[📪정보] 오픈AI·메타·구글 "협상 대신 소송"...인터넷 데이터 마구잡이로 퍼가

[익명(182.230)]

https://www.aitimes.com/news/articleView.html?idxno=158632

오픈AI·메타·구글

생성 인공지능(AI) 개발 경쟁이 치열해지는 가운데 오픈AI, 구글, 메타 등 미국 빅테크 기업들이 AI 학습용 데이터를 불법인 줄 알면서도 마구잡이로 수집한 것으로 드러났다. AI 학습용 데이터가 고갈될 위기에 처하자, 빅테크들이 데이터 확보를 위해 소송도 불사하고 있다는 지적이다.

뉴욕타임스(NYT)는 6일(현지시간) AI 개발을 선도하는 미국 빅테크 기업들이 AI 학습용 온라인 데이터를 확보하는 과정에서 기업 자체 정책이나 저작권법 등을 회피하는 방법까지 동원했다고 보도했다.

이에 따르면 오픈AI는 'GPT-4'를 개발 중이던 2021년 기존에 수집한 학습용 데이터가 고갈될 위기에 처하자, 유튜브 영상과 팟캐스트 등의 콘텐츠를 무단으로 사용했다.

오픈AI는 이전 세대인 'GPT-3' 학습을 위해 깃허브, 위키피디아 등 온라인 무료 오픈소스 플랫폼의 데이터 3000억여개를 수집해 사용했다.

그러나 다음 세대인 GPT-4 학습을 위해 더 큰 규모의 학습 데이터가 필요해지자 유튜브 콘텐츠 등에 손을 댔다는 것이다. 영상 속 말소리를 받아 적는 ‘위스퍼(Whisper)’라는 음성인식 프로그램까지 개발해 GPT-4 학습에 사용하기도 했다.

그 결과 지난해 공개된 GPT-4는 재활용이 금지된 유튜브 콘텐츠를 100만시간 이상 학습한 것으로 알려졌다.

NYT는 “당시 오픈AI 직원들은 이것이 위법일 수 있다는 것을 인지하고 있었지만, AI 학습을 위해서라면 정당한 작업이라고 믿었다”라고 전했다.

유튜브 영상을 AI 학습에 활용한 것은 유튜브 운영사인 구글도 마찬가지였다. 구글은 유튜브 콘텐츠뿐 아니라 구글 맵, 구글 독스 등 다른 구글 서비스 이용자들의 자료까지 AI 개발에 활용한다는 의혹을 받고 있다.

지난해 구글은 이용자 정보 활용 범위를 "구글 번역기와 같은 구글의 언어 모델을 훈련" 등으로 제한했던 기존의 개인정보 보호 규정을 수정해 여기에 "바드, 클라우드 AI와 같은 AI 상품 개발"도 포함될 수 있도록 했다.

구글 내부 사정을 잘 아는 소식통들은 구글 일부 직원들은 오픈AI가 유튜브 영상을 무단으로 사용했다는 사실을 인지했음에도 이를 막지 않았다고 주장했다. 당시 구글도 유튜브 영상을 자체 AI 개발에 사용하고 있었기 때문에, 오픈AI의 행동을 문제 삼을 경우 구글도 함께 저작권 침해로 엮여 문제가 커질 수 있다고 판단했다는 것이다.

이와 관련해 구글 대변인은 구글이 오픈AI의 행태에 대해 전혀 아는 바가 없으며 구글은 "유튜브 콘텐츠의 무단 사용 및 다운로드를 금지하고 있다”는 입장을 밝혔다.

메타 역시 페이스북과 인스타그램 게시물뿐 아니라 소설, 에세이, 뉴스기사 등 저작권이 명확한 데이터들까지 무단으로 사용한 것으로 드러났다.

NYT가 확보한 내부 자료에 따르면, 아흐마드 알달 메타 AI 담당 부사장은 임원회의에서 “자신의 팀이 이용 가능한 거의 모든 인터넷 콘텐츠를 사용했다”라고 말했다. 회의에선 인터넷에서 찾은 책, 에세이 등 작품들을 어떻게 허락받지 않고 요약했는지 언급했고, 이런 행위가 소송으로 이어진다 해도 경쟁력 있는 AI 개발을 위해선 더 많은 데이터 확보가 중요하다는 논의도 이뤄졌다.

기업들이 데이터가 생성되는 속도보다 더 빠르게 공개적으로 이용 가능한 온라인 데이터를 사용해 AI 모델을 개발하면서, 이르면 2년 내에 고품질 디지털 데이터가 고갈될 것이란 예측도 있다.

이런 가운데 오픈AI 등 일부 회사들은 데이터 고갈 문제 해결을 위해 AI가 생성한 데이터로 다시 AI를 학습시키는 합성 데이터 활용 방안도 연구 중인 것으로도 전해졌다.

합성 데이터는 사람이 아니라 AI가 생산한 텍스트, 이미지, 소프트웨어 코드를 말한다. 다시 말해 합성 데이터를 통해 AI는 스스로 생성한 데이터로 학습을 하게 된다.

하지만 합성 데이터는 모델의 성능을 갑작스럽게 하락시키는 '모델 붕괴'의 위험성도 가지고 있다는 지적이다. AI가 자체 생성한 결과로 AI 모델을 훈련하는 것은 거짓과 조작을 포함할 수 있고 시간이 가면서 기술을 오염시켜 되돌릴 수 없는 결함으로 이어질 수 있다는 설명이다.

[익명(118.33)]

싹다 학습시켜!

[익명(58.230)]

명백한 겨울

[Joyful(approve1515)]

[Joyful(approve1515)]

“AI 개발을 선도하는 미국 빅테크 기업들이 AI 학습용 온라인 데이터를 확보하는 과정에서 기업 자체 정책이나 저작권법 등을 회피하는 방법까지 동원했다고 보도했다.” "AI가 자체 생성한 결과로 AI 모델을 훈련하는 것은 거짓과 조작을 포함할 수 있고 시간이 가면서 기술을 오염시켜 되돌릴 수 없는 결함으로 이어질 수 있다는 설명이다."

[ㅇㅇㅇ(221.151)]

양질의 데이터는 어디서 확보하는가

[익명(villager0555)]

구글만 닥치면 아무도 뭐라 못한다는거지? 오키 ㅋㅋ

[oo(118.34)]

불법보다는 유튜브 약관 위반에 가까운 것 같네요.

[익명(landofooo)]

솔직히 근데 서로 다 갖다 써서 할말 없을걸 ㅋㅋㅋ 글고 데이터가 그만큼 모자르기도 하고