책 이미지

책 정보
· 분류 : 국내도서 > 컴퓨터/모바일 > 인공지능
· ISBN : 9791143010612
· 쪽수 : 142쪽
· 출판일 : 2025-10-17
책 소개
AI 혁신의 배경에는 오픈소스가 있다. 누구나 접근 가능한 코드와 지식 공유는 AI 발전의 핵심 동력이다. 그러나 오픈소스는 책임과 통제의 문제 역시 남긴다. AI 모델이 혐오 발화나 허위 정보, 감시에 활용될 때 그에 대한 책임은 누가 져야 하는가? 오픈소스 라이선스가 학습 데이터와 결과물에 적용될 수 있는지, 공공 영역에서 보안과 민주성을 어떻게 담보할지 등은 여전히 논쟁적이다. 자유로운 개방과 사회적 책임 사이 균형이 절실하다.
이 책은 AI 생애주기 전반에 걸쳐 오픈소스가 작동하는 지점을 법적·윤리적 시각에서 분석한다. 라이선스와 특허, 저작권, 보안 리스크, 기업의 폐쇄화 전략, 공공성 논의, 국제 규범을 아우르며 단순한 기술 해설을 넘어 제도적 거버넌스의 필요성을 제기한다. 법학과 실제 사례를 바탕으로 오픈소스가 민주적 기술 거버넌스로 기능하기 위한 조건을 짚는다. 자율과 규율, 개방과 안전 사이에서 균형을 찾으려는 이들에게 사유의 틀을 제공한다.
목차
자율과 통제의 AI와 오픈소스
01 AI는 왜 오픈소스를 요하는가
02 오픈소스와 생성형 AI의 등장
03 오픈소스 라이선스와 AI 개발의 법적 쟁점
04 학습 데이터는 오픈소스가 될 수 있는가
05 AI 오픈소스와 저작권법의 미래
06 AI 오픈소스의 공공성과 민주성
07 오픈소스 모델의 책임은 누구에게 있는가
08 기업은 왜 오픈소스를 채택하고 버리는가
09 AI 오픈소스 생태계의 지속 가능성
10 오픈소스 AI의 글로벌 거버넌스와 국제 규범
저자소개
책속에서
AI 기술이 신뢰를 얻기 위해서는 동일한 조건에서 동일한 결과를 낼 수 있어야 한다. 이를 재현 가능성(reproducibility)이라고 부른다. 재현 가능성은 과학의 기본 원리이자 책임 있는 기술 개발의 전제 조건이다. 그러나 최근 몇 년간 발표된 많은 AI 모델은 논문만 공개되었을 뿐, 학습 코드나 데이터, 하이퍼파라미터 등 실질적인 재현 정보가 누락된 경우가 많았다. 이로 인해 성능을 검증하거나 공정성을 점검하는 것이 불가능한 경우가 발생한다. 오픈소스는 이러한 문제를 해결하는 데 중요한 열쇠다. 학습에 사용된 코드, 모델 구조, 데이터 전처리 방식 등이 함께 공개될 때, 독립적인 제삼자가 이를 시험하고 검증할 수 있다. 이는 단지 기술적 정합성만을 위한 것이 아니라, AI 모델이 사회적 영향을 미치는 시대에 윤리적 감시를 가능하게 하는 제도적 조건이기도 하다. 예컨대 인종·성별에 따른 알고리즘 편향이 재현 가능한 환경에서만 발견될 수 있다는 점은 중요하다.
-01_“AI는 왜 오픈소스를 요하는가” 중에서
AI 모델을 2차적 저작물로 인정할 수 있을지 여부는 법적으로 불확실하다. 기존 저작권법은 인간의 창작 행위에 의한 결과물만을 보호 대상으로 삼기 때문에, 기계가 스스로 학습해 생성한 가중치나 결과물은 법적으로 창작물로 보지 않는 것이 일반적이다. 그러나 문제는 AI 모델이 원저작물의 구조나 성향을 상당 부분 반영하는 경우, 간접 침해나 2차적 저작물로 간주될 가능성이다. 법적으로 2차적 저작물성이 인정되려면 원저작물에 대한 창작적 개작이 있어야 한다. 하지만 AI 모델은 통계적 학습에 기반하므로 직접적 개작 행위를 전제하기 어렵다. 이에 따라 가중치 배열 자체를 저작권 보호 대상에서 제외하거나, 새로운 보호 방식을 도입하려는 논의가 이루어지고 있다. 이와 동시에 일부 학자들은 AI 모델 그 자체를 저작권이 아닌 데이터베이스권, 특허권 또는 독자적(sui generis) 권리로 보호할 필요성을 제기한다.
-03_“오픈소스 라이선스와 AI 개발의 법적 쟁점” 중에서
오픈소스는 기술 불평등을 완화하는 중요한 수단이 될 수 있다. 누구나 접근할 수 있는 코드와 모델, 데이터셋이 존재할 경우 지역의 소규모 개발자, 비영리단체, 교육기관도 AI 기술을 접하고 응용할 수 있다. 이는 단순한 기술 전달이 아니라, 창의력과 혁신 역량의 민주화를 의미한다. 특히 농촌, 저소득층, 장애인 등을 대상으로 한 맞춤형 AI 개발이 가능해진다. 디지털 포용(digital inclusion)을 실현하기 위해서는 단순한 기술 공개를 넘어서는 접근성 인프라가 필요하다. 예컨대 GPU 리소스를 공공적으로 제공하는 클라우드 플랫폼, 기술 교육 콘텐츠, 사용자 친화적인 API 문서화 등은 모두 포용적 AI 생태계를 위한 요소다. 오픈소스는 이처럼 개방과 접근을 동시에 설계할 수 있는 유연한 기술 전략이다.
-06_“AI 오픈소스의 공공성과 민주성” 중에서