생성형 AI 모델이 학습한 저작물을 내부에 어떻게 담고 있는지, 그리고 그 상태를 저작권법상 복제물로 볼 수 있는지가 이 글의 핵심이다. 이 arXiv 프리프린트는 대형 언어모델이 데이터베이스처럼 원문을 그대로 저장하는 것은 아니지만, 학습 데이터에서 얻은 토큰 간 통계적 관계를 통해 특정 저작물을 확률적으로 재생산할 수 있다고 전제한다. 문제는 그런 내부 상태가 법률상 ‘복제’에 해당하는지다.
원문은 최근 연구에서 일부 저작권 작품의 문구를 대형 언어모델에서 문자 그대로 또는 거의 그대로 추출할 수 있었다는 점을 출발점으로 삼는다. 이를 단순한 우연이 아니라, 모델 가중치가 학습 데이터를 어떤 형식으로든 인코딩하고 있다는 증거로 해석한다. 그 인코딩은 전통적 데이터베이스와는 달리, 다음 토큰 생성 과정의 확률적 분기와 결합돼 나타난다. 같은 입력이라도 항상 같은 출력이 나오는 구조가 아니라는 뜻이다.
이 논문은 법원이 지금까지 이 문제를 직접 다룬 적이 거의 없고, 성문법과 판례도 핵심 쟁점에 명확한 답을 주지 못한다고 본다. 그래서 저작권법이 기능적 접근을 택할 가능성이 크다고 본다. 즉 모델 내부에 어떤 정보가 존재한다는 사실만으로는 부족하고, 그 작품을 출력에서 비교적 손쉽게 추출할 수 있어야 복제물로 볼 수 있다는 설명이다. 이 결론은 정책적으로 만족스럽지 않을 수 있지만, 현행법 아래에서는 가장 가능성이 높다고 정리한다.
본문은 또 ‘기억’과 ‘압축’ 같은 표현이 기계학습에서 비유적 용어이면서 동시에 기술적 개념이라는 점을 강조한다. 모델의 가중치는 훈련 데이터에서 얻은 정보를 고정된 형태로 담지만, 그 저장 방식은 파일이나 표와 같지 않다. 따라서 모델이 어떤 작품을 포함하고 있더라도, 그 작품이 실제로 출력으로 안정적으로 끌어낼 수 있는지, 그리고 얼마나 반복 시도가 필요한지가 법적 판단의 중요한 단서가 된다. 일부 사례에서는 수백 또는 수천 번의 프롬프트가 필요할 수 있고, 다른 경우에는 한 번의 프롬프트로도 상당한 분량이 재현될 수 있다고 적는다.
| 핵심 개념 | 원문 근거 | 법적 함의 |
|---|---|---|
| 모델 가중치 | 훈련 데이터에서 얻은 통계적 관계를 저장 | 전통적 데이터베이스와 다른 저장 방식 |
| 확률적 생성 | 같은 정보를 항상 같은 방식으로 내지 않음 | 출력 가능성 자체가 판단 쟁점이 됨 |
| 추출 가능성 | 수백 또는 수천 번의 프롬프트가 필요할 수 있음 | 쉽게 추출되는 경우에만 복제물로 볼 가능성 |
자료: STORIUM 정리
이 분석은 실험 논문이라기보다 법 해석 논문에 가깝다. 검증 범위는 주로 미국 저작권법의 개념인 고정성, 복제물, 파생저작물, 그리고 추출 가능성에 놓여 있다. 내부 평가나 별도의 정량 실험 결과를 제시하지는 않으며, 기존 추출 연구와 판례를 바탕으로 현재 법 체계에서 가장 그럴듯한 귀결을 추론한다. 결론적으로, 모델의 내부 가중치가 특정 작품의 ‘확률적 복제’로 읽힐 수 있는지 여부는 출력에서의 추출 용이성에 좌우된다고 본다.
저작권자 © STORIUM 무단전재 및 재배포 금지
