대메뉴 바로가기 본문 바로가기

한국저작권위원회

인기검색어
폰트, 음악, PPT, 일러스트
전체 메뉴

사이트맵

닫기

저작권동향

저작권동향 상세보기
제목 [이슈리포트] 2024-28-[독일] 생성형 인공지능 모델 학습과 TDM 제한(박희영)
담당부서 국제통상협력팀 손휘용(0557920089) 등록일 2024-10-31
첨부문서

[이슈리포트] 2024-28-[독일] 생성형 인공지능 모델 학습과 TDM 제한(박희영).pdf 미리보기

[독일] 생성형 인공지능 모델 학습과 TDM 제한

-함부르크 지방법원 판결(Kneschke vs. LAION)-

독일 막스플랑크 국제형법연구소 연구원/법학박사

박희영

 

1. 생성형 인공지능 모델이 야기하는 저작권 문제 개관

 

 

생성형 인공지능(AI) 시스템이 작동하기 위해서는 이의 엔진에 해당하는 AI 모델(: Chat-GPT, DALL-E, Stable Diffusion )이 필요하다. 이 모델이 이용자의 요청에 따라 산출물을 생성하기 위해서는 그 이전에 학습되어 있어야 한다. AI 모델의 학습에는 대량의 데이터가 필요하다. AI 모델의 성능은 학습에 사용되는 데이터의 품질과 양에 따라 크게 좌우된다. 데이터를 대량으로 수집하는 방법을 일반적으로 데이터 스크래핑’(Data Scraping)이라고 한다. 데이터 스크래핑은 소프트웨어 프로그램(‘또는 크롤러라고 함)을 이용하여 인터넷을 체계적으로 검색하고, 웹사이트에 있는 특히 텍스트, 이미지, 동영상, 프로그램 코드 또는 기타 디지털 콘텐츠에서 정보를 추출한다. 이러한 방식으로 대량의 데이터가 자동으로 수집되어 분석되고 정리된 후 데이터셋’(Dataset)이 만들어진다.

데이터셋을 구축하는 과정에서 타인의 저작물이 AI 개발자의 컴퓨터에 저장될 수 있다. 이러한 저장은 저작권법의 복제와 관련된다. 나아가서 데이터셋은 AI 모델을 학습시키는 데 사용된다. AI 모델의 학습 과정에서도 복제가 발생할 수 있다. 마지막으로, 학습을 종료한 AI 모델이 ChatGPTStable Diffusion과 같이 이용자에게 제공되는 경우 학습한 타인의 저작물이 산출물로 나타날 수 있다. 이러한 산출물이 저작권법의 복제에 해당하는지 문제가 된다. 만일 이용자가 AI 모델의 프롬프트(Prompt)를 통하여 생성한 산출물이 타인의 저작권을 침해하는 경우 이에 대한 책임이 누구에게 귀속되는지도 문제 된다. 이처럼 생성형 AI 모델의 경우 AI 학습을 준비하기 위한 데이터셋의 구축 과정, 이 데이터셋을 이용한 모델의 학습 과정, 이 모델을 이용한 새로운 콘텐츠의 생성 과정에서 저작권과 관련한 다양한 문제들이 야기되고 있다.

독일 함부르크 지방법원은 2024927일 크네쉬케 대 라이온(Kneschke vs. LAION) 사건에서 데이터셋의 구축 과정에서 발생하는 저작권 침해와 이러한 침해가 텍스트 및 데이터 마이닝(TDM) 제한 규정으로 정당화될 수 있는지에 대하여 최초로 판결했다.

 

2. 함부르크 지방법원 판결(Kneschke vs. LAION)

 

 

(1) 사실관계

 

원고(Robert Kneschke)는 사진작가로서 자신의 사진을 스톡(Stock) 플랫폼에 업로드하여 배포하거나 판매한다. 피고는 오픈 소스 AI 모델과 데이터셋을 개발하는 독일의 비영리 사단법인(LAION e.V.)이다. 피고의 활동이 영리적인지 또는 비영리적인지에 대하여 당사자 사이에 다툼이 있다.

피고는 ‘LAION-5B’라는 데이터셋을 공중에게 무료로 제공하고 있다. 이 데이터셋은 약 60억개의 이미지-텍스트 쌍으로 구성되어 있다. 예를 들어 고양이 사진과 이 사진을 설명하는 텍스트(대체 텍스트라고 함)가 하나의 쌍으로 되어 있다. 이 데이터셋은 인터넷에서 공개 접근할 수 있는 이미지 또는 이미지 파일에 대한 하이퍼링크와 해당 이미지에 대한 추가 정보를 포함하고 있다. 이 데이터셋은 소위 생성형 인공지능 모델의 학습에 사용될 수 있다.

피고는 법인 설립 후 2021년 하반기에 이 데이터셋을 구축하였다. 피고는 데이터셋을 구축하기 위해서 이미 존재하고 있는 미국의 어떤 데이터셋을 사용하였는데, 이 데이트셋은 인터넷에서 발견할 수 있는 무작위 표본에 대한 개별 URL과 각 이미지 콘텐츠의 텍스트 설명을 포함하고 있었다. 그리하여 피고는 이 데이터셋에서 이미지의 URL을 추출하고 자신의 컴퓨터에 이미지를 다운로드했다. 이어서 피고는 소프트웨어를 사용하여 기존 데이터셋에 있는 이미지 콘텐츠의 설명이 실제로 이미지에서 보여지는 콘텐츠와 일치하는지 검토하였다. 이 과정에서 텍스트와 이미지 콘텐츠가 충분히 일치하지 않는 이미지는 필터링되었다. 나머지 이미지의 경우 메타데이터, 특히 이미지의 저장 장소의 URL과 이미지 설명이 추출되어 새로 구축된 데이터셋인 LAION-5B에 포함되었다. 다운로드한 이미지 파일이 이후 삭제되었는지 여부는 적어도 소송대상인 사진과 관련해서는 당사자 사이에 다툼이 있다.

이러한 과정에서 소송대상인 원고의 사진도 검색되어 다운로드되고 분석된 후 메타데이터와 함께 데이터셋에 포함되었다. 원고의 사진은 Bigstock이라는 이미지 대행사가 자신의 워터마크를 찍어서 자신의 웹사이트에 게시해 놓았다. 한편 이미지 대행사는 자신의 이용 약관에서 자동화된 프로그램으로 이미지를 다운로드하거나 스크래핑하는 것을 금지한다는 문구를 자연어로 표시해 놓았다. 피고는 이러한 약관 규정에도 불구하고 이미지 대행사의 워터마크가 찍힌 이미지 파일을 다운로드하여 이용하였다.

 

(2) 원고 및 피고의 주장

 

원고는 소송대상인 사진의 저작자라고 주장한다. 이미지 대행사는 자신의 웹사이트에서 소송 대상인 사진을 제공하고, 전시하고, 사진에 대한 이용허락을 제공할 권리가 있으며, 라이선스를 다시 부여할 수 있는 단순 이용권 보유자라고 한다. 원고는 피고의 데이터셋 구축 과정에서 허용되지 않는 복제의 형태로 소송대상인 사진에 대한 저작권이 침해되었다고 주장한다. 데이터 분석 과정에서 수행된 복제는 저작권법 제16조의 복제권 침해에 해당하며, 특히 이것은 저작권법 제44a(일시적 복제), 44b(일반적 목적의 TDM), 60d(과학적 목적의 TDM)의 제한 규정을 통해서 정당화되지 않는다고 한다. 또한 피고의 복제행위는 소위 단순 동의’(Schlichte Einwilligung)에 의해서도 정당화되지 않는다고 한다. 소송대상인 사진을 자유롭게 이용하도록 하지 않았고 대행사를 통해서 유료 라이선스를 부여하기 위해서 제공했을 뿐이라고 한다.

이에 대하여 피고는 원고가 사진에 대하여 자신의 이름으로 권리침해를 주장할 수 있는지 의문을 제기한다. 그러나 무엇보다 데이터셋의 구축 과정에서 발생하는 일회성 이미지의 다운로드는 저작권과 관련된 복제에 해당하지만, 이는 원고의 단순 동의뿐만 아니라, 44a, 44b조 및 제60d조의 제한 조항의 적용을 받는다고 한다.

(3) 지방법원 판결 주요 내용

 

함부르크 지방법원은 원고의 청구는 적법하지만 이유가 없다고 판결했다. 법원은 우선 소송대상인 원고의 사진을 저작권으로 보호되는 사진저작물(저작권법 제2조 제5)이 아니라, 저작인접권으로 보호되는 일반 사진(72조 제1)으로 보았다. 사진에 대한 저작인접권자도 복제권을 가지므로 복제권 침해에 대하여 침해금지청구권(저작권법 제97조 제1)을 행사할 수 있다. 그러나 피고의 복제행위는 법률상 제한 조항을 통하여 정당화된다.

 

1) 일시적 복제

 

피고의 복제행위는 일시적 복제행위의 제한 규정(44a)에 의해서는 허용되지 않는다. 본 사례에서 이미지 파일은 특정한 소프트웨어를 사용하여 분석하기 위한 목적으로 다운로드되었기 때문에, 이 다운로드는 분석 수행에 수반되는 단순한 과정이 아니라, 분석의 전 단계에서 의도적이고 적극적으로 조정된 작성 과정이다.

 

2) 일반적(상업적) 목적의 TDM

 

하지만 법원은 소송 대상인 다운로드는 TDM 목적으로 수행되었으므로 이 다운로드는 기본적으로 저작권법 제44b조 제2항의 상업적 목적의 제한 규정에 해당할 수 있다고 보았다. 이에 따르면 TDM, 특히 패턴, 추세 및 상관관계에 대한 정보를 얻기 위해 개별 또는 다수의 디지털 또는 디지털화된 저작물을 자동으로 분석하는 것을 의미한다.

피고는 '상관관계'에 대한 정보를 얻기 위한 목적으로 복제하였다. 피고는 이미 사용 가능한 소프트웨어를 이용하여 이미지 콘텐츠와 텍스트를 배경으로 한 이미지 설명을 비교하기 위해 자신의 원래 컴퓨터로 소송대상인 사진을 다운로드했다. 기존의 이미지 설명과 비교하기 위해 이미지 파일을 분석하는 것은 바로 '상관관계'(즉 이미지와 이미지 설명의 적합성 및 부적합성 문제)에 대한 정보를 얻기 위한 분석이다. 피고가 데이터셋에 포함된 이미지를 이러한 방식으로 분석했다는 사실에 대해 원고는 이의를 제기하지 않았다.

법원은 또한 소송대상인 복제 행위는 제44b조의 제한 규정을 목적론적으로 축소 해석해야 한다는 일부 문헌의 견해를 수용하지 않았다. 일부 문헌에서는 TDM데이터에 숨겨진 정보의 개발에만 적용되고, ‘지적 창작물의 내용의 이용에는 적용되지 않는다는 근거로 제44b조가 확대 해석될 여지가 있으므로 이를 축소 해석해야 한다고 주장하고 있다. 이에 대해서 법원은 디지털화된 저작물의 경우 데이터에 숨겨진 정보지적 창작물의 내용사이의 차이를 충분히 구분할 수 없다는 이유로 이러한 견해에 의문을 제기하였다.

일부 문헌에서는 인공지능 웹스크래핑은 학습 목적으로 사용되는 저작물의 지적 콘텐츠에 관한 것이므로 결국 콘텐츠가 동일하거나 유사한 경쟁 제품을 만드는 것이라고 추가로 주장하였다. 하지만 이러한 주장은 AI의 단계별 생애주기를 정확하게 구분하지 못하고 있다고 지적하면서 법원은 이를 받아들이지 않았다. 법원은 AI의 생애주기를 3단계로 구분하였다. AI 학습용 데이터셋 구축 단계, 데이터셋을 이용한 인공신경망 학습 단계, 콘텐츠를 생성하기 위한 학습된 AI의 사용 단계이다. 학습용 데이터셋을 구축할 시점에는 학습 단계가 성공적으로 수행될지 그리고 학습된 AI가 어떤 콘텐츠를 생성할 지를 예측할 수 없으므로 법적 불확실성이 존재한다고 한다. 따라서 데이터셋을 구축할 당시에 장래의 AI 생성 콘텐츠를 얻고자 하는 일반적인 의도가 있다고 해서 이것만으로 데이터셋 구축의 법적 허용가능성을 평가하는 기준이 될 수 없다고 하였다.

법원은 또한 일부 문헌에서 EU 입법자가 DSM 지침 제4조에서 인공지능 문제를 아직 포함하지 않았다는 이유로 제44b조의 제한 규정을 목적론적으로 축소 해석해야 한다는 주장도 받아들이지 않았다. 특히 2019년 이후 이른바 인공지능 분야의 기술적 발전의 주된 관심사는 소송대상인 학습 데이터 수집을 위한 데이터 마이닝의 종류와 범위가 아니라, 이 데이터로 학습된 인공 신경망의 성능에 관한 것이라는 점을 고려해야 한다고 강조하였다. 나아가서 법원은 EU 입법자가 인공 신경망의 학습을 위한 데이터셋의 생성도 DSM 지침 제4조의 제한 규정의 적용을 받는다는 점을 분명히 밝혔다고 인정한다. 법원은 그 근거로 인공지능법(AI Act) 53조 제1c를 제시하고 있다. 이에 따르면 범용 AI 모델 제공자는 DSM 지침 제4조 제3항에 따라 권리 유보를 조사하고 준수하기 위한 전략을 마련해야 하기 때문이다. 따라서 이 지침을 독일 저작권법으로 이행한 독일 입법자의 의도도 이와 일치한다는 것이다.

법원은 또한 제44b조는 정보사회지침 제5조 제5항의 이른바 3단계 테스트도 충족한다고 보았다. 이 사안에서 저작권과 관련된 복제는 이미지 파일이 기존 이미지 설명과 일치하는지 분석하고 이후 데이터셋에 입력하기 위한 목적으로 제한되므로 저작물의 이러한 이용을 통해서 관련 저작물의 이용 가능성이 손상될 것이라는 점은 명백하지 않다고 본 것이다. 물론 이러한 방식으로 구축된 데이터셋은 이후 인공 신경망의 학습에 사용될 수 있고, 그리하여 인공지능이 생성한 콘텐츠가 인간 저작자의 저작물과 경쟁할 수도 있을 것이다. 그렇다고 하여 학습 데이터셋의 구축이 곧바로 저작물의 이용 가능성을 손상할 것이라고 평가할 수는 없다고 한다. 현재 구체적으로 전혀 예측할 수 없는 단순히 미래의 기술 발전을 고려하는 것은, 허용된 이용과 허용되지 않는 이용을 법적으로 확실하게 구분할 수 없기 때문이다.

그러나 법원은 제44b조 제2항에 의해서 피고의 복제 행위는 정당화되지만, 44b조 제3항의 이용유보(제한의 예외)에 의해서 정당화되지 않는다고 보았다. 44b조 제3항에 따르면 권리자가 유보를 선언하지 않은 경우에만 TDM이 정당화되고, 이러한 유보는 온라인 접근인 경우 기계가 읽을 수 있는 방식으로 선언되어야 유효하다.

이미지 대행사는 일반 약관에서 웹 크롤러의 이용 금지를 자연어로 선언하였다. 44b조 제3항의 이용 유보는 명시적으로 선언되어야 하며, 특정한 내용과 특정한 용도를 명백히 포함할 수 있도록 구체적이고 개별적으로 정확하게 선언되어야 한다. 법원은 이미지 대행사의 웹사이트에 표현된 이용유보는 이러한 요건을 충족한다고 보았다. 그러나 이용유보는 기계가 읽을 수 있어야 한다(40b조 제3항 제2). 일반약관에 선언된 이용유보는 자연어로만 표현되어 있다. 따라서 기계가 자연어로 된 이용유보를 읽을 수 있는지 문제가 된다.

지금까지 독일 학계의 지배적 견해는 웹 크롤러에 의한 자동 검색을 허용하려는 입법자의 의사를 고려하여 기계 가독성의 개념은 기계 이해 가능성의 의미로 해석하고 있다. 저작권자가 웹사이트에서 TDM을 위한 웹 크롤링을 금지하는 경우, 기계가 이해할 수 있는 형식, 즉 로봇배제표준(robots.txt) 파일의 형식으로 작성되어야 한다는 것이다. 하지만 법원은 자연어로만 작성된 이용 유보도 기계가 이해할 수 있는 것으로 보았다. 그러나 법원은 자연어로 선언된 유보가 기계가 이해할 수 있는 것으로 간주될 수 있는지 여부와 구체적인 요건에 대해서는 해당 저작물의 사용 시점에 존재하는 기술의 발전에 따라 판단해야 한다고 일정한 제한을 가했다.

법원은 이와 관련하여 인공지능법 제53조 제1c를 다시 언급하고 있다. 이에 따르면 AI 모델 제공자는 특히 최신 기술을 통해서도” DSM 지침 제4조 제3항에 따라 권리 유보를 식별하고 준수하기 위한 전략을 마련해야 한다고 규정하고 있다. 법원은 이러한 최신 기술에는 특히 자연어로 작성된 텍스트의 내용을 인식할 수 있는 AI 애플리케이션도 명백히 포함된다고 판단했다. 법원은 또한 피고가 제출한 자료에 따르면 피고는 이미 2021년에 자연어로 작성된 이용유보를 자동으로 파악할 수 있는 시스템을 사용할 수 있었다고 보고 있다.

따라서 데이터셋의 구축과정에서 발생하는 복제행위는 제44b조 제2항의 제한 조항에 해당할 수 있지만, 자연어로 된 이용유보도 기계 가독성에 포함될 수 있다는 규범적 판단을 내리면서 피고의 행위는 제44b조 제3항의 제한 조항에 의해서 정당화되지 않을 수 있다고 보았다. 하지만 법원은 이에 대해서 더 이상 확정적으로 판단하지 않았다. 피고의 복제행위는 과학적 연구 목적의 TDM에 의해서 정당화되기 때문이다.

 

3) 과학적 연구 목적의 TDM

 

법원은 피고가 소송대상인 복제와 관련하여 저작권법 제60d조의 제한 규정을 주장할 수 있다고 보았다. 저작권법 제60d조에 따르면 연구 기관의 과학적 연구 목적의 TDM을 위한 복제는 허용된다.

법원에 따르면 저작권법 제60d조에서 의미하는 과학적 연구란 일반적으로 새로운 지식을 체계적인 방법으로 추구하는 것이라고 한다. 나아가서 과학적 연구의 개념은 단순히 새로운 지식을 얻는 과정만을 의미하는 것이 아니라, 최종적으로 지식 획득을 목표로 하는 모든 단계를 포함한다고 한다. 예를 들어, 경험적인 결론을 얻기 위해 필요한 데이터를 수집하는 과정 또한 과학적 연구에 포함된다고 한다. 즉 과학적 연구는 데이터 수집부터 시작하여 그 데이터를 분석하고 해석하여 새로운 지식을 도출하는 전 과정을 의미한다고 한다. 특히 과학 연구의 개념은 후속 연구의 성공을 전제로 하지 않는다고 한다.

따라서 법원은 인공지능 시스템을 학습하기 위한 토대가 될 수 있는 데이터셋의 구축은 이러한 의미에서 과학적 연구로 볼 수 있다고 한다. 비록 데이터셋의 구축이 아직 지식의 획득과 연관되지 않을 수 있지만, 이는 추후 지식의 획득을 목적으로 데이터셋을 사용하기 위한 기본적인 작업 단계이기 때문이다. 본 사례에서도 그러한 목적이 존재했음을 확인할 수 있다고 한다. 데이터셋이 무료로 공개되어 인공 신경망 분야의 연구자들에게 제공되었다는 것만으로도 충분하다고 한다. 따라서 데이터셋이 영리 기업에서 학습이나 AI 시스템의 추가 개발을 위해 사용되었는지 여부는, 영리 기업의 연구도 여전히 연구이기 때문에 중요하지 않다고 보았다. 이러한 배경에서 피고가 해당 데이터셋을 제작하는 것 외에 자체 AI 모델을 개발하는 형태의 과학적 연구도 수행하는지 여부에 대한 당사자 사이의 다툼은 의미가 없다고 보았다.

피고는 또한 제60d조 제2항 제1호에서 의미하는 상업적 목적도 추구하지 않는다고 보았다. 연구가 비상업적인지 여부는 전적으로 과학적 활동의 구체적인 성격에 달려 있으며, 연구가 수행되는 기관의 조직 및 자금 조달은 중요하지 않다고 본 것이다. 소송대상인 데이터셋의 구축과 관련하여 피고가 추구하는 비상업적 목적은 피고가 이를 무료로 공중에게 제공한다는 사실에서 명백하다. 소송대상인 데이터셋이 상업적으로 활동하는 기업에서도 인공지능 시스템의 학습 또는 추가 개발을 위해 사용될 수 있다는 사실은 피고의 활동을 분류하는 것과 무관하다고 한다.

60d조 제2항 제3문에 따르면 연구기관에 결정적인 영향력을 행사하고 과학 연구 결과에 우선 접근할 수 있는 민긴 기업과 협력하는 연구기관은 제60d조의 제한 조항에 의해서 정당화되지 않는다. 제한 적용을 배제하는 요건을 설명하고 입증하는 책임은 원고에게 있다. 이와 관련하여 원고는 특정 기업이 소송대상인 데이터셋의 구축에 자금을 조달하고 피고의 관련 직책에 자신의 직원을 배치하였고, 피고의 구성원이 특정 기업의 연구원으로 등록되어 있으며, 이 기업에게 데이터셋에 대한 우선접근권을 부여했다고 주장하지만, 이러한 사실만으로는 피고에게 직접적인 영향령을 행사하였다고 볼 근거가 부족하다고 판단했다.

 

 

3. 평가 및 전망

 

함부르크 지방법원 판결은 DSM 지침의 TDM 제한 규정이 AI 학습 데이터 수집에 적용될 수 있는지 여부에 대한 EU 최초의 사례라는 점에서 중요한 시사점을 제공하고 있다. 특히 이 판결은 이미지뿐만 아니라 텍스트, 코드, 동영상, 음악 등 모든 종류의 데이터에 적용될 수 있다는 점에서도 중요한 의미를 가진다.

이 판결의 대상은 생성형 인공지능 학습이나 산출물이 아니라, 이를 학습시키기 위한 데이터셋의 구축 과정에서 발생하는 복제행위가 초점이다. 법원은 TDM 제한 조항이 적용될 수 있는 단계를 학습용 데이터셋 구축, 인공지능 학습, 학습한 인공지능의 산출의 세 단계로 구분하여 판결의 대상을 첫 번째 단계로 제한하였다.

우선 법원은 AI 학습을 위한 데이터셋 구축을 과학적 연구의 범주에 포함시켰다. 이는 AI 개발 과정을 연구 활동으로 인정한 것으로, AI 기술 발전에 긍정적인 영향을 미칠 수 있다. DSM 지침이 도입될 당시 EU 입법자가 아직 AI 문제를 지침에 포함시키지 않았더라도 TDM 규정을 목적론적으로 축소해야 한다는 견해를 법원이 거부한 점은 기술 발전에 따른 법률해석의 유연성을 보여준다. 또한 EU 인공지능법 제53조 제1cDSM 지침 제4조 제3항의 권리유보를 명시적으로 언급하고 있다고 강조한 점은 인공지능법과 저작권법 사이의 연계성을 인정한 것으로 보인다. 게다가 법원은 TDM 제한 규정이 정보사회지침 제5조 제5항의 3단계 테스트를 충족한다고 판단함으로써 국제저작권 기준에도 부합한다는 점을 강조하고 있다. 마지막으로 지방법원은 자연어로 선언된 사용유보도 제44b조 제3항 제2문에서 의미하는 기계판독이 가능하다고 간주한 것 또한 기술 발전을 고려한 유연한 해석으로 볼 수 있다.

이 판결은 생성형 AI 모델 학습 데이터 수집에 대한 중요한 선례를 제시하였지만, 동시에 TDM 제한 규정의 해석 및 적용에 대한 논쟁을 촉발할 것으로 보인다. 이 판결은 특히 제44b조와 AI 학습에 대한 논쟁에서 중요한 논점을 다루면서 학계의 다수의견과 상당한 거리를 두고 있기 때문이다. 특히 저작권 이니셔티브의 위탁으로 수행된 연구보고서의 견해와도 상당한 차이를 보이고 있다. 내용과 원고가 항소 의사를 밝힌 만큼, 향후 상급심 법원이나 유럽사법재판소의 판결이 이 문제에 대한 최종적인 해석을 제공할 것으로 예상된다.

 

 

참고자료

 

LG Hamburg Urteil vom 27.09.2024 - 310 O 227/23, GRUR-RS 2024, 25458 (판결문 : https://www.landesrecht-hamburg.de/bsha/document/NJRE001588058).

Dornis, Tim W./Stober, Sebastian, Urheberrecht und Training generativer KI-Modelle - technologische und juristische Grundlagen, nomos 2024. (연구보고서 : https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4946214)

Pukas, Jonathan/Nordemann, Jan Bernd, LG Hamburg bereitet Weg für das Speichern von Werken als KI-Trainingsdaten, GRUR-Prax 2024, 639.

Hoeren, Thomas, Drei Mythen und ein Todesfall: Urheberrechtliche Fragen bei der Generierung von KI-Daten, Beck-aktuell, Heute im Recht, 2024.10.14.

  • 담당자 : 손휘용
  • 담당부서 : 국제통상협력팀
  • 전화번호 : 055-792-0089

본 페이지의 내용이나 사용 편의성에 대해 만족하십니까?

  • 만족도 총 5점 중 5점
  • 만족도 총 5점 중 4점
  • 만족도 총 5점 중 3점
  • 만족도 총 5점 중 2점
  • 만족도 총 5점 중 1점
평가하기