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.

오픈소스라고 우리가 일반적으로 말하곤 하지만, 대부분의 오픈 웨이트 모델들이 오픈소스의 정신을 제대로 충족하지 못하고 있다는 입장을 취하고 있습니다.

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.