칼럼 | 오픈AI의 논리는 결국 ‘복사, 절도, 붙여넣기’

필자가 게시하는 모든 콘텐츠는 평균적으로 약 20번 정도 도용된다. 예를 들어, 휴일 해고(holiday layoff)에 관한 필자의 마지막 칼럼은 수많은 불법 복제 사이트에서 수십 번 이상 무단 게재됐다. 이유가 뭘까? 비용 지불 없이 조회수를 얻을 수 있기 때문이다.

물론 이러한 콘텐츠 스크래핑 사이트가 많은 수익을 창출하지는 못할 것이다. 그러나 오픈AI는 2023년에 13억 달러의 매출을 기록했지만, 필자에게 한 푼도 지불하지 않았다.
 

뉴욕타임즈는 최근 저작권 소송에서 오픈AI측 "공개적으로 이용 가능한 인터넷 자료를 사용하여 AI 모델을 훈련하는 것은 공정한 사용"이라고 주장했다. 콘텐츠 무단 도용 사이트들이 필자 변호사의 제지 시도에 대응해 그런 입장을 피력했던 기억이 난다.

해당 미디어는 수백만 건의 자사 기사가 현재 자신의 비즈니스와 경쟁하는 챗봇을 훈련시키는 데 사용되고 있다고 주장했다. 틀린 말은 아니다. 오픈AI와 다른 생성형 AI(genAI) 기업들은 뉴욕타임스의 기사를 사용해 대규모 언어 모델(LLM)을 훈련하고 있다. 이들은 신문사 기자와 편집자의 작업에 대해 대가를 지불하지 않고 수십억 달러를 벌어들이고 있다.

오픈AI는 다른 주장도 펼쳤다. 뉴욕타임스가 챗GPT의 LLM에 자사 스토리를 사용하지 않도록 선택할 수 있고 실제로 그렇게 했다는 설명이었다. 하지만 만약 그렇다면, 퓰리처상을 수상한 뉴욕 택시 업계의 약탈적 대출 관행에 대해 18개월에 걸쳐 조사한 5부작 기사를 어떻게 챗GPT가 노골적으로 표절할 수 있었을까?

오픈AI는 이를 가능하게 했던 한 가지 경로가 이른바 암기(memorization)라는 것이라고 인정했다. "이는 학습 과정에서 드물게 발생하는 실패다. 그러나 특정 콘텐츠가 여러 공공 웹사이트에 두 번 이상 나타나는 경우와 같이 더 흔하다"라고 오픈AI는 밝혔다.

즉 앞서 언급한 해적 사이트와 같은 경우다. 실제로 오픈AI는 택시 시리즈 기사의 경우에 대해 "여러 타사 웹사이트에서 확산된 기사에서 비롯된 것으로 보인다"라고 인정했다.

필자는 이를 ‘그들이 먼저 했어요 방어법’이라고 부른다. 그럴듯한 해명이 아니다. 

오픈AI는 뉴욕타임스가 "기존 모델의 훈련에 의미 있는 기여를 하지 못했으며 향후 훈련에도 충분한 영향을 미치지 못할 것"이라고 주장하기도 했다. 곤란한 주장이다. GPT-3, 일반 크롤링에서 가장 가중치가 높은 데이터 세트, 상위 3개 데이터 소스는 위키피디아, 미국 특허 데이터베이스, 그리고...뉴욕 타임즈였다.

퓨처리즘닷컴(Futurism.com)의 스태프 작가 빅터 탱거만은 최근 글에서 "오픈AI의 전체 비즈니스 모델은 저작권이 있는 자료를 포함해 찾을 수 있는 한 많은 데이터를 수집하는 데 의존한다"라고 지적했다.

그의 주장을 믿기 어렵다면, 영국 의회에 제출한 오픈AI의 주장은 어떨까? 이 회사는 이렇게 말했다:

"오늘날 저작권은 블로그 게시물, 사진, 포럼 게시물, 소프트웨어 코드 스크랩, 정부 문서 등 사실상 모든 종류의 인간 표현물에 적용된다. 이로 인해 저작권이 있는 자료를 사용하지 않고는 오늘날의 선도적인 AI 모델을 훈련하는 것이 불가능하다."

필자는 오픈AI가 저작권이 있는 자료를 사용하는 것에 반대하지 않는다. 필자가 뉴욕타임스는 아니지만, 주요 기술 전문지에 지금까지 1만 건 이상의 글을 기고했다. 그리고 이러한 저작물이 오픈AI에 의해 사용되고 있음을 의심하지 않는다. 오픈AI의 사용을 환영한다.

단지 비용을 지불한다면 말이다.

고인이 된 공상 과학 작가 할란 엘리슨의 ‘작가에게 돈을 지불하라'라는 글에서 다음과 같이 기술했다.

"그들은 공짜로 모든 것을 원한다. 그러나 그들은 돈을 받지 않으면 5초도 가만히 있지 않다. 그리고 얼마를 받았는지에 대해 불평하며 더 많은 것을 원할 것이다. 워너 브라더스를 위해 공짜로 일해야 한다고?! 워너 브라더스가 길거리에서 안대를 쓰고 양철 컵을 들고 다니는가? F***, 안 된다. 그들은 항상 작가가 공짜로 일하기를 원한다."

오픈AI와 다른 생성형 AI 회사들도 마찬가지다. 출판사와 출판사, 작가와 편집자가 일을 하기를 바라지만, 한 푼도 지불하지 않고 이용할 수 있기를 원한다.

전에도 이런 일이 있었다. 1990년대에 신문과 잡지는 인터넷 출판을 통해 수익을 창출하는 방법을 터득하지 못해 긴 쇠퇴기를 맞이했다. 그렇기 때문에 광고를 통해 콘텐츠를 수익으로 전환할 수 있었던 구글이 수십억 달러를 벌어들인 반면, 뉴스 출판물은 계속 적자를 내야 했다.

필자는 언론를 비롯한 콘텐츠 저작자들이 그런 실수를 다시 저지르지 않기를 바란다. 이번에는 대가를 받아야 한다. 마이크로소프트와 오픈AI가 기대했던 수십억 달러를 벌지 못하더라도 필자는 그들을 위해 울지 않을 것이다.

물론 실패할 수도 있다. 그렇게 된다면 그 미래가 어떤 모습일지 실제로 볼 수 있을 것이다. 블로거이자 공상과학 소설가인 코리 닥터로우는 이를 가리켜 '엔시트화'라는 신조어를 만들어 냈다. 이는 온라인 사이트와 정보의 품질이 떨어지는 것을 의미한다.

이는 단순한 의견이 아니다. 최근 연구에 따르면 "구글의 검색 결과는 점점 더 유용성이 떨어지고 스팸 웹사이트로 가득 차고 있다." 점점 더 많은 콘텐츠가 검색 엔진 최적화와 인공지능에 의해 만들어지고 있다. 동시에 양에 비해 질이 떨어지면서 출판사와 작가들의 수입이 줄어들고 있다. 이는 결국 생성형 AI 엔진이 학습할 만한 가치 있는 스토리가 더 줄어들 것이라는 의미이기도 하다.

오픈AI와 그 동료들이 현명하다면 콘텐츠 제작자에게 대가를 지불할 것이다. 그것이 우리 모두를 위해 장기적으로 나아갈 수 있는 유일한 길이다.

* Steven J. Vaughan-Nichols는 CP/M-80이 첨단 PC 운영체제였고 300bps 모뎀이 고속 인터넷 연결 수단이었던 시절부터 기술 분야에 대한 글을 써왔다. ciokr@idg.co.kr