대규모 언어모형 인공지능의 법적 쟁점

김병필

추천

검색

자료유형: 학술저널

저자정보: 김병필 (한국과학기술원)

저널정보: 한국정보법학회 정보법학 정보법학 제26권 제1호

발행연도: 2022.4

수록면: 173 - 217 (45page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (5)

2024

바람직한 인공지능 규제의 요건

김병필 D.E View 2024.06 학술저널

2022

인공지능은 우리로부터 무엇을 추출하는가?

김병필 과학기술과 사회 2022.12 전문잡지

대규모 언어모형 인공지능의 법적 쟁점

김병필 정보법학 2022.04 학술저널

2021

인공지능 차별 심사 기준(금융 인공지능을 중심으로)

김병필 한국과학기술학회 학술대회 2021.11 학술대회자료

재판 예측 인공지능 기술의 현황과 한계

김병필 저스티스 2021.02 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

이 글은 대규모 언어모형 인공지능과 관련된 주요한 법적 쟁점을 개괄한다. ‘언어모형(language model)’이란 어떤 문장이 존재할 확률 분포를 계산해 내는 통계 모형을 의미한다. 딥러닝 기법을 활용한 대규모(large-scale) 언어모형은 현재 인공지능이 자연어를 이해하고 새로운 말과 글을 생성해 내는 여러 과제에 있어 공통으로 활용되는기본적 수단이 되고 있다. 그러나 대규모 언어모형의 개발, 학습, 활용에 있어 여전히상당한 법적 불확실성이 존재하며, 이를 해소하기 위한 여러 노력이 요구된다. 이 글이 분석한 대규모 언어모형 인공지능의 법적 쟁점은 크게 3가지이다. ① 대규모 언어모형의 학습데이터 확보 과정과 관련된 법적 쟁점이 있다. 언어모형의 학습데이터는 주로 웹 스크래핑을 통해 확보되는데, 이 과정에 있어 저작권과 데이터베이스제작자의 권리와 공정이용의 범위, ‘정보통신망 침해’에 대한 해석, 반경쟁적인 웹 스크래핑 제한 조항에 대한 공정거래법?약관법상 규율, 웹 스크래핑을 통한 다른 이용자의 프라이버시 침해 문제 등 다양한 법적 쟁점이 다층적으로 얽혀 있다. ② 대규모언어모형은 학습데이터에 포함된 개인정보를 암기하여 이를 그대로 재현해 낼 위험이 지적된다. 따라서 그 학습데이터에 개인정보가 포함되지 않도록 적절한 비식별조치 또는 가명처리를 취할 필요가 있다. ③ 대규모 언어모형은 학습데이터에 포함된사회의 기존 편향?편견이 반영된 텍스트, 차별적 발언 또는 혐오 표현을 그대로 재현할 위험이 있다. 언어모형에 반영된 편향이 초래하는 위해는 장기적, 확산적, 문화적 성격을 갖고, 개별 피해자를 특정하기도 어려운 특징을 가지므로, 이를 법적으로규율하는 것은 매우 어렵다. 이에 따라 인공지능 개발자나 서비스 제공자들에 의한자율 규제 또는 언어모형의 편향을 예방하거나 제거하기 위한 여러 기술적 시도들이진행 중이다.

This Article outlines key legal challenges related to large-scale language model AI. A language model refers to a statistical model that calculates the probability distribution of a sentence. A large-scale language model using a deep-learning method is now becoming a standard method commonly used by AI in various tasks of understanding natural language and generating new texts. However, there remain significant legal uncertainties in developing, training, and using large-scale language models. Accordingly, substantial efforts are required to resolve them. The legal issues of the large-scale language model analyzed in this Article are largely summarized in three points. First, there is an issue of collecting learning data through web-scraping. These practices involve multi-layered issues such as copyright and database producers’ rights and scope of fair use, interpretation of information and communication network infringement, anti-competitive prohibition and restriction of web-scraping and privacy violation through web-scraping. Second, it has been pointed out that the recent large-scale language models can memorize personal information contained in training data and reproducing it as it is. As a result, it is necessary to take appropriate de-identification or pseudonymization measures to prevent personal information from being included in the training data. Finally, the vast training data of the language model may include text reflecting existing biases or prejudices in society, discriminatory remarks, or hate speeches. As a result, as the use of the large-scale language model increases, the possibility of reproducing the inherent bias may also proportionally increase. However, the harm caused by the bias reflected in the language model has long-term, diffusive, and cultural characteristics, and it is difficult to specify individual victims. Thus, it is very difficult to legally regulate them. Accordingly, it inevitably relies heavily on self-regulation in accordance with the voluntary internal ethical principles established by AI developers or service providers. At the same time, various technical attempts are currently underway to prevent biases from being reflected in language models in training process or to remove biases reflected in language models.

#인공지능 #언어모형 #스크래핑 #비식별 조치 #인공지능 편향 #AI #language model #scraping #de-identification #AI bias

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김병필

소속기관 한국과학기술원

주요연구분야 사회과학 > 법학

논문수 2 이용수 91

최근 본 자료

전체보기

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

이 논문의 연구 히스토리 (5)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)