생성형 인공지능의 문체 학습과 미국 저작권법상 표현 보호 범위의 재검토 — 아이디어-표현 이분법과 비문자적 복제의 실질적 유사성 판단을 중심으로 — = Style Learning of Generative AI and Reexamination of the Scope of Expression Protection under U.S. Copyright Law: Focusing on the Idea-Expression Dichotomy and Substantial Similarity in Non-Literal Copying

국문 초록 (Abstract)

대화형 인공지능을 포함한 생성형 인공지능 기술의 발전으로 특정 작가의 문체와 서술 방식을 모사한 산출물이 생성될 수 있게 되었다. 이러한 현상은 저작권법상 아이디어와 표현의 구별을 다시 검토하게 한다. 다만 문제는 문체 자체를 독립된 권리 객체로 인정할 것인지에 한정되지 않는다. 인공지능 학습 과정에서 저작물이 복제·이용되는 문제와, 학습 이후 산출물이 원저작물의 보호되는 표현을 실질적으로 재현하였는지의 문제는 구별하여 살펴볼 필요가 있다.
본고는 미국 저작권법상 판례와 이론을 중심으로 생성형 인공지능의 문체 학습과 산출물의 실질적 유사성 판단 문제를 검토하였다. 먼저 베이커 판결(Baker v. Selden)에서 정립된 설명과 사용의 구별, 니콜스 판결(Nichols v. Universal Pictures Corporation)의 추상화 법리, 표준적 삽화 원칙을 통하여 문체가 아이디어-표현 이분법상 어떠한 위치에 놓이는지를 살펴보았다. 문체는 원칙적으로 보호되지 않는 아이디어, 기법 또는 양식의 영역에 가깝다. 그러나 문체적 요소가 특정 저작물에서 구체적인 표현의 선택·배열·결합으로 나타나고, 생성형 인공지능 산출물이 이를 실질적으로 재현하는 경우에는 실질적 유사성 판단에서 고려될 수 있다.
다음으로 인공지능 학습 과정의 복제성 문제를 검토하였다. 대규모 언어 모델은 저작물의 문장을 그대로 출력하지 않더라도, 단어와 구문 사이의 확률적 관계, 문장의 호흡, 어휘 선택, 반복되는 구문, 서술의 밀도 등을 통계적으로 학습할 수 있다. 이러한 과정에서 발생하는 저장·복제·전송의 문제는 복제권, 전송권, 권리소진 원칙 및 공정이용과 관련하여 별도로 검토되어야 한다. 리디지 판결(Capitol Records, LLC v. ReDigi Inc.)은 문체 보호의 직접 근거가 아니라, 디지털 파일의 이전과 데이터셋 구축 과정에서 새로운 복제가 발생하는지를 살펴보는 데 제한적인 의미를 가진다.
인공지능 산출물의 침해 여부는 학습 과정의 적법성 여부와 별개로, 산출물이 원저작물의 보호되는 표현을 실질적으로 이용하였는지를 중심으로 판단하여야 한다. 이를 위하여 아른스타인 판결(Arnstein v. Porter)의 이원적 판단 구조와 시드 앤 마티 크로프트 판결(Sid & Marty Krofft Television Productions, Inc. v. McDonald’s Corp.)의 전체적인 개념과 느낌 법리를 검토하였다. 다만 문체 유사성 판단에서는 장르적 전형성, 표준적 표현, 기능적 요소를 먼저 여과할 필요가 있다. 그 후 남는 어휘 선택, 문장 배열, 서술 리듬, 비유 방식, 정서적 분위기 등의 결합이 원저작물의 표현적 인상을 실질적으로 재현하였는지를 살펴보아야 한다.
또한 소프트웨어 저작물에서 발전한 추상화·여과·비교 법리는 생성형 인공지능 문체 모방 문제에 일정한 시사점을 제공한다. 그러나 문체는 컴퓨터 프로그램의 조작 방법이나 기능적 시스템과 동일하게 볼 수 없으므로, 기능적 저작물 법리를 그대로 적용하는 데에는 한계가 있다. 이 법리는 문체 모방 문제를 부정하는 근거라기보다, 보호되지 않는 요소를 여과하고 남는 표현적 결합을 비교하기 위한 제한적 방법론으로 이해하는 것이 타당하다.
결국 문체 자체를 새로운 독점권으로 구성하는 데에는 신중하여야 한다. 다만 산출물이 특정 저작물의 보호되는 표현적 선택과 배열을 실질적으로 재현하고, 그 결과 원저작물의 표현적 가치를 실질적으로 대체하는 경우까지 단순한 아이디어의 자유로운 이용으로...