한국저작권위원회

AI 저작권 관련 Sarah Andersen v. Stability AI 소송 분석

고려대학교 법학전문대학원 교수

이대희

1. 머리말

지난 2023.1.13. 만화작가 Sarah Andersen, 화가 Kelly McKernan과 Karla Ortiz는 AI(인공지능) 개발사인 Stability, Midjourney, DeviantArt를 상대로 저작권 침해 등을 주장하면서 소송을 제기하였다. Stability가 공개한 Stable Diffusion은 오픈소스(open source)로 공개된 소프트웨어로서, 텍스트 형태의 프롬프트를 입력하면 이미지를 생성해 주는 AI 이미지 생성 제품(AI 모델)이다. Stable Diffusion은 오픈소스로 공개되어 많은 프로그래머에 의하여 사용되었고 이에 따라 Stable Diffusion에 바탕한 소프트웨어들이 공개되었다. 또한 Stability는 Stable Diffusion 공개 이후 Stable Diffusion의 소프트웨어 라이브러리(library)’에 바탕하는 이미지 생성 제품인 DreamStudio를 공개하였다.

DeviantArt와 Midjourney는 Stable Diffusion으로 구동되는 이미지 생성 AI 프로그램인 DreamUp과 Midjourney를 출시한 주체이다. 원고들은 피고들의 AI 학습데이터 이용행위가 저작권법을 위반한다는 등의 확인 판단을 구하였고, 피고는 원고의 청구를 각하할 것을 청구하였다. 피고의 각하청구에 대하여 법원은 2023.10.30. 판단을 내렸는데, 대체로 피고의 각하 청구를 인용하였으나 원고가 청구를 수정하도록 허가하는 판단을 하였다.

청구(motion)는 판결이 이루어질 때까지 재판부에게 일정한 사항을 요청하는 것으로서 소송과정에서 여러 차례 이루어질 수 있는 일종의 ‘소규모 재판(mini trial)’이라 할 수 있다. 흔히 전체 소송이 전쟁이라고 한다면 청구는 하나의 전투에 해당한다고 비유된다고 하는 이유가 바로 여기에 있다. 따라서 법원이 피고의 각하 청구에 대하여 판단하였다고 하여 이 사건에 대한 최종적으로 판단을 한 것에 해당하지는 않는다. 더군다나 법원이 AI 학습데이터 사용과 관련하여 저작권에 관한 실체적인 판단을 내린 것도 아니다. 법원의 이번 판단은 소송과정에서 본격적으로 심리하여야 할 사항에 대하여 교통정리를 한 것이라 할 수 있다. 향후 당사자들이 AI 학습데이터 이용의 저작권 쟁점에 관한 사실관계나 입증사항을 수정‧추가할 것이 예상되는데, 원고가 주장사항이나 사실관계를 수정하거나 추가할 것이고 피고가 이에 대하여 항변하는 형식으로 소송이 계속 진행될 것이다.

이 케이스는 AI 학습데이터 사용의 저작권 침해 여부 쟁점에 대하여 처음으로 제기된 케이스이고, 법원이 이에 대하여 처음으로 판단한 것이다. 또한 법원의 이번 판단은 학습데이터 이용과 관련된 구체적 사실관계나 쟁점을 정리한 것이라 할 수 있다. 현재 AI 학습데이터 이용과 관련하여서는 여러 저작권 소송이 제기되어 있는 상태인데, 이 사건에서의 법원의 판단은 향후 AI 학습데이터 이용의 판단에 대한 일정한 방향을 제시한 것이라 할 수 있다. 더군다나 이번 판단을 내린 법원은 지식재산권에 관하여 영향력이 강한 제9구역항소법원(Court of Appeals for the Ninth Circuit)의 연방 제1심법원이다. 따라서 법원의 이번 판단은 다른 소송에서 대해서도 영향을 미칠 수 있을 뿐만 아니라, 학습데이터의 저작권 침해 관련 소송에서 어떠한 쟁점이 다투어지고 판단될 것인지를 제시하는 것이라 할 수 있다.

2. 피고의 각하 청구에 대한 판단

(1) 원고의 주장 및 Diffusion 모델

원고의 주장에 의하면, Stability는 Stable Diffusion을 제작하기 위하여 저작권자의 허락을 받지 않고 수십억 개의 이미지를 스크래핑(scraping, 따라서 복사)하였고, 피고의 AI 모델에 의하여 특정 예술가의 스타일(style)로 이미지를 생성하고, 이미지는 전체적으로 학습 이미지에 바탕한 수학적 과정(mathematical process)에 의하여 생성되고, 이 사건의 모든 AI 생성물은 ‘잠재적 이미지(latent image)’에서 파생하는데 잠재적인 이미지는 저작권에 의하여 보호되는 것이고 따라서 모든 ‘합성 이미지(hybrid image)’는 2차적저작물이 된다. 다만 원고는 특정 텍스트 형식의 프롬프트에 응답하여 생성되는 Stable Diffusion의 이미지가 학습데이터의 특정 이미지와 밀접하게 일반적으로 일치하지는 않는다는 것을 인정하고 있다.

원고의 이러한 주장은 Stable Diffusion이 소위 ‘잠재적 확산 모델(latent diffusion model)’에 기초한다는 것에 기인한다. ‘잠재적’ 확산 모델은 확산(擴散)과 역확산(reverse diffusion)의 2단계 과정을 통하여 이미지 생성을 학습하는 ‘확산 모델(diffusion model)’의 일종이다. 잉크를 물에 떨어뜨리면 이후 잉크가 물에서 확산되는데, 확산 모델은 흔히 잉크가 물에 확산되는 과정을 역으로 추적하여 잉크가 떨어진 위치를 알아 맞추도록 학습하는 것에 비유된다. 곧 첫째 단계에서는 이미지에 시각적인 노이즈(noise)를 점차적으로 추가시켜 이미지에 확산되도록 하여 이미지를 알아볼 수 없는 상태, 곧 무질서적이고 비구조적인 상태가 되도록 하는데, 이에 의하여 이미지는 임의적인 노이즈 속으로 완전히 확산된다. 두 번째 단계는 노이즈에 확산되어 알아볼 수 없는 상태의 이미지로부터 역(逆)으로 노이즈를 제거해 나가면서 원본 이미지를 복구하는 것이다. 이미지를 노이즈로 확산시키는 과정이 기록되어 있으므로 확산의 과정을 역으로 진행하는, 곧 역확산의 과정을 밟게 된다. 역확산 과정은 무작위의 노이즈에서 시작하여 노이즈를 점차적으로 제거해 나감으로써 원래의 이미지를 복원할 수 있게 된다.

그런데 ‘잠재적인 확산 모델’에서는 확산‧역확산 과정을 ‘픽셀(pixel)’ 공간이 아니라 소위 ‘잠재적 공간(latent space)’에서 작동하도록 하는데, 잠재적 공간에서는 픽셀 공간보다 처리해야 할 숫자가 1/48로 감소하여 학습 및 이미지 생성이 훨씬 더 빠르게 이루어진다. 확산 모델에서 잠재적 이미지가 압축되는데 잠재적 이미지는 고해상도의 이미지로 복원될 수 있다. 잠재적 이미지는 원고의 이미지가 포함되어 있는 학습데이터를 압축한 복제물(compressed copy)인데, 이들 잠재적 이미지들이 합성됨으로써(interpolate) 새로운 합성 이미지(hybrid image)가 생성되고, 합성 이미지는 표준적인 픽셀의 이미지로 복원할 수 있다.

원고의 주장을 요약하면, ①학습 이미지가 압축된 복제물의 형태인 잠재적 이미지로 변환되고, ②잠재적 이미지를 혼합하여 2차적 잠재적 이미지를 추가적으로 생성하고, ③2차적 잠재적 이미지들을 합성하여 새로운 이미지를 생성해 내게 된다. 곧 원고의 원래 이미지 → 축소된 복제물 형태의 이미지 → 2차적 잠재적 이미지 → AI에 의하여 생성된 이미지의 순서로 이루어지게 되는데, AI에 의하여 생성된 이미지가 원래 이미지의 2차적저작물이라는 원고의 주장은 바로 여기에서 나온다.

(2) 저작권 등록

미국에서 저작권 관련 민사소송을 제기하기 위하여서는 요건으로서, 저작인격권 및 외국인 저작물을 제외하고, 저작권을 등록할 것이 요구된다(미 저 §411). 이 케이스에서 원고 Andersen만 저작권을 등록하고 McKernan과 Ortiz는 등록하지 않았으므로, 이들 2명의 청구를 최종적으로 기각하였다. 따라서 저작권 관련 청구는 Andersen의 청구에 한정된다.

(3) 침해된 원고 저작물의 특정

AI 학습데이터는 대규모의 데이터로 이루어져 있고 대규모의 데이터에 개별적으로 포함되어 있는 개인 저작권자는 자신의 저작물이 학습데이터로 이용되었는지 파악하기 매우 어렵다. 저작물 이용의 파악이나 입증이 어려운 것은 AI 개발자들이 학습데이터를 공개하거나 공개하지 않거나에 상관없이 마찬가지이다. 구체적으로 개별적인 저작물들을 공개하는 것이 아니고 학습데이터로 사용된 개별 저작물을 공개하는 것도 적절하지 않다. 기존에 학습데이터가 공개된 예를 보더라도 매우 광범위한 규모의 학습데이터셋만 공개되고 있는 형편이다.

개별 저작권자가 자신의 저작물이 학습데이터로 이용(주로 복제)되었다는 것을 입증하기 어렵고, AI 저작권 소송에서도 피고는 원고가 어떠한 저작물이 이용되었는지 입증하지 않았다고 주장하는 것이 일반적이다. 이 케이스에서도 피고는 원고 Andersen의 어떠한 저작물이 LAION 데이터셋에 복제되어 Stable Diffusion의 학습데이터로 사용되었는지 특정하여야 한다고 주장하였다. Andersen은 자신의 저작물을 특정하지 않았지만, ‘‘haveibeentrained.com’ 사이트에서 자신의 이름이 있는 자신의 저작물이 검색될 수 있고, 따라서 자신의 저작물이 LAION 데이터셋과 Stable Diffusion의 학습데이터로 사용되었다고 주장하였다.

법원은 소송의 현재 단계, 특히 LAION이 50억 개의 이미지를 스크래핑하여 학습데이터로 만들었다는 것을 고려하면, Andersen의 모든 저작물이 학습데이터로 스크래핑되었다는 것을 추론할 수 있으므로, 저작권 관련 심리를 계속 진행할 수 있다고 판단하였다.

(4) Stability에 의한 저작권 직접침해 주장

원고는, Stability가 Stable Diffusion을 제작하기 위하여, 이용허락을 받지 않고 수십억 개의 이미지를 다운로드‧획득하고, 이를 Stable Diffusion의 학습데이터로 사용하고, 압축된 복제물(compressed copy)로 Stable Diffusion에 저장‧포함시켰다고 주장하면서 저작권을 침해하였다고 주장하였다. Stability도 Stable Diffusion을 저작권 침해가 훈련하는 과정에서 이루어졌는지, 아니면 Stable Diffusion이 구동되는 과정에서 이루어졌는지 여부를 현재의 단계에서는 알 수 없다는 것을 인정하고 있다. 법원은 저작권의 직접침해에 대한 원고의 주장을 각하해 달라는 피고의 청구를 기각함으로써, 직접침해 여부는 이후의 소송과정에서 계속 심리하게 된다.

(5) DeviantArt에 대한 저작권 직접침해 주장

원고는 DeviantArt가 학습데이터를 구축하기 위하여 저작물을 스크래핑‧사용함으로써 저작권을 직접 침해했다는 취지의 주장을 하였다. 그러나 원고는 DeviantArt가 적극적으로 어떠한 역할을 하였는지 구체적인 사실을 주장하지 못하고 있고, Stable Diffusion을 학습시키기 위한 ‘LAION-Aesthetic 데이터셋’의 주된 출처였다는 것만 주장하고 있으며, 오히려 Stability가 지시하여 LAION이 학습데이터를 스크래핑‧구축하고, Stability가 이를 사용하였다는 것을 인정하고 있다. 따라서 법원은 이러한 주장만으로는 DeviantArt에 의한 직접침해를 뒷받침할 수 없다고 판단하였다.

이후 원고는 DeviantArt의 직접침해의 근거로서 3가지를 주장하였는데, ①DreamUp의 일부로서 ‘학습데이터의 압축 복제물’을 포함하고 있는 Stable Diffusion을 배포하고, ②그 자체가 저작권을 침해하는 2차적저작물인 DreamUp을 생성‧배포하고, ③저작권을 침해하는 2차적저작물인 이미지를 결과물로서 생성‧배포하였다는 것이었다. 원고는 DeviantArt의 DreamUp을 Stability의 Stable Diffusion과 연관시켜 주장하고 있는데, 이는 Stable Diffusion이 오픈소스에 의하여 공개되고 DreamUp은 이에 바탕하여 제작‧운용되고 있다는 것에 기인한다.

1) 이미지의 압축 복제물

원고의 이러한 주장에는 저작물의 복제와 관계되는 것으로서, 학습데이터 이용에 따른 저작권 침해 여부와 관계되는 매우 중요한 쟁점이다. 따라서 피고 DeviantArt가 원고의 이러한 주장에 대하여 강력하게 반박하는 것도 당연한 이치이다. DeviantArt는, 학습데이터의 ‘압축 복제물’이 Stable Diffusion 내에 포함되어 있다는 원고의 주장에 대하여, ㉮50억 개의 이미지가 압축되어 프로그램에 구동‧사용될 수는 없는 것이고, ㉯원고가 확산 과정에서 이미지 복제는 관련되지 않고 이미지의 개념을 파악하기 위하여 수학 등식이나 알고리즘이 사용된다고 하였는데, 이는 50억 개의 압축 이미지와 모순되는 것이고, ㉰원고가 특정 텍스트 프롬프트에 응하여 생성되는 Stable Diffusion의 이미지가 일반적으로 학습데이터의 특정 이미지와 밀접하게 일치하지는 않는다고 인정한 것을 제시하였다.

원고는 Stable Diffusion이 이미지의 ‘압축 복제물’을 포함하고 있고 DeviantArt의 DreamUp이 이러한 압축 복제물을 사용하고 있다고 주장하면서도 다소 모호한 주장을 하고 있다. 곧 학습이 이루어진 확산 모델은 학습이미지의 복제물을 생성할 수 있으므로 수십억 개의 이미지를 저장할 수 있는 대체적인 방법으로 취급될 수 있고, 확산 모델은 컴퓨터에 수십억 개의 이미지 파일의 디렉토리(directory)를 가지고 있는 것과 유사하지만, 이러한 이미지를 훨씬 더 효율적이고 압축적인 방법으로 저장하기 위하여 통계 및 수학적인 방법을 사용한다고 언급하였다. 한편으로는 확산 모델이 압축 복제물을 포함하고 있다고 하면서 다른 한편으로는 이미지를 저장하기 위하여 통계‧수학적인 방법을 사용한다고 하여, 저작물(이미지)이 복제된다고 주장하는지 불명확하다.

이에 따라 법원은 이미지의 압축 복제물에 대한 원고의 주장을 명확히 하고, Stable Diffusion이 학습이미지에 관하여 어떻게 작동하는지에 대하여 설명하는 것이 필요하다고 판시하였다. 만약 Stable Diffusion이 ㉮압축 복제물을 포함하고 있다고 주장한다면, ‘압축 복제물’을 정의하고 이를 설명하여야 하고, ㉯새로운 생성 이미지를 만들어 낼 수 있도록 (알고리즘이나 지시에 의하여 이루어질 수 있는) 통계‧수학적인 방법으로 이미지를 전체 또는 부분적으로 재구축(reconstruct)하는 것과 관련하여 압축 복제물을 주장한다면, 이를 설명할 수 있어야 한다.

원고가 주장을 수정‧변경하는 것에 따라 직접침해 여부에 대한 피고의 반박도 달라질 수 있다. 예컨대 Stable Confusion이, 학습 이미지의 몇 개 요소만을 포함하는 이미지를 생성하는데 적용될 수 있는, 알고리즘이나 지시만을 포함하고 있다면, DeviantArt나 Midjourney가 이용자들이 DreamUp이나 Midjourney를 사용하면서 Stable Diffusion의 라이브러리(library)를 활용할 수 있도록 함으로써 직접침해 책임을 부담할 수 있는지 불명확하다. 그러나 이 케이스의 AI 모델이 이용자들로 하여금 원고의 이름을 명시적으로 참조하여 새로운 저작물을 생성할 수 있도록 한다는 것을 입증할 수 있다면, 원고의 이미지가 Stable Diffusion에 어떻게, 얼마나 남아 있는지, AI 생성물에 의하여 어떻게, 얼마나 이용되었는지를 보다 더 강력하게 추론하는 것이 가능하다.

2) 2차적저작물로서의 DreamUp의 생성‧배포

원고는 DeviantArt의 DreamUp 자체가 저작권을 침해하는 2차적저작물이고, 이러한 2차적저작물인 DreamUp을 생성‧배포함으로써 저작권을 직접 침해하였다고 주장하고 있다. 곧 Stability는 DeviantArt에게 Stable Diffusion을 ‘수정’할 수 있도록 허가하고(leave), DeviantArt는 Stable Diffusion을 사용하고, 이용자에게 Stable Diffusion에 라이브러리로 접근할 수 있도록 했다는 것이다.

법원은 원고의 이러한 주장에 대하여, 이용자들이 DreamUp을 사용하는 경우, Stable Diffusion의 구조를 고려하면, Stable Diffusion에 존재할 수 있는 압축 이미지 복제물이 DeviantArt나 이용자에 의하여 왜 복제되는지에 주장하지 않는 것이 문제라고 지적하였다. 또한 법원은, 원고가, 이용자들이 DreamUp에 접근할 경우, DeviantArt가 Stable Diffusion을 ‘배포’하는 것에 대하여서도 아무런 주장을 하지 않는다고 지적하고 있다.

3) 저작권을 침해하는 이미지의 생성‧배포

원고는 DreamUp이 생성하는 이미지는 모두 2차적저작물로서 이를 생성‧배포함으로써 저작권을 직접 침해한다고 주장하고 있다. 그런데 AI 생성 이미지가 보호되는 저작물과 상당히 유사하다는 것이 입증되어야 하는데, 원고가 생성 이미지와 학습데이터의 특정 이미지와 일반적으로 밀접하게 일치하지 않는다고 주장하였기 때문에, 원고가 상당히 유사하다고 주장하는 것은 모순된다. 이에 대하여 원고는 상당히 유사하다는 것을 입증할 필요가 없으며, 원고 저작물의 모든 요소가 학습데이터로 전부 복제되었고 따라서 생성된 이미지는 2차적저작물일 수밖에 없다고 주장하였다.

법원은 압축된 복제물과 DeviantArt가 복제하였다는 것을 명확히 할 필요성이 있고, ㉮Stable Diffusion을 학습시키기 위한 모든 이미지가 저작권에 의하여 보호된다고 할 수 없거나, ㉯DeviantArt의 모든 이용자들이 저작권에 의하여 보호되는 이미지에 의존한다고 할 수 없으므로, 모든 생성 이미지가 2차적저작물인 이미지가 된다고 할 수 없다는 것을 지적하였다. 법원은 원고가 생성 이미지와 학습데이터의 특정 이미지와 일반적으로 밀접하게 일치하지 않는다고 이미 주장하여 원고의 2차적저작물 작성에 따른 저작권 침해 주장을 각하할 수 있을 정도라고 지적하였다. 그러나 원고는 생성 이미지가 ‘가짜(fake)’라고 여겨질 정도로 원고의 스타일이나 예술적 일체성과 유사하다고 주장하고 있으므로, 법원은 원고의 주장이론과 사실관계를 명확히 하도록 수정하도록 하였다. 곧 법원은, 원고가 청구를 수정하도록 허가하면서 DeivantArt의 직접침해 주장의 각하를 허용한 것이 된다.

(6) Midjourney에 대한 저작권 직접침해 주장

Midjourney는 ①Midjourney 제품을 위한 학습데이터로서 사용된 이미지를 스크래핑(복사)‧복제함으로써 저작물의 복제, ②Midjourney 제품의 일부분으로서 학습데이터의 압축 복제물을 포함하는 Stable Diffusion의 배포, ③그 자체가 저작권을 침해하는 2차적저작물인 Midjourney의 생성‧배포, ④저작권을 침해하는 2차적저작물인 이미지의 생성‧배포에 의한 직접침해를 주장하였다.

법원은, 학습데이터의 이용에 대한 주장과 관련하여, Midjourney가, 학습을 시켰다면, Midjourney 제품을 위하여 어떠한 학습을 시켰는지에 대한 사실관계가 존재하지 않으며, Midjourney가 개방되어 있는 데이터셋을 사용한다는 것만 언급하였다고 지적하고 있다. 그러나 원고는 Midjourney가 Stable Diffusion을 사용하고 있다고 주장하고 있다. 따라서 법원은 원고의 주장이 Midjourney에 의한 Stable Diffusion의 이용에 바탕하는지, Midjourney가 자신의 제품을 학습시키기 위하여 학습데이터를 별도로 사용한 것에 바탕하는지 명확히 할 필요성이 있다고 지적하였다. Midjourney의 나머지 주장은 DeviantArt에 대한 주장과 동일하므로, 법원은 원고 주장에 대한 Midjourney의 각하 신청도 인용하면서 원고의 주장을 수정할 수 있도록 허가하였다.

(7) 대위침해

미국에서 간접침해(indirect infringement, secondary infringement)는 판례법에 의하여 발전되어 온 침해이론으로서 ①기여침해(contributory infringement)와 ②대위침해(vicarious infringement)로 나뉘는데, 제3자의 침해행위에 어떠한 책임을 부담하여야 하는가에 관한 것이다. 이 케이스에서의 대위침해에 대한 논의는 한국에서는 생소한 것으로서 한국과 아무런 관련이 없는 것처럼 보이지만, 간접침해는 한국법상 교사나 방조행위에 가까운 측면이 존재한다. 따라서 이 케이스의 피고들 행위에 대하여 한국에서 제소된다면, 대체로 교사나 방조의 여지가 있는지 논의할 수 있을 것이다.

이 케이스에서 원고는 피고에 의한 대위침해를 주장하고 있는데, 이와 관련하여 다소 모호한 부분이 존재한다. 이는 원고가 주장하는 침해 논리나 사실관계가 다소 불명확하고 법원이 이번 판시를 통하여 이를 명확하게 하기 위한 것에서 비롯된다. 먼저 법원은 원고가 DeviantArt와 Midjourney의 직접침해에 대한 주장이 이루어지지 않았으므로 이들에 대한 대위침해 주장은 각하하고, 다만 침해 논리나 사실관계 설명을 수정하도록 허가하였다. 이에 반하여 Stability의 직접침해에 대한 주장은 적절하게 이루어졌으므로 Stability에 대한 대위침해 주장은 각하하지 않고, 역시 주장 사항을 명확하게 할 것을 허가하였다.

간접침해는 제3자의 행위에 대하여 책임을 부담하는지 여부에 대한 것이다. 그런데 이 케이스에서는 법원이 DeviantArt와 Midjourney의 직접침해에 대한 원고의 주장이 이루어지지 않았으므로 대위침해 주장을 각하한다고 하고 있다. 여기서의 대위침해는 DeviantArt와 Midjourney가 ‘자신들의 직접침해’에 기초한 대위침해를 의미하는 것으로서, 제3자의 침해에 대한 것이 아니다. 자신의 침해행위에 대한 대위침해를 논의한다는 것은 상당히 의아스러울 수밖에 없다. Midjourney가 자신의 직접침해에 대하여 대위책임을 질 수 없다고 주장한 것도 바로 여기에 있다. 법원의 이번 판단은 쟁점에 대하여 최종적으로 판단하는 것이 아니라 일종의 교통정리라는 것을 생각할 필요가 있다. 법원도 대위책임이 제3자의 행위에 대한 책임이라는 것을 인식하고 있는 것으로 보인다. 곧 원고가 피고들에 대한 직접책임을 적절히 주장하는지 여부를 결정한 이후에야 비로소, 원고가 피고의 대위책임을 물으면서 피고 자신의 직접침해에 기한 것인지, 아니면 제3자의 행위에 기한 것인지 여부를 결정할 수 있다고 밝히고 있다. 원고가 피고의 대위침해를 묻고자 하는 것이 피고의 직접침해에 기한 것인지, 제3자의 직접침해에 기한 것인지 불명확하다는 것이고, 현재의 시점에서는 이를 각하할 것이 아니라 원고의 주장사항을 명확히 할 것을 요구하면 된다는 논리라 할 수 있다.

앞서 논의한 바와 같이 DeviantArt 및 Midjourney에 대한 원고의 대위책임 주장은 각하하면서 원고의 주장을 수정‧추가할 것을 허가하였다. 원고는 Stability가 학습데이터를 스크래핑, 복사, 이용한 행위와 관련되어 있고 따라서 Stability의 직접침해에 대해서는 적절히 주장한 것이 되므로, 법원은 Stability의 대위책임 주장은 각하하지 않았다.

Stability의 대위침해가 성립하기 위하여서는 ㉮피고가 침해자의 행위를 통제하는 권리나 능력을 가지고 있고, ㉯침해로부터 직접적인 금융이익을 얻어야 하는 것을 요건으로 한다. 그런데 법원은 Stability의 대위책임과 관련하여 원고로 하여금 침해논리나 사실관계를 명확히 할 수 있도록 허가하고 있다. 곧 Stable Diffusion에 있는 압축 복제물에 대하여 명확히 하고, 이러한 압축 복제물이 어떻게 DreamStudio, DreamUp, Midjourney 모델에 존재하는지, 이들 모델이 압축 복제물을 어떻게 이용하였는지에 대하여 원고가 자신의 주장을 명확하게 하고 사실관계를 추가할 수 있도록 허가하였다. 이에 의하여 DreamStudio를 제3자가 이용한 것에 대해서도 대위책임을 부담할 수 있는지 여부를 판단할 수 있게 된다.

법원은 원고가 주장사항이나 사실관계를 명확히 하여야 일반 이용자의 직접침해에 대한 피고의 대위책임도 논의가 가능하다고 밝히고 있다. 이 케이스에서의 주된 대위책임의 주된 대상은 일반 이용자들이 피고들의 AI 모델을 이용하여 이미지를 생성하는 것이다. 원고는, 피고가 이용자들로 하여금 피고의 AI 모델을 이용하여 이미지를 생성할 수 있도록 하여 원고의 저작권을 침해하도록 함으로써, 피고가 이용자들의 침해행위에 대하여 대위책임을 부담한다고 주장하였다. 곧 이용자들은 원고 작가들의 이름을 프롬프트로 입력하여 이미지를 생성하고, 생성된 이미지들을 작가들의 작품인 것처럼 유통시켰는데, 이용자들의 이러한 침해행위에 피고들이 대위책임을 부담한다는 것이다. 그런데 원고 Andersen은 이용자들이 자신과 다른 원고들의 모조품을 생성하기 위하여 원고 자신의 저작물이 사용되었다는 주장은 하지 않고 있다. 따라서 법원은 원고가 주장이나 사실관계를 명확히 하여야 이러한 모조품 생성에 대한 대위침해도 논의할 수 있다고 밝히고 있다.

(8) 권리관리정보

미국 저작권법도 권리관리정보의 제거‧변경 등을 금지하고 있는데[미 저 §1202(b)], 이 케이스에서 원고는 피고가 자신들의 저작물로부터 권리관리정보를 삭제‧변경하였다고 주장하였고, 피고는 법원이 이를 각하할 것을 청구하였다. Stability는 ㉮Stability가 원고의 특정 저작물로부터 권리관리정보를 제거하였다는 것을 원고가 주장하지 못하였고, ㉯원고가 ㉠온라인상 제공되는 특정 저작물에 권리관리정보를 포함시켰다는 주장이 없고, ㉡원고의 권리관리정보가 포함된 학습 데이터셋에 이미지가 언제 스크랩되고 포함되었는지에 대한 사실관계가 존재하지 않으며, ㉰원고가 권리관리규정 위반에 대한 2개의 주관적 요건을 충족하지 못하였다고 반박하였다.

DeviantArt 및 Midjourney도 Stability와 유사한 반박을 하였는데, 이들의 반박은 Stability의 반박보다 설득력이 강하다. 왜냐하면 이들은 ㉮(권리관리정보가 부착될 수 있는) 이미지가 있는 LAION과 관련되거나 ㉯관리정보가 제거‧변경될 가능성이 있는 Stable Diffusion의 학습과 직접 관련되지 않기 때문이다.

원고는 자신들이 저작물에 여러 유형의 관리정보를 포함시켰고 피고가 관리정보를 제거‧변경하였다는 것만 주장하고 있는데, 법원은 이러한 주장이 추론에 불과한 것이라고 지적하였다. 법원은 권리관리정보 규정의 위반을 주장하기 위하여서는 원고들 각자가 온라인상의 저작물에 포함시킨 정확한 유형의 권리관리정보를 표시하고, 권리관리정보가 Stable Diffusion의 학습을 위한 LAION 데이터셋 등으로 스크랩되어야 한다고 지적하였다. 따라서 법원은 원고로 하여금 자신의 저작물로부터 제거‧변경되었다고 믿는 특정 유형의 관리정보를 표시하도록 청구를 변경하도록 허가하였다. 또한 원고는 피고 중에서 어떤 피고가 권리관리정보를 제거‧변경하였는지, 제거‧변경이 언제 이루어졌는지를 명확히 하고 이에 대한 사실관계를 주장하도록 요구하였다. 결국 법원은 원고의 권리관리정보 규정의 위반 주장을 기각하면서 원고가 자신의 주장이나 사실관계를 수정‧추가할 수 있도록 허가하였다.

Sarah Andersen, et al., v. Stability AI Ltd., et al., Order on Motions to Dismiss and Strike, 23-cv-00201-WHO (N.D. Cal. Oct. 30, 2023).

https://haveibeentrained.com/

www.deviantart.com