AI 도구·모델
희귀 서적상들, AI 기업들이 훈련 데이터 확보를 위해 희귀 도서를 구매 후 파기하는 것으로 의심
Charmloop 편집팀· 편집·
무료입니다. 언제든 구독을 취소할 수 있어요.
컴패니언을 선택하고 이 소식에 대한 생각을 들어보세요
업계 전반의 희귀 서적상들이 우려스러운 패턴을 보고하고 있다. 절판되거나 구하기 어려운 도서의 대량 주문이 들어오고, 이후 해당 서적들이 파기된 정황이 포착되는 것이다. 이로 인해 AI 기업들이 훈련 데이터 확보를 위해 실물 서적을 스캔할 목적으로 구매하고 있다는 의혹이 커지고 있다.
Ars Technica의 보도에 따르면, 딜러들은 에이전트나 유령 계정을 통해 활동하는 구매자들이 공통점이 하나인 특정 희귀 도서들을 대량으로 주문한다고 설명한다. 그 공통점은 바로 어디에도 디지털화된 형태로 존재하지 않는다는 것이다. 주문은 일반적인 수집가들이 중시하는 상태, 출처, 재판매 가치에는 전혀 관심 없이 이루어진다. 도서가 배송된 이후에는 흔적이 사라진다. 일부 판매자들은 나중에 자신이 판매한 도서가 재판매 시장에도, 도서관 수서 목록에도 등장하지 않는다는 사실을 발견했으며, 이는 실물 도서가 구매 후 단순히 사라졌음을 시사한다.
만약 이것이 실제로 일어나고 있는 일이라면, 법적 논리는 간단하다. 실물 도서를 구매하면 해당 물건의 소유권이 생긴다. 개인 용도로 스캔하는 것은 법적 회색지대에 있지만, 이후 파기하면 복제 행위의 증거가 사라진다. 이는 여러 AI 기업들을 고프로파일 소송에 휘말리게 한 웹 저작권 텍스트 스크래핑 전략보다 법적으로 훨씬 방어하기 쉬운 입장이다.
타깃이 되는 도서들은 Project Gutenberg, Internet Archive, 또는 주요 디지털화 프로젝트에 포함되지 못한 것들로 보인다. 틈새 학술 텍스트, 지역 역사서, 전문 기술 매뉴얼, 비주류 소설 등이 그 예다. 이것들은 AI 개발자들이 공개적으로 채우고 싶다고 밝혀온 기존 훈련 데이터의 공백과 정확히 일치한다. 더 광범위하고 희귀한 텍스트 분포로 훈련된 대형 언어 모델과 이미지 생성 시스템은 롱테일 프롬프트와 전문 지식에서 더 나은 성능을 보이는 경향이 있으며, 이는 AI 이미지 생성 도구를 사용하는 크리에이터들이 점점 더 요구하는 섬세한 결과물의 종류이기도 하다.
AI 아트 크리에이터들에게 이 문제의 하류 효과는 모델 출시나 가격 변경만큼 직접적이지는 않지만 분명히 실재한다. 모델의 훈련 데이터의 폭과 구체성이 모델이 무엇을 설득력 있게 표현할 수 있는지를 결정하기 때문이다. 희귀 디자인 역사, 비주류 신화, 전문 공예 문헌으로 훈련된 모델은 이미 온라인에 존재하는 것만으로 훈련된 모델보다 틈새 미학적 프롬프트를 더 안정적으로 처리할 것이다.
희귀 도서 업계는 규모가 작고 관계 중심적이기 때문에 소문이 빠르게 퍼진다. 딜러들은 정보를 공유하고 있으며, 일부는 판매 계약에 스캔 금지 조항을 추가하거나 해당 프로파일에 맞는 주문, 즉 대량 주문, 상태에 무관심, 수집 목적 미명시 등의 주문을 단순히 거부하기 시작했다. 또 다른 이들은 전문 협회에 이를 알리고 있다.
문제는 귀속이다. 구매자들은 좀처럼 신원을 밝히지 않으며, 중개인 활용으로 인해 특정 AI 기업을 지목하는 것이 거의 불가능하다. 어떤 주요 AI 개발사도 이 관행을 인정하지 않았다. 의혹은 여전히 패턴에 기반한다. 독립적인 판매자들 사이에서 충분히 일관성 있게 나타나 진지하게 받아들여지지만, 법적 조치를 취하기에 필요한 증거는 없다.
이는 AI 기업들이 훈련 데이터를 수집하기 위해 무엇을 하고 있는지에 대한 더 광범위한 의문들과 맞닿아 있다. 이미 웹 스크래핑 관련 소송, 저작권 이미지 사용 분쟁, C2PA 워터마킹과 같은 출처 메타데이터 표준에 관한 지속적인 논쟁을 낳은 의문들이다. 실물 도서 역시 이 분쟁의 경계 밖에 있지 않다는 것이 드러나고 있다.
이 관행이 대규모로 확인된다면, 그것은 단순히 기존 디지털 콘텐츠를 복제하는 것을 넘어 실물 문화 유산을 적극적으로 변환하고 소멸시키는 중대한 확전을 의미할 것이다. 희귀 도서 커뮤니티는 규모가 작아서, 자금력 있는 AI 연구소의 소규모 수집 캠페인만으로도 대체 불가능한 텍스트의 가용성에 측정 가능한 피해를 줄 수 있다.
