[논문 리뷰] Whose Text Is It Anyway? Exploring BigCode, Intellectual Property, and Ethics

Madiha Zahrah Choksi, David Goedicke|arXiv (Cornell University)|2023. 04. 06.

Law, AI, and Intellectual Property인용 수 8

한 줄 요약

이 논문은 Copilot를 사례로 삼아 오픈 데이터로 학습된 대형 언어 모델이 소프트웨어 저작권과 어떻게 상호작용하는지 분석하고, 개발자 및 법률 전문가를 위한 저작권 분석 프레임워크를 제시한다.

ABSTRACT

Intelligent or generative writing tools rely on large language models that recognize, summarize, translate, and predict content. This position paper probes the copyright interests of open data sets used to train large language models (LLMs). Our paper asks, how do LLMs trained on open data sets circumvent the copyright interests of the used data? We start by defining software copyright and tracing its history. We rely on GitHub Copilot as a modern case study challenging software copyright. Our conclusion outlines obstacles that generative writing assistants create for copyright, and offers a practical road map for copyright analysis for developers, software law experts, and general users to consider in the context of intelligent LLM-powered writing tools.

연구 동기 및 목표

• 소프트웨어 저작권을 정의하고 그 역사적 발전과 오픈 데이터 및 LLM과의 관련성을 요약한다.
• 오픈소스 라이선스와 Copilot이 AI 작성 도구의 저작권 문제를 어떻게 구현하는지 살펴본다.
• 오픈소스 코드로의 학습과 파생 결과 생성이 제기하는 주요 저작권 이슈를 식별한다.
• 개발자, 변호사, 일반 사용자를 대상으로 한 저작권 분석을 위한 실용적 로드맵을 제안한다.

제안 방법

• 소프트웨어 저작권의 역사와 오픈 소스 라이선스의 역사를 검토하고 종합한다.
• 오픈소스 데이터를 기반으로 학습된 폐쇄 도구의 사례 연구로 Copilot을 분석한다.
• 저작권 고지, 라이선스, 책임에 대한 법적·윤리적 긴장을 LLM 기반의 작문 도구에서 강조한다.
• 학습 데이터, 모델, 생성 출력에 대한 저작권 분석을 수행하기 위한 구조화된 프레임워크를 제공한다.

실험 결과

연구 질문

• RQ1 오픈 데이터 세트에서 학습된 LLM이 기존 소프트웨어 저작권법과 어떻게 교차하는가?
• RQ2 Copilot과 같은 AI 작문 도구에서 오픈소스 코드의 학습 및 사용으로 인한 저작권, 라이선스, 저작자 표시 및 데이터 프라이버시 문제는 무엇인가?
• RQ3 생성적 작문 보조 도구의 저작권 위험을 평가하기 위해 개발자와 법률 전문가가 어떤 실질적 조치를 취해야 하는가?

주요 결과

• Copilot은 오픈소스 라이선스 규범과 독점적 학습 및 출력 생성을 둘 사이의 긴장을 보여준다.
• 저작자 표시, 페어 유스, 라이선스 준수는 다양한 오픈소스 저장소에서 학습된 모델에 대해 상당한 도전 과제를 제시한다.
• 사용자가 AI 작문 도구로 생성된 출력물을 통해 저작권 책임을 부담할 위험이 있다.
• 구조화된 다부분 저작권 분석 로드맵은 라이선스 검토, 페어유스, 저작자 표시 충돌 및 데이터 프라이버시 고려 사항을 평가하는 데 도움이 될 수 있다.