[논문 리뷰] Copyright in Generative Deep Learning

Giorgio Franceschelli, Mirco Musolesi|arXiv (Cornell University)|2021. 05. 19.

Generative Adversarial Networks and Image Synthesis참고 문헌 82인용 수 6

한 줄 요약

이 논문은 생성형 딥러닝(GDL)에서의 저작권 문제를 분석하며, 미국 및 유럽연합(EU) 법 하에서 저작권 보호된 저작물을 학습 데이터로 사용하는 것이 법적으로 허용되는지, 그리고 AI가 생성한 예술 작품과 코드의 저작권 소유권은 누구에게 속하는지 검토한다. 연구 결과, 현재의 공정 이용 및 TDM(텍스트 및 데이터 마이닝) 예외 조항은 특정 조건 하에서는 학습을 허용하지만, 법적 명확성은 아직 부족하며, 향후 GDL 응용 프로그램을 위해 개발자와 정책 입안자들이 윤리적 지침과 업데이트된 법률을 채택할 것을 촉구한다.

ABSTRACT

Machine-generated artworks are now part of the contemporary art scene: they are attracting significant investments and they are presented in exhibitions together with those created by human artists. These artworks are mainly based on generative deep learning techniques, which have seen a formidable development and remarkable refinement in the very recent years. Given the inherent characteristics of these techniques, a series of novel legal problems arise. In this article, we consider a set of key questions in the area of generative deep learning for the arts, including the following: is it possible to use copyrighted works as training set for generative models? How do we legally store their copies in order to perform the training process? Who (if someone) will own the copyright on the generated data? We try to answer these questions considering the law in force in both the United States of America and the European Union, and potential future alternatives. We then extend our analysis to code generation, which is an emerging area of generative deep learning. Finally, we also formulate a set of practical guidelines for artists and developers working on deep learning generated art, as well as some policy suggestions for policymakers.

연구 동기 및 목표

• 미국 및 유럽연합(EU) 법 하에서 생성형 딥러닝 모델의 학습 데이터로 저작권 보호된 저작물을 저장하고 사용하는 것이 법적으로 허용되는지 분석하기.
• evolving legal doctrines를 고려할 때, AI가 생성한 예술 작품과 코드의 저작권 소유권은 누구에게 속하는지 조사하기.
• 공정 이용 및 2019년 EU 저작권 지침과 같은 기존 법적 프레임워크가 새로운 GDL 응용 프로그램에 대해 충분한지 평가하기.
• 합법성 및 윤리적 사용에 중점을 두고, 생성형 모델을 활용하는 예술가와 개발자들을 위한 실용적 지침 제공하기.
• 혁신과 지적재산권을 균형 있게 유지하면서 AI가 생성한 콘텐츠를 보호하기 위한 향후 입법 필요성 탐색하기.

제안 방법

• 미국의 공정 이용 원칙과 2019년 EU 저작권 지침을 비교 분석하여, 텍스트 및 데이터 마이닝(TDM) 예외 조항에 중점을 두기.
• 특히 연구 및 상업적 맥락에서 모델 학습 중 메모리에 저작권 보호된 데이터셋을 저장하는 법적 지위 평가하기.
• 변형 이용 및 저작자 자격 기준을 고려하여, GDL 모델이 생성한 출력물에 대한 저작권 보호 가능성 평가하기.
• GitHub Copilot과 같은 코드 생성 시스템을 분석하여, 기존 지적재산권 프레임워크 하에서의 법적 및 윤리적 함의 평가하기.
• 라이선스 준수, 데이터 분리, 이용약관 명확화를 포함한 개발자와 예술가를 위한 실용적 지침 제안하기.
• 특히 자율적인 모델 출력물을 고려할 때, 생성형 AI의 기술적 현실에 맞추어 지적재산권 법을 정비할 수 있는 정책 개혁 권고하기.

실험 결과

연구 질문

• RQ1 미국 및 유럽연합(EU) 법 하에서, 생성형 딥러닝 모델의 학습 데이터로 저작권 보호된 저작물을 저장하고 사용하는 것이 법적으로 허용되는가?
• RQ2 저작권 보호된 학습 데이터의 사용이 공정 이용 또는 합법적인 TDM 예외로 간주될 수 있으며, 이러한 원칙의 실질적 한계는 무엇인가?
• RQ3 AI가 생성한 예술 작품이나 코드의 저작권 소유자 및 저작권자로 인정받을 수 있는 사람은 누구인가—개발자, 사용자, 또는 AI 시스템 자체인가?
• RQ4 공개적으로 제공된 라이선스가 적용된 데이터셋을 기반으로 모델을 학습시킬 때, 라이선스 조건을 준수하기 위해 개발자와 예술가는 어떻게 해야 하는가?
• RQ5 AI의 능력 증가와 기존 지적재산권 프레임워크 간 격차를 해소하기 위해 어떤 정책 및 법적 개혁이 필요한가?

주요 결과

• 미국의 공정 이용 원칙은 저작권 보호된 저작물을 학습 데이터로 사용하는 것을 허용할 수 있지만, 그 적용은 불확실하며 특히 상업적 사용 시 변형 이용 여부에 따라 달라진다.
• 2019년 EU 저작권 지침은 과학적 연구를 위한 텍스트 및 데이터 마이닝을 允허하지만, 권리자로부터 명시적으로 이 권리를 예약하지 않은 경우에만 해당하므로 실무적 모순이 존재한다.
• 현재 법적 프레임워크는 인간 저작자가 없는 이상 AI가 생성한 출력물에 대해 저작권 보호를 부여하지 않지만, 향후 개혁이 이에 대해 재고할 수 있다.
• GitHub Copilot의 코드 생성은 거의 항상 정확한 코드 스니펫을 재현하지 않지만, 라이선스 준수를 위해 이러한 사례를 탐지하고 추적할 수 있는 트래커를 포함하고 있다.
• 사용자가 AI가 생성한 코드를 적극적으로 지시하고 완성할 경우, 작업을 위해 고용된 일의 원칙에 따라 법적으로 저작자 및 소유자로 인정받는다.
• 개발자는 학습 데이터에서 벗어나고, 모델의 이용약관에 라이선스 조건을 명확히 하여 법적 리스크를 줄이고 윤리적인 사용을 촉진해야 한다.