최근 인공지능(AI) 기업들이 대규모 언어모델(LLM) 학습에 필요한 데이터를 확보하기 위해 희귀 고서적을 대량으로 구매한 뒤, 디지털화하고 원본을 파기하는 사례가 늘고 있어 논란이 되고 있습니다. 이는 저작권이 만료된 고서적에서 양질의 텍스트 데이터를 얻어 모델 성능을 향상시키려는 목적으로 분석됩니다.
AI 기업들은 저작권 문제가 없는 고품질 데이터를 찾기 위해 수십 년에서 수백 년 된 고서적에 주목하고 있습니다. 이들은 경매나 중고 서점 등을 통해 대량의 책을 구매한 뒤, 고속 스캐너로 디지털 이미지와 텍스트를 추출합니다. 이 과정에서 책이 손상되거나 아예 파기되는 경우가 많으며, 일부 기업은 스캔 후 원본을 폐기하는 것을 당연시하고 있습니다. 이는 디지털 데이터의 가치를 원본 서적의 물리적 가치보다 우선시하는 경향을 보여줍니다. 이러한 방식은 저작권 침해 논란을 피하면서도, 웹 크롤링 데이터보다 훨씬 정제되고 문학적 가치가 높은 텍스트를 확보할 수 있다는 장점 때문에 확산되고 있습니다.
이러한 현상은 AI 기술 발전을 가속화하는 긍정적인 측면도 있지만, 동시에 심각한 문화유산 훼손 문제를 야기합니다. 희귀 고서적은 단순한 정보의 집합이 아니라, 역사적, 문화적, 예술적 가치를 지닌 유물입니다. 원본이 파괴되면 그 안에 담긴 물리적 특성, 필사본의 흔적, 종이의 질감 등 디지털화할 수 없는 고유한 정보들이 영구히 사라지게 됩니다. 이는 미래 세대가 과거를 연구하고 이해하는 데 필요한 중요한 자료를 잃게 되는 결과를 초래할 수 있습니다. AI 개발과 문화유산 보존 사이의 균형점을 찾는 것이 시급한 과제로 떠오르고 있습니다.