AI와 오픈소스 자율과 책임의 경제학(인공지능총서)

이 책은 오픈소스와 AI의 충돌과 공존을 법학적 시각에서 분석한다. 유럽연합 인공지능법, GPL 라이선스, 국제 표준 논의 등을 아우르며 기술 권력을 어떻게 공유하고 책임질지에 대해 묻는다. 인공지능총서. aiseries.oopy.io에서 필요한 인공지능 지식을 찾을 수 있다.

[목 차]

자율과 통제의 AI와 오픈소스

01 AI는 왜 오픈소스를 요하는가

02 오픈소스와 생성형 AI의 등장

03 오픈소스 라이선스와 AI 개발의 법적 쟁점

04 학습 데이터는 오픈소스가 될 수 있는가

05 AI 오픈소스와 저작권법의 미래

06 AI 오픈소스의 공공성과 민주성

07 오픈소스 모델의 책임은 누구에게 있는가

08 기업은 왜 오픈소스를 채택하고 버리는가

09 AI 오픈소스 생태계의 지속 가능성

10 오픈소스 AI의 글로벌 거버넌스와 국제 규범

[본 문]

AI 기술이 신뢰를 얻기 위해서는 동일한 조건에서 동일한 결과를 낼 수 있어야 한다. 이를 재현 가능성(reproducibility)이라고 부른다. 재현 가능성은 과학의 기본 원리이자 책임 있는 기술 개발의 전제 조건이다. 그러나 최근 몇 년간 발표된 많은 AI 모델은 논문만 공개되었을 뿐, 학습 코드나 데이터, 하이퍼파라미터 등 실질적인 재현 정보가 누락된 경우가 많았다. 이로 인해 성능을 검증하거나 공정성을 점검하는 것이 불가능한 경우가 발생한다. 오픈소스는 이러한 문제를 해결하는 데 중요한 열쇠다. 학습에 사용된 코드, 모델 구조, 데이터 전처리 방식 등이 함께 공개될 때, 독립적인 제삼자가 이를 시험하고 검증할 수 있다. 이는 단지 기술적 정합성만을 위한 것이 아니라, AI 모델이 사회적 영향을 미치는 시대에 윤리적 감시를 가능하게 하는 제도적 조건이기도 하다. 예컨대 인종·성별에 따른 알고리즘 편향이 재현 가능한 환경에서만 발견될 수 있다는 점은 중요하다.

－01_“AI는 왜 오픈소스를 요하는가” 중에서

AI 모델을 2차적 저작물로 인정할 수 있을지 여부는 법적으로 불확실하다. 기존 저작권법은 인간의 창작 행위에 의한 결과물만을 보호 대상으로 삼기 때문에, 기계가 스스로 학습해 생성한 가중치나 결과물은 법적으로 창작물로 보지 않는 것이 일반적이다. 그러나 문제는 AI 모델이 원저작물의 구조나 성향을 상당 부분 반영하는 경우, 간접 침해나 2차적 저작물로 간주될 가능성이다. 법적으로 2차적 저작물성이 인정되려면 원저작물에 대한 창작적 개작이 있어야 한다. 하지만 AI 모델은 통계적 학습에 기반하므로 직접적 개작 행위를 전제하기 어렵다. 이에 따라 가중치 배열 자체를 저작권 보호 대상에서 제외하거나, 새로운 보호 방식을 도입하려는 논의가 이루어지고 있다. 이와 동시에 일부 학자들은 AI 모델 그 자체를 저작권이 아닌 데이터베이스권, 특허권 또는 독자적(sui generis) 권리로 보호할 필요성을 제기한다.

－03_“오픈소스 라이선스와 AI 개발의 법적 쟁점” 중에서

오픈소스는 기술 불평등을 완화하는 중요한 수단이 될 수 있다. 누구나 접근할 수 있는 코드와 모델, 데이터셋이 존재할 경우 지역의 소규모 개발자, 비영리단체, 교육기관도 AI 기술을 접하고 응용할 수 있다. 이는 단순한 기술 전달이 아니라, 창의력과 혁신 역량의 민주화를 의미한다. 특히 농촌, 저소득층, 장애인 등을 대상으로 한 맞춤형 AI 개발이 가능해진다. 디지털 포용(digital inclusion)을 실현하기 위해서는 단순한 기술 공개를 넘어서는 접근성 인프라가 필요하다. 예컨대 GPU 리소스를 공공적으로 제공하는 클라우드 플랫폼, 기술 교육 콘텐츠, 사용자 친화적인 API 문서화 등은 모두 포용적 AI 생태계를 위한 요소다. 오픈소스는 이처럼 개방과 접근을 동시에 설계할 수 있는 유연한 기술 전략이다.

－06_“AI 오픈소스의 공공성과 민주성” 중에서

오픈소스는 원래 자발성과 협력에 기반한 문화다. 개발자들은 자신의 기술적 관심, 커리어 개발, 철학적 신념 등을 동기로 참여해 왔다. 그러나 AI 기술의 복잡성이 높아지고 상업적 이해관계가 첨예해지면서 자발성에 의존한 문화는 점차 한계에 직면하고 있다. 이는 프로젝트 지속성과 품질 문제, 기여자 편중 현상 등으로 나타난다. 특히 규모가 큰 AI 프로젝트는 수백만 줄 이상의 코드와 수많은 모듈, 모델 버전 등을 포함한다. 이들을 유지하고 관리하기 위해서는 기업 수준의 인력과 예산이 필요하지만, 대부분의 오픈소스 프로젝트는 인력도 예산도 턱없이 부족한 상태다. 따라서 몇몇 핵심 기여자에게 과도한 책임이 집중되거나, 프로젝트가 중단되는 사례가 빈번하게 나타난다.

－09_“AI 오픈소스 생태계의 지속 가능성” 중에서