[논문 리뷰] Training Is Everything: Artificial Intelligence, Copyright, and Fair Training

Andrew W. Torrance, Bill Tomlinson|arXiv (Cornell University)|2023. 05. 04.

Law, AI, and Intellectual Property인용 수 12

한 줄 요약

본 논문은 저작권이 있는 작품을 인공지능(AI) 학습에 사용하는 것이 페어 사용(fair use)에 해당하는지 여부를 분석하고, 양측의 주장을 저울질하며 토론을 더 넓은 사회적 비용과 편익의 맥락에서 프레이밍한다.

ABSTRACT

To learn how to behave, the current revolutionary generation of AIs must be trained on vast quantities of published images, written works, and sounds, many of which fall within the core subject matter of copyright law. To some, the use of copyrighted works as training sets for AI is merely a transitory and non-consumptive use that does not materially interfere with owners' content or copyrights protecting it. Companies that use such content to train their AI engine often believe such usage should be considered "fair use" under United States law (sometimes known as "fair dealing" in other countries). By contrast, many copyright owners, as well as their supporters, consider the incorporation of copyrighted works into training sets for AI to constitute misappropriation of owners' intellectual property, and, thus, decidedly not fair use under the law. This debate is vital to the future trajectory of AI and its applications. In this article, we analyze the arguments in favor of, and against, viewing the use of copyrighted works in training sets for AI as fair use. We call this form of fair use "fair training". We identify both strong and spurious arguments on both sides of this debate. In addition, we attempt to take a broader perspective, weighing the societal costs (e.g., replacement of certain forms of human employment) and benefits (e.g., the possibility of novel AI-based approaches to global issues such as environmental disruption) of allowing AI to make easy use of copyrighted works as training sets to facilitate the development, improvement, adoption, and diffusion of AI. Finally, we suggest that the debate over AI and copyrighted works may be a tempest in a teapot when placed in the wider context of massive societal challenges such as poverty, equality, climate change, and loss of biodiversity, to which AI may be part of the solution.

연구 동기 및 목표

• AI 학습에 사용된 저작권 보유 작품을 페어 유스(공정한 학습)로 간주하는 것에 대한 찬반 주장을 분석한다.
• 공정 학습 토론의 양측에서 강하고 타당한 주장과 그릇된 주장을 식별한다.
• 저작권 콘텐츠를 사용하여 AI를 학습시켰을 때의 사회적 비용(예: 일자리 대체)과 이익(예: AI 주도 솔루션)을 저울질한다.
• 빈곤, 기후 변화, 생물다양성 위협과 같은 더 넓은 맥락에서 AI 학습 논쟁을 위치시킨다.

제안 방법

• AI 학습 맥락에서 페어 유스에 대한 개념적·규범적 분석을 수행한다.
• 공정 학습을 지지하는 주장과 반대하는 주장을 식별하고 범주화한다.
• 관대한 AI 학습 관행의 잠재적 사회적 비용과 이점을 평가한다.
• AI 학습을 글로벌 사회적 도전과 연결하는 폭넓고 맥락적인 논의를 제공한다.

실험 결과

연구 질문

• RQ1 AI 학습에 사용되는 저작권 보유 작품을 페어 유스(공정한 학습)로 간주하는 것의 핵심 주장은 무엇인가?
• RQ2 정책 입안자들이 AI 학습을 위해 저작권 콘텐츠를 사용하는 사회적 비용과 이점을 어떻게 저울질해야 하는가?
• RQ3 AI 학습에 대한 논쟁을 빈곤, 기후 변화, 생물다양성 손실과 같은 글로벌 도전의 더 넓은 맥락에서 이해할 수 있는가?

주요 결과

• 저자들은 공정 학습 논쟁의 양측에서 강하고 타당한 주장과 허위의 주장을 모두 식별한다.
• 그들은 AI 학습 관행을 평가할 때 사회적 비용과 이익을 저울질해야 한다고 주장한다.
• 그들은 더 큰 글로벌 도전에 비추어 볼 때 AI와 저작권 논쟁의 중심성이 덜하다고 시사한다.
• 본 논문은 전 세계 문제에 대한 AI 기반 접근의 더 넓은 사회적 시사점과 잠재적 이점을 다룬다.
• 분석은 빈곤, 평등, 기후 변화, 생물다양성 고려 안에서 논쟁의 맥락화를 강조한다.