AI 학습용 데이터로서 뉴스 저작물의 적절한 활용을 위한 확대된 저작권집중관리제도 도입에 관한 논의

Q: 이 논문에서 정의한 확대된 저작권집중관리제도란 무엇인가?

Q: AI 뉴스 학습 시 발생하는 편향성 문제의 해결 방안은 무엇인가?

결론적으로, 확대된 저작권집중관리제도를 도입하여 AI가 소수 언론사가 아닌 다양한 출처의 뉴스를 학습하도록 해야 한다. 이를 통해 개별 계약으로 인한 뉴스 시장의 다원성 저해를 막고 AI 결과물의 편향성을 완화하며 민주적 여론 형성에 기여할 수 있다.

김대규; 홍순건

doi:10.26542/JML.2024.12.23.3.137

학술저널 DBpia Top 5%

저자정보: 김대규 (서울과학기술대학교) 홍순건 (서울고등법원)

저널정보: 한국언론법학회 언론과법 언론과 법 제23권 제3호

오류 신고하기

피인용 3

검색

초록·키워드

AI의 본격적인 확산 국면에서 AI 학습용 데이터로서 뉴스 저작물을 활용하는 문제가 논란이 되고 있다. 뉴스는 우리사회에서 발생하는 다양한 사건과 사고들을 매일매일 정제된 언어로 기록하여 대중에게 전달하는 특성으로 인해 AI의 품질 유지를 위한 학습용 데이터로서 필수적이다. 이에 AI 서비스 사업자는 그동안 뉴스를 저작권자의 동의를 얻지 않고 무단으로 수집하여 AI 서비스의 학습에 이용해왔다. 그러나, 2023년 뉴욕타임즈가 미국에서 저작권 침해 소송을 제기한 이후 뉴스 저작물의 합법적인 이용방식에 대해 본격적인 논의가 이루어지고 있다. 현재 미국에서 AI 서비스의 선두주자인 오픈 AI는 뉴욕타임즈와의 소송에서 공정이용을 주장하고 있는데, 한편으로는 전세계에 있는 소수의 언론사들과 뉴스 이용을 위한 별도의 계약을 맺고 있다. 이는 오픈 AI가 소송에서 이기기 쉽지 않을 것이라는 판단에서 근거한다. 오픈 AI가 각 나라의 언론사들의 뉴스 저작물을 이용하기 위해서는 모든 나라에서 이것이 공정이용으로 판단을 받거나 별도의 면책 조항의 적용을 받아야하는데, 그러기에는 쉽지 않기 때문이다. 그래서 결국 이 문제는 현재 오픈 AI의 행보처럼 AI 서비스 사업자와 언론사 간의 개별적인 계약을 통해 해결될 가능성이 크다.
이때 중요한 문제가 제기될 수 있다. 오픈 AI의 현재 행보처럼 각 AI 서비스 사업자들은 각국에서 소수의 언론사들과만 계약을 체결하고 이들이 제공하는 뉴스로만 AI를 학습시킬 수 있다. 이 경우 해당 사업자가 제공하는 AI 서비스는 심각한 편향을 일으킬 수 있다. 현실을 재구성해 사람들의 의식에 영향을 미치는 뉴스는 다원성의 보장이 중요하다. 이는 뉴스가 정파성이 강하기 때문이다. AI가 소수 언론사의 뉴스만 학습할 경우 특정 정파적 시각만을 학습하게 되고 궁극적으로 이는 AI가 생산하는 결과물에 있어서 심각한 편향을 만들어 낼 수 있다. 이에 본 논문에서는 뉴스의 다원성을 보장하기 위해 사상의 자유시장 이론을 AI 학습 데이터 환경에서도 적응해야 하며, 이러한 토대를 구축하는 현실적인 대안으로 확대된 저작권집중관리제도의 도입을 제안한다. 이러한 제도는 AI와 뉴스 저작권자 간의 계약을 중앙 집중적으로 관리함으로써, AI가 다양한 출처의 뉴스를 학습할 수 있도록 하고, 동시에 뉴스 저작권자의 권리를 보호할 수 있다.
결론적으로, 본 논문은 AI의 발전과 민주적 여론 형성이라는 두 가지 가치를 균형 있게 고려한 저작권 제도의 필요성을 강조한다. AI가 고품질의 뉴스를 학습하고, 이를 통해 정확하고 공정한 정보를 제공할 수 있도록 법적, 제도적 장치를 마련하는 것이 중요하다. 이를 통해 AI와 뉴스 저작물 간의 조화를 이루고, 보다 공정한 정보 사회를 구축하는 데 기여할 수 있을 것이다.

This study discusses the utilization of news as AI data, the legal issues surrounding copyright, and potential solutions. Recently, many media outlets have prohibited the unauthorized use of their news content for AI training, intensifying the conflict between AI and copyright. As a result, legal disputes between AI companies and media organizations are increasing in several countries, including the United States and South Korea.
The research organizes the current issues surrounding news copyright and discusses concerns that may arise when AI providers and media companies reach contracts to resolve these problems. It particularly highlights the data of AI bias that can occur when AI models are trained exclusively on news data from specific outlets, which could undermine the essence of news that plays a crucial role in shaping public opinion in democratic societies.
News content provides high-quality data in terms of timeliness, logic, and structure, significantly contributing to the advancement of AI services. News data serve as a public good that plays an essential role in democratic societies. It is important to note that media organizations reconstruct reality from a factual basis, presenting different perspectives. This characteristic suggests that news should be treated differently from other types of works. However, as news is produced through significant human and material resources invested by media organizations, unauthorized use for AI training can lead to copyright infringement issues.
This paper explores various legal approaches to address these copyright issues and proposes the introduction of an Expanded Collective Licensing in the domestic context. This system would centrally manage contracts between AI and news copyright holders, allowing AI to learn from diverse news data sources while simultaneously protecting the rights of news copyright holders.
In conclusion, this paper emphasizes the necessity of a copyright system that balances the values of AI advancement and democratic opinion formation. It is crucial to establish legal and institutional frameworks that enable AI to learn from high-quality news and provide accurate and fair information. By doing so, we can achieve harmony between AI and news content and contribute to building a fairer information society.

#AI 학습 #AI 편향성 #뉴스 저작권 #사상의 자유시장 #확대된 저작권집중관리제도 #AI training #AI bias #News Copyright #ECL(Extended Collective Licensing)

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-25-02-092198312

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료