의 영역이지만, 학습에 사용되는 데이터와 그 결과물은 저작권법의 보호를 받는 저작물인 경우가 많기 때문입니다. 기존의 오픈소스 라이선스 체계가 소스코드의 복제와 배포를 중심으로 설계되었다면, 생성형 AI 시대에는 학습 데이터의 출처와 사용 권한, 그리고 생성된 결과물의 저작권 귀속 문제까지 복합적으로 고려해야 합니다. 이는 개발자와 기업 모두에게 기존보다 훨씬 정교하고 확장된 법적 검토를 요구하는 변화라고 할 수 있습니다. 실제 사례로 스테이빌리티 AI와 게티 이미지 간의 소송을 들 수 있습니다. 게티 이미지는 스테이빌리티 AI가 자사의 저작권 있는 이미지 1,200만 개를 무단으로 학습에 사용했으며, 생성된 결과물에서 자사의 상표가 왜곡되어 노출됨으로써 브랜드 가치가 훼손되었다고 주장했습니다. 특히 학습에 사용된 데이터셋의 메타데이터는 자유롭게 이용할 수 있더라도, 개별 이미지에 대한 저작권은 별도의 협의가 필요하다는 점이 쟁점이 되었습니다. 이는 오픈 데이터셋을 활용할 때 데이터의 수집과 이용 단계에서 발생할 수 있는 저작권 침해 리스크를 명확히 보여줍니다. 상업적 목적으로 AI 서비스를 운영하는 기업들은 학습 데이터의 라이선스 범위를 더욱 엄격하게 관리해야 할 필요가 있습니다. 코드 생성 도구인 깃허브 코파일럿과 체스 엔진 스톡피쉬의 사례도 주목할 만합니다. 코파일럿 소송에서는 AI가 생성한 코드가 원저작자의 고지 및 공개 의무를 준수하지 않았다는 점이 주요 쟁점으로 다뤄지고 있습니다. 한편, 스톡피쉬와 체스베이스의 분쟁은 오픈소스 라이선스 위반이 AI 모델의 핵심인 가중치의 공개 여부로까지 확장된 사례입니다. 스톡피쉬 측은 독점 라이선스로 배포된 경쟁 제품이 자사의 GPL 라이선스를 위반했다고 주장하며 법정 공방 끝에 합의를 이끌어냈습니다. 이는 AI 모델의 가중치를 소스코드의 일부로 볼 수 있는지에 대한 논의를 촉발했으며, 기존 소스코드 중심의 오픈소스 라이선스가 AI 구성 요소 전반으로 확장될 수 있음을 시사합니다. 현재 세계 각국은 인공지능 기본법을 제정하며 AI 기술의 투명성과 책임성을 강화하는 추세입니다. 우리나라도 가이드라인을 통해 AI 학습용 데이터 수집과 저작권 보호 사이의 균형을 맞추기 위한 논의를 지속하고 있습니다. 데이터의 공정 이용 규정을 두어 기술 발전을 도모하자는 의견과 창작자의 권리를 엄격히 보호해야 한다는 주장이 팽팽하게 맞서고 있는 상황입니다. 앞으로의 오픈소스 컴플라이언스는 단순한 코드 검증을 넘어, 학습 데이터의 저작권과 생성물의 법적 책임까지 포괄하는 넓은 관점으로 진화해야 합니다. 아직 명확한 법적 판결이 나오지 않은 과도기인 만큼, 지속적인 트렌드 분석과 관찰을 통해 변화하는 기술 환경에 유연하게 대응하는 자세가 필요합니다.

[EOST2023] Generative AI로 촉발된 오픈소스 라이선스 이슈
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술