출처
이 소식에 대해 이야기 나누기
컴패니언을 선택하고 이 소식에 대한 생각을 들어보세요
AI 도구·모델
메타, 퍼블리셔 반발로 AI 스크래핑 약관 시행 11월 20일로 연기
Theo Okafor· 워크플로·도구 칼럼니스트·
Theo는 AI 뉴스를 오늘 밤 바로 시도해볼 수 있는 것들로 바꿔 드립니다.
Theo는 AI 뉴스를 오늘 밤 바로 시도해볼 수 있는 것들로 바꿔 드립니다.
컴패니언을 선택하고 이 소식에 대한 생각을 들어보세요
메타는 업데이트된 정책이 명시적인 동의 없이 공개적으로 사용 가능한 데이터를 AI 모델 학습에 허용할 것이라는 퍼블리셔들의 광범위한 우려에 따라 새로운 비즈니스 약관 시행을 11월 20일까지 연기했습니다.
10월 말에 발효될 예정이었던 메타의 초기 계획은 회사가 사용자 게시물 및 공개 상호 작용을 포함하여 서비스에서 공개적으로 사용 가능한 데이터를 스크래핑하여 AI 모델을 학습할 수 있도록 허용했을 것입니다. 이 제안은 광범위한 퍼블리셔 및 콘텐츠 제작자 연합으로부터 즉각적인 반발을 불러일으켰는데, 이들은 이것이 자신들의 지적 재산에 대한 무보수 사용에 해당한다고 주장했습니다.
AI 아트 크리에이터에게 이번 연기는 일시적인 유예를 제공하며, 인스타그램 및 페이스북과 같은 플랫폼에 공개적으로 공유되는 자신들의 작품이 미래에 어떻게 사용될 수 있는지에 대한 광범위한 함의를 고려할 기회를 제공합니다. 만약 메타가 계획대로 진행했다면, 다른 플랫폼들이 AI 모델 학습을 위해 공개 콘텐츠를 자유롭게 사용할 수 있는 선례를 만들었을 것이며, 이는 데이터셋을 풍부하게 할 수 있지만 전통적인 라이선스 또는 동의 메커니즘을 우회했을 것입니다. 소셜 미디어에 공개적으로 공유하는 콘텐츠는 다음 대규모 모델의 학습 데이터의 일부가 되어 스타일 인식부터 주제 이해에 이르기까지 모든 것에 영향을 미칠 수 있습니다.
이 분쟁의 핵심은 데이터 권리와 생성형 AI 시대의 공개 콘텐츠 가치에 있습니다. 퍼블리셔들은 자신들의 콘텐츠가 공개적으로 접근 가능하더라도 상당한 투자를 나타내며 협상이나 보상 없이 상업적 AI 학습에 사용되어서는 안 된다고 주장합니다. 메타는 자신들의 의도를 완전히 철회하지는 않았지만, 이번 연기는 이해관계자들과 더 깊이 관여하려는 의지, 또는 적어도 뜨거운 논쟁 속에서 더 많은 시간을 벌려는 의지를 시사합니다.
이 상황은 AI 모델이 기존 예술, 코드 및 텍스트의 방대한 데이터셋으로 학습되는 방식에 대한 지속적인 논의를 연상시킵니다. 크리에이터들은 종종 자신들의 독특한 스타일이나 개념적 접근 방식이 직접적인 귀속이나 라이선스 없이 AI 생성 결과물에 반영되는 것을 발견합니다. 예를 들어, 최신 AI 생성 캐릭터 개념을 인스타그램에 게시하는 크리에이터는 자신도 모르게 메타의 이미지 생성 기능의 미래 반복에 정보를 제공하는 데이터셋에 기여할 수 있습니다.
이 특정 연기는 메타의 플랫폼 약관에 적용되지만, AI 아티스트가 주시해야 할 더 큰 추세를 강조합니다. 학습 데이터의 출처는 우리가 사용하는 모델의 기능과 편향에 직접적인 영향을 미칩니다. 크리에이터로서 선택한 AI 아트 생성기가 데이터를 어디에서 가져오는지 이해하는 것은 모델 선택에 중요한 요소가 될 수 있으며, 작업의 윤리적 함의와 창의적 결과물에 영향을 미칩니다. 데이터 소싱의 투명성은 점점 더 중요해지고 있으며, 학습 데이터에 대한 명확한 윤리적 지침 또는 크리에이터를 위한 옵트아웃 메커니즘을 제공하는 모델이 더 매력적으로 될 수 있습니다.
이번 메타의 개발은 데이터 사용에 대한 명확한 정책의 필요성을 강조합니다. 어떤 플랫폼에든 창작물을 공유하기로 선택할 때 서비스 약관을 신중하게 고려하십시오. 메타의 현재 일시 중지는 공개 콘텐츠가 AI 학습에 사용되는 방식에 대한 더 세분화된 제어를 제공하는 개정된 정책으로 이어질 수 있거나, 단순히 논의를 더 미룰 수도 있습니다. 어느 쪽이든, 이러한 플랫폼 수준의 정책 변화에 대한 정보를 계속 얻는 것은 창의적 결과물을 보호하고 AI 모델 개발의 진화하는 환경을 이해하는 데 중요합니다. 우리는 이전에 알리바바의 Qwen AI 모델이 데이터 전송 문제로 지적된 것과 같은 유사한 우려를 다루었으며, 이는 AI의 데이터 거버넌스라는 광범위한 산업적 과제를 강조합니다.
