애틀랜틱, AI 학습에 사용된 2,100만 곡 매핑 — 창작자들이 직접 데이터를 검색할 수 있다

애틀랜틱 기자 알렉스 라이스너가 AI 모델 학습에 사용된 4개 음악 데이터셋을 완전히 검색 가능한 공개 데이터베이스로 공개했다. 이 중 두 개는 각각 1,200만 곡과 900만 곡을 포함하고 있어, 현재까지 공개된 AI 음악 학습 데이터 중 가장 포괄적인 기록으로 평가된다.

핵심 요약

• 애틀랜틱 기자 알렉스 라이스너가 AI 모델 학습에 사용된 음악 데이터셋 4개를 확인하고 검색 가능하게 공개했으며, 총 2,100만 곡 이상이 포함된다.
• 가장 큰 두 데이터셋은 각각 약 1,200만 곡과 900만 곡을 포함하며, 나머지 두 개의 소규모 데이터셋도 수백만 곡을 추가한다.
• 뮤지션과 권리 보유자를 포함한 누구나 데이터베이스를 검색해 자신의 작품이 AI 학습 데이터에 포함되어 있는지 확인할 수 있다.
• 이번 공개는 라이선스나 동의 없이 저작권 있는 창작물을 사용한 AI 개발사에 대한 법적·규제적 압박이 커지는 흐름에 힘을 더한다.
• AI 아트 및 AI 음악 창작자들은 학습 데이터 출처에 대한 심화된 검토를 예상해야 하며, 이는 어떤 모델이 계속 사용 가능하거나 법적으로 방어 가능한지에 영향을 미칠 수 있다.

라이스너의 발견과 데이터베이스 작동 방식

애틀랜틱에 게재된 라이스너의 조사는 유출된 정보와 공개 연구를 결합해 4개의 데이터셋을 발굴했다. 두 개는 어떤 기준으로 봐도 방대한 규모다. 하나는 약 1,200만 곡, 다른 하나는 약 900만 곡을 포함한다. 나머지 두 개는 규모가 작지만 여전히 상당한 학습 코퍼스를 구성한다. 합산하면 어떤 창작 분야에서도 공개된 AI 학습 데이터셋을 압도하는 규모다.

검색 인터페이스를 통해 누구나 아티스트 이름이나 곡 제목을 입력해 해당 항목이 포함되어 있는지 확인할 수 있다. 이는 학습 데이터가 공개되지 않거나 대부분의 창작자가 읽지 않는 기술 논문에 묻혀 있던 기존 상황과는 의미 있는 전환이다. 오랫동안 자신의 작품이 허가 없이 사용되었다고 의심해온 권리 보유자들은 이제 직접 확인할 수 있는 구체적인 도구를 갖게 됐다.

학습 데이터 투명성이 지금 가속화되는 이유

이번 공개는 진공 속에서 이루어진 것이 아니다. 뮤지션, 음반사, 시각 예술가들이 제기한 다수의 진행 중인 소송이 AI 개발사들을 학습 데이터 출처 문제로 불편한 조명 아래 세웠다. 미국과 유럽의 법원들은 AI 학습을 위한 저작권 자료 스크래핑이 공정 이용에 해당하는지 침해인지를 놓고 씨름해왔으며, 아직까지 결정적인 판결은 나오지 않았다.

AI 개발사들에게 이 시점은 불편하다. 음악 중심의 주요 AI 도구들이 2024년과 2025년에 출시되거나 확장되었고, 해당 모델들이 무엇으로 학습되었는지에 대한 질문은 이제 회피하기 더 어려워졌다. 기자, 변호사, 아티스트 누구나 조회할 수 있는 검색 가능한 데이터베이스는 역학 관계를 완전히 바꿔놓는다. 추상적인 법적 논쟁을 구체적이고 검색 가능한 사실로 전환시키기 때문이다.

AI 아트 및 생성형 도구 창작자들에게 미치는 파급 효과

이 문제는 음악을 넘어선다. 저작권 있는 음악으로 학습하는 것에 적용되는 동일한 법적 논리가 저작권 있는 이미지, 일러스트, 시각 예술로 학습하는 것에도 적용된다. 애틀랜틱의 데이터베이스는 하나의 개념 증명이다. 학습 데이터는 문서화되고, 검색 가능하게 만들어지며, 증거로 활용될 수 있다. 이미지 학습 데이터셋에 대한 유사한 데이터베이스가 등장한다면 — 연구자들이 학술적 맥락에서 이미 구축하기 시작한 것처럼 — 이미지 생성 모델 제공업체에 대한 압박은 더욱 강해질 것이다.

AI 이미지 도구를 사용하는 창작자들에게 실질적인 결과는 모델 리스크다. 깨끗하거나 라이선스된 학습 데이터를 입증하지 못하는 플랫폼은 법적 도전, 강제 모델 철수, 또는 합의에 따른 출력물 제한에 처할 가능성이 높아진다. 워크플로를 구축할 AI 이미지 생성 도구를 평가할 때, 학습 데이터 출처는 더 이상 단순한 윤리적 고려 사항이 아니라 비즈니스 연속성의 문제다.

또한 이는 AI 모델의 미래 비용 구조에 대한 더 어려운 질문을 제기한다. 음악과 시각 예술을 대규모로 라이선싱하는 것은 비용이 많이 든다. 법원이나 규제 당국이 AI 개발사들을 라이선스된 학습 데이터 방향으로 밀어붙인다면, 저렴하거나 무료인 생성형 도구를 운영하는 경제학은 크게 달라진다. 이러한 압박이 현실화되기 전에 현재 모델 옵션과 가격을 확인해두는 것은 지금, 환경이 아직 비교적 열려 있는 동안 해볼 만한 일이다.

라이스너의 데이터베이스가 근본적인 법적 분쟁을 해결하지는 않겠지만, 학습 데이터 책임이 실제로 어떤 모습일 수 있는지에 대한 선례를 세웠다. 그리고 그 선례는 이제 모든 AI 개발사의 법무팀 앞에 놓여 있다.