과학 포털 iKAOS

Agent 기반 Open Data Compliance 시스템

LG AI 연구원은 인공지능 기술의 선행 연구와 윤리 원칙 수립을 주도하는 그룹의 싱크탱크로서, AI 개발 과정에서 발생할 수 있는 다양한 법적 리스크를 관리합니다. 특히 데이터 학습 과정에서는 저작물의 복제와 2차적 저작물 작성이 빈번하게 일어나는데, 이는 소스 코드를 다루는 방식과는 차별화된 접근이 필요합니다. 텍스트의 수치화부터 인스트럭션 튜닝에 이르기까지, 데이터가 변형되고 복제되는 모든 단계에서 저작권 침해의 소지가 존재하기 때문입니다. 따라서 데이터의 기술적 이용 방식이 저작물의 본래 목적을 침해하지 않도록 정교한 법적 검토가 수반되어야 합니다. 저작권 분쟁에서 주로 논의되는 공정 이용의 법리는 이용 목적, 저작물의 성격, 이용량, 잠재적 가치 등 네 가지 요소를 종합적으로 판단하지만, 이는 매우 주관적이라는 한계가 있습니다. 국가나 재판부마다 판단이 달라질 수 있는 상황에서 단순한 낙관론에 기대어 컴플라이언스 체계를 구축하는 것은 기업 경영에 큰 위험을 초래할 수 있습니다. LG AI 연구원은 이러한 리스크를 사전에 방지하기 위해 18가지의 엄격한 평가 기준을 수립하고, 수십 명의 법률 전문가와 협업하여 데이터 라이선스부터 개인정보 보안까지 아우르는 데이터 컴플라이언스 가이드라인을 운영하고 있습니다. 현대의 AI 학습 데이터는 수천 개의 원천 소스가 얽혀 있으며, 수십 번에 걸쳐 재배포되는 등 그 구조가 매우 복잡합니다. 특정 데이터셋이 표면적으로는 자유로운 이용이 가능한 라이선스로 배포되었더라도, 실제 출처를 추적해 보면 불법적으로 입수된 도서나 뉴스 기사가 포함되어 있을 가능성이 큽니다. 변호사 등 전문가가 수천 개의 소스 데이터를 일일이 분석하고 논문을 검토하여 법적 배포 행위의 적절성을 판단하는 것은 사실상 불가능에 가깝습니다. 이러한 물리적 한계는 데이터 활용의 안전성을 보장하기 위해 반드시 해결해야 할 핵심 과제로 떠오르고 있습니다. LG AI 연구원은 데이터 검토의 한계를 극복하고자 '엑사원 넥서스'라는 에이전트 AI 시스템을 개발하였습니다. 이 시스템은 QA, 내비게이션, 스코어링 모듈로 구성되어 웹상의 URL만으로 데이터의 모든 흐름을 추적합니다. 에이전트는 허깅페이스나 깃허브 같은 플랫폼은 물론, 관련 논문의 PDF를 직접 분석하여 데이터가 생성된 실제 소스와 라이선스 정보를 샅샅이 찾아냅니다. 실제로 상업적 이용이 가능하다고 알려진 데이터셋 중 약 21%만이 법적으로 안전하다는 사실을 밝혀냈으며, 이는 인간 전문가보다 높은 정확도와 스케일을 구현하며 데이터 분석의 새로운 지평을 열었습니다. 에이전트 AI를 통한 분석 결과는 전문가의 최종 검토를 거쳐 더욱 완벽한 리포트로 완성되며, 이는 안전한 AI 모델 개발의 토대가 됩니다. LG AI 연구원은 최근 ETRI와의 업무 협약을 통해 엑사원 넥서스 기술을 공유하고 오픈소스 커뮤니티에 기여함으로써 생태계 전반의 안전성을 높이고자 노력하고 있습니다. 모든 데이터의 연결성을 추적하고 투명하게 관리하는 시스템은 단순히 법적 리스크를 피하는 것을 넘어, 인류에게 도움이 되는 책임감 있는 인공지능을 만드는 중요한 발판이 될 것입니다. 앞으로도 기술적 성능과 윤리적 가치를 동시에 확보하는 연구를 지속할 예정입니다.

한국전자통신연구원오픈소스 테크데이

융합
공학·기술

오픈소스 AI의 IPR 쟁점

인공지능 분야에서 오픈소스 모델은 단순히 비용 효율성을 넘어 지식 축적과 투명성 확보라는 중요한 가치를 지닙니다. 최근 클로즈드 모델의 성능을 바짝 추격하며 배포되는 모델의 상당수를 차지하고 있는 오픈소스는 인공지능 특유의 블랙박스 문제를 해결할 열쇠로 주목받고 있습니다. 공동체가 함께 검증하고 위험에 대처할 수 있다는 점은 EU AI 법안(EU AI Act)에서도 일정 부분 의무를 면제해 주는 근거가 되기도 합니다. 비록 성능 면에서 클로즈드 모델을 완전히 대체하기는 어렵겠지만, 시장에서의 공존은 피할 수 없는 흐름이 되었습니다. 하지만 우리가 흔히 부르는 오픈소스 AI가 진정한 의미의 오픈소스인지는 논란의 여지가 있습니다. 오픈소스 이니셔티브(OSI)는 사용, 연구, 수정, 공유라는 네 가지 자유를 보장하기 위해 데이터 정보와 소스 코드, 파라미터 일체를 공개해야 한다고 규정합니다. 이 엄격한 기준을 적용하면 라마(Llama)나 스테이블 디퓨전(Stable Diffusion)조차 완전한 오픈소스로 보기 어렵습니다. 현실적으로 학습 데이터를 모두 공개하기 힘든 제약 때문에, 업계에서는 연구와 수정의 자유를 일부 완화한 '오픈 웨이트'라는 개념이 더 현실적인 대안으로 논의되고 있습니다. 인공지능 개발 단계에서 가장 민감한 법적 쟁점은 학습 데이터와 관련된 저작권 문제입니다. 현재 미국을 비롯한 전 세계에서는 메타나 스테빌리티 AI(Stability AI) 같은 주요 기업들을 상대로 수많은 저작권 침해 소송이 진행 중입니다. 학습 데이터를 기계적으로 활용하는 과정에 대해 유럽은 명시적인 면책 규정을, 미국은 포괄적인 공정 이용 원칙을 적용하려 하지만 법적 불확실성은 여전합니다. 오픈소스 모델이라 할지라도 데이터 수집 과정에서의 저작권 리스크에서 자유로울 수 없으며, 이는 개발자와 이용자 모두가 주의해야 할 핵심 요소입니다. 배포 단계에서는 더욱 정교한 법적 논리가 등장하고 있습니다. 최근에는 학습 데이터 자체가 아닌, 학습된 모델 그 자체를 데이터의 복제물로 보아야 한다는 주장이 제기되었습니다. 즉, 인공지능 모델이 특정 데이터를 암기하고 이를 재현할 가능성이 내재되어 있다면, 모델 배포 자체가 저작권 침해에 해당할 수 있다는 논리입니다. 비록 이러한 견해가 법적으로 확정된 것은 아니나, 모델을 '압축된 사본'이나 '콜라주 기계'로 정의하려는 시도는 배포 과정에서의 법적 리스크를 증대시키는 요인이 되고 있습니다. 마지막 사용 단계에서는 인공지능 산출물에 대한 권리와 책임의 관계를 명확히 인식해야 합니다. 많은 기업이 산출물의 권리를 이용자에게 귀속시키는 동시에 그에 따른 책임도 전가하는 전략을 취하고 있습니다. 침해를 유발하는 프롬프트 입력이나 학습 데이터 재현으로 인한 문제는 개발자의 기여 책임으로까지 확장될 수 있습니다. 따라서 개발 단계에서 암기 현상을 억제하는 필터링 조치를 취하거나, 특정 분야로의 파인튜닝 시 발생할 수 있는 리스크를 사전에 파악하는 등 기술적, 법적 대응 노력이 필수적으로 요구됩니다.

한국전자통신연구원오픈소스 테크데이

융합
공학·기술

오픈소스 / 데이터 라이선스의 이해

소프트웨어 산업은 오랜 시간 지식재산권이라는 틀 안에서 권리자를 보호하고 로열티를 받는 방식으로 성장해 왔습니다. 하지만 오픈소스는 이러한 독점적 모델에서 벗어나 이용자에게 사용, 복제, 배포의 자유를 부여하는 혁신적인 철학을 제시합니다. 단순히 코드를 공개하는 것에 그치지 않고, 누구나 기술을 공부하고 수정하며 그 결과물을 다시 사회와 공유할 수 있도록 장려하는 것입니다. 이는 기술 혁신의 속도를 비약적으로 높이는 계기가 되었으며, 현재 클라우드와 인공지능 환경에서 그 가치가 더욱 주목받고 있습니다. 오픈소스 라이선스는 그 성격에 따라 크게 두 가지 방향으로 나뉩니다. 아파치나 MIT 라이선스처럼 저작자 표시와 같은 최소한의 규칙만 요구하는 '허용적 라이선스'가 있는 반면, GPL처럼 파생 저작물까지 동일한 라이선스로 배포하도록 강제하는 '카피레프트 라이선스'가 존재합니다. 1990년대 후반 오픈소스 이니셔티브(OSI)가 설립되면서 상업적 이용 허용과 소스 코드 제공 등 10가지 요건을 정의한 이후, 이러한 라이선스 체계는 개발자들이 자유롭게 협업하면서도 서로의 권리를 존중할 수 있는 법적 토대가 되었습니다. 인공지능 기술의 정점인 거대언어모델(LLM)은 방대한 학습 데이터를 필요로 하며, 이 과정에서 새로운 데이터 라이선스 쟁점이 발생합니다. GPT-3와 같은 모델의 학습 데이터를 분석해 보면 위키피디아와 같은 신뢰도 높은 자료와 더불어 방대한 웹페이지 데이터가 핵심적인 역할을 합니다. 그러나 현재 대다수 데이터가 영어에 편중되어 있어 특정 언어 중심의 사고가 AI에 투영되는 한계가 있습니다. 따라서 진정한 오픈소스 AI의 발전을 위해서는 소프트웨어 코드뿐만 아니라 학습 데이터의 투명성과 다양성을 확보하는 일이 매우 시급합니다. 국내 인공지능 생태계에서도 학습 데이터 확보는 기술 주권을 지키기 위한 핵심 과제입니다. 네이버의 하이퍼클로바X는 플랫폼 내의 블로그와 지식iN 자료를 활용해 한국어 특화 성능을 구축했습니다. 이는 이용 약관을 통해 데이터 활용에 대한 동의를 얻는 방식으로 법적 리스크를 관리하려는 시도입니다. 하지만 언론사 기사와 같이 저작권이 명확한 콘텐츠의 경우, 여전히 권리자와의 협상과 적절한 보상 체계 마련이 중요한 쟁점으로 남아 있습니다. 이는 기업이 기술 개발만큼이나 윤리적·법적 책임에 민감해야 함을 보여줍니다. 인터넷상의 방대한 콘텐츠를 허락 없이 학습하는 행위가 저작권 침해인지에 대해서는 '공정 이용' 원칙이 주요하게 논의됩니다. 과거 검색 엔진이 정보를 수집하고 인덱싱하는 과정이 원저작자의 권리를 해치지 않는 보완재로 인정받은 전례가 있기 때문입니다. 하지만 인공지능은 원저작물을 대체하거나 새로운 경쟁 관계를 형성할 가능성이 있어 법적 판단이 훨씬 복잡합니다. 현재로서는 합법과 불법의 경계가 명확하지 않기에, 기업들은 리스크를 상시 모니터링하며 감당 가능한 범위 내에서 사업을 전개하는 유연한 리스크 관리 전략이 필요합니다. 학습 데이터셋인 '더 파일(The Pile)'의 구성을 분석해 보면 데이터의 종류에 따라 법적 위험도가 천차만별임을 알 수 있습니다. 오픈 액세스로 공개된 논문이나 위키피디아 자료는 상대적으로 리스크가 낮지만, 무단 복제된 도서 데이터나 최근 유료화된 플랫폼 데이터는 심각한 저작권 소송의 원인이 되기도 합니다. 실제로 글로벌 거대 IT 기업들도 학습 데이터의 무단 사용으로 인해 권리자들로부터 소송을 당해 재판을 진행 중입니다. 따라서 앞으로의 AI 모델 개발은 투명한 데이터 출처 관리와 합법적인 확보 절차가 품질만큼이나 중요한 경쟁력이 될 것입니다. 최근 공개된 메타의 라마(Llama) 3.1과 같은 모델들은 뛰어난 성능을 자랑하지만, 이용자 수에 따라 사용을 제한하는 등 전통적인 오픈소스 정의(OSD)에서는 다소 벗어나 있습니다. 이는 인공지능 시대에 '오픈소스'라는 용어를 어떻게 재정의할 것인가에 대한 근본적인 질문을 던집니다. 이에 대응하여 오픈소스 이니셔티브(OSI)는 AI의 코드, 모델, 데이터를 아우르는 새로운 표준을 정립하는 작업을 진행 중입니다. 유럽의 AI 법안 등 국제적인 제도 변화와 맞물려, 공유와 협력이라는 오픈소스의 정신이 인공지능이라는 새로운 환경에서 어떻게 진화할지 주목해야 할 시점입니다.

한국전자통신연구원오픈소스 테크데이

융합
공학·기술