최근 월스트리트저널(WSJ)의 보도에 따르면, 인공지능(AI) 모델 훈련에 사용되는 방대한 데이터셋에서 J.K. 롤링(J.K. Rowling)의 인기 소설 '해리 포터(Harry Potter)' 시리즈가 예상치 못한 높은 빈도로 나타나 업계의 주목을 받고 있습니다. 이는 AI 개발사들이 대규모 언어모델(LLM)을 훈련하는 과정에서 저작권이 있는 콘텐츠를 무단으로 활용하고 있을 수 있다는 의혹을 증폭시키며, AI 학습 데이터의 출처와 투명성에 대한 근본적인 질문을 던지고 있습니다.
WSJ은 AI 연구자들이 공개적으로 접근 가능한 데이터셋을 분석한 결과, '해리 포터' 시리즈가 다른 유명 소설이나 비소설 작품에 비해 훨씬 더 자주 등장한다는 사실을 발견했습니다. 일반적으로 AI 훈련 데이터는 웹 크롤링을 통해 수집된 방대한 텍스트로 구성되는데, 특정 저작권 보호 작품이 이처럼 두드러지게 나타나는 것은 이례적입니다. 이는 AI 개발사들이 훈련 효율성을 높이거나 특정 스타일의 텍스트를 학습시키기 위해 의도적으로 저작권이 있는 콘텐츠를 포함시켰을 가능성을 시사하며, 이러한 행위가 법적, 윤리적 문제를 야기할 수 있다는 우려가 커지고 있습니다.
이러한 발견은 AI 산업 전반에 걸쳐 저작권 침해 논란을 다시 점화할 것으로 보입니다. 이미 여러 작가와 언론사들이 자신들의 저작물이 AI 훈련에 무단으로 사용되었다며 소송을 제기하고 있는 상황에서, '해리 포터' 사례는 이러한 주장에 힘을 실어줄 수 있습니다. AI 개발사들은 모델의 성능 향상을 위해 다양한 데이터를 필요로 하지만, 저작권자의 동의 없이 콘텐츠를 사용하는 것은 분명한 법적 위반 소지가 있습니다. 이는 AI 기술 발전과 창작자 권리 보호 사이의 균형점을 찾는 것이 얼마나 중요한 과제인지를 다시 한번 상기시켜 줍니다.