생성형 인공지능(AI) 모델의 법률 문제

• 영문명: Legal Issues in Generative Artificial Intelligence Models: Focusing on the discussion of ChatGPT Products
• 발행기관: 한국정보법학회
• 저자명: 김윤명
• 간행물 정보: 『정보법학』제27권 제1호, 77~112쪽, 전체 36쪽
• 주제분류: 법학 > 민법
• 파일형태: PDF
• 발행일자: 2023.04.30

국문 초록

알파고(AlphaGO)와 이세돌의 대국에 대중은 관찰자 입장이었다며, OpenAI의ChatGPT에 대중은 사용자로서 직접 관여하고 있다. 그 만큰 인공지능이 생활의 일부가 되고 있음을 보여준다. 그렇지만, 생성형 AI는 부정확한 정보나 알고리즘의 편향등에 대한 문제도 여전하다. 특히, 환각효과를 가져오거나 인간의 규범과 충돌할 경우에는 규제가 작동될 가능성이 크다. 다만, 알고리즘을 포함한 다양한 인공지능 기술을규제적 측면에서 접근할 경우, 신산업으로서 인공지능산업의 경쟁력을 약화될 수밖에 없다. 그렇기 때문에 기술에 대한 정책방안은 기본적으로 기술 발전을 저해해서는않된다. 자칫 기술규제는 기술경쟁력을 저하시킬 수 있기 때문이다. 알고리즘의 오류, 편향이나 AI생성물의 내용상의 오류를 희석화할 수 있는 방안은 보다 많은 데이터를제공함으로써 편향적인 결과가 나올 수 있는 확률을 줄이는 것이다. 이러한 문제를극복하기 위해서는 다양한 데이터를 확보하여, 학습데이터로 활용할 수 있어야 한다. 물론, 이 과정에서 권리자에 대한 보상체계도 고민해야 한다. 공정이용에 따라 플랫폼사업자가 사용한 데이터에 따라 얻은 수익을 독점하는 것은 합리적이라고 보기 어렵기 때문이다. 그동안 인공지능과의 경쟁에서 인간이 우위에 설 수 있는 영역이 창작성이나 예술적인 분야로 알려져왔으나, 생성형 AI가 가져오는 법률문제는 인간의 창작과 AI의 결과물과 차이를 구분하기 쉽지 않다. <새벽의 자리야>와 같이, 미국 저작권청에 등록되었던 생성형 AI를 이용한 콘텐츠가 등록이 취소된 이유와 같이 등록자가 그 사실을 고지하지 않을 경우에는 확인하기가 쉽지 않다는 것을 보여준다. 이러한 한계로 미국 저작권청은 AI생성물에 대한 등록 가이드라인을 공개하였지만, 보다구체적인 논의를 통해 AI 생성물의 저작권을 어떻게 처리할 것인지 결론을 내릴 필요가 있다. 생성형 AI모델은 인간이 만들어낸 것이라는 점에서 현행 규제체계에서 보면, 문제점도 상존하는 것은 사실이다. 따라서, 규제와 산업의 균형적인 접근을 통해 AI 가 보다 인간의 의사결정에 합리적으로 작동할 수 있는 투명하고 신뢰가능하도록 하는 것이 필요하다.

영문 초록

While the public was an observer in the great battles between AlphaGO and Lee Sedol, the public is directly involved in OpenAI’s ChatGPT as a user. This shows that AI is becoming a part of everyday life. However, generative AI still faces the problem of inaccurate information and algorithmic bias. Regulation is likely to come into play, especially if it produces illusory effects or conflicts with human norms. However, if various AI technologies, including algorithms, are approached from a regulatory perspective, it is bound to weaken the competitiveness of the AI industry as a new industry. Therefore, policy measures for technology should basically not hinder technological development. In fact, technology regulation can reduce technological competitiveness. A way to dilute algorithmic errors, biases, or errors in the content of AI products is to reduce the probability of biased results by providing more data. In order to overcome these problems, it is necessary to secure a variety of data and utilize it as training data. To do this, it will be necessary to pass regulations on fair use under the Copyright Act and restrictions on information analysis under the Copyright Act Amendment. Of course, in this process, the compensation system for rights holders should also be considered. Under fair use, it is difficult to see how it is reasonable for platform operators to monopolize the revenue generated by the data they use. Until now, it has been known that creativity and artistic fields are areas where humans have an advantage in competition with AI, but the legal issues brought by generative AI make it difficult to distinguish between human creation and AI output. As in , it shows that it is not easy to check content using generative AI registered with the U.S. Copyright Administration if the registrant does not notify it, such as the reason why the registration was canceled registration. With these limitations, the US Copyright Office has released registration guidelines for AI-generated content, but it is necessary to conclude how to handle copyright in AI-generated content through more specific discussions. A guideline would bring legal stability to various stakeholders. Of course, generative AI models are created by humans, so there are problems with the current regulatory system. Therefore, a balanced approach between regulation and industry is needed to make AI more transparent and trustworthy so that it can work reasonably with human decision-making.

목차

Ⅰ. 서론

Ⅱ. 대규모 언어모델과 생성형 AI모델로 ChatGPT

Ⅲ. ChatGPT의 활용이 산업에 미치는 영향

Ⅳ. 대규모 언어모델(LLM)의 법적·윤리적 쟁점

Ⅴ. ChatGPT 등 생성형 AI모델에 대한 규제는 필요한가?

Ⅵ. 결론

키워드

ChatGPT 대규모 언어모델 생성형 AI 학습데이터 알고리즘 윤리 편향 공정이용 AI규제 ChatGPT large-scale language model generative AI learning data algorithm ethics bias fair use AI regulation