AI 학습용 콘텐츠 시장 설계: 저작권 이분법을 넘어서

한줄 요약

AI 학습 데이터 시장에서 완전 자유 이용과 강한 저작권 보호 모두 창작 인센티브와 AI 발전을 저해함을 게임 이론으로 분석하고, 데이터 중개자를 통한 대안을 제시한 이론 연구.

풀어야 하는 문제

AI 모델 학습에 필요한 인간 생성 콘텐츠 시장에서 기술 발전과 창작자 보상을 동시에 달성할 수 있는 시장 설계가 무엇인가? 기존의 '공정 이용 기반 무료 모델'과 '강한 지식재산권 모델'이 각각 어떤 문제를 야기하는가?

접근 방법

정적 Stackelberg 게임 모델과 동적 모델을 사용하여 두 극단적 저작권 체제를 분석했다. 정적 모델에서는 강한 저작권이 혁신적 창작자에게 불이익을 주는 '독창성 패널티' 현상을 발견했다. 동적 모델에서는 AI가 인간의 창작을 보조함으로써 콘텐츠가 균질화되고, 이를 다시 학습 데이터로 사용하면 AI 성능이 저하되는 '정밀도의 저주' 현상을 발견했다. 이를 해결하기 위해 창작자 간 외부효과를 내부화하고 혁신적 기여에 보조금을 지급하는 데이터 중개자 기반 시장 설계를 제안했다.

결과·기여

두 극단적 저작권 체제 모두 시장 실패를 초래함을 증명하고, 특히 혁신적 창작자에게 불리한 '독창성 패널티'와 AI 성능 저하를 유발하는 '정밀도의 저주'라는 새로운 현상을 발견했다. 제안된 데이터 중개자 모델은 효율성을 회복할 수 있음을 보였다. 이 연구는 AI 학습 데이터 시장의 규제 및 정책 설계에 중요한 이론적 기여를 한다.