새로운 연구에 따르면 AI 기업들은 학습 데이터 확보를 위해 프리미엄 퍼블리셔에 의존하는 것으로 나타났습니다

OpenAI, Google, Meta, Anthropic을 포함한 주요 기술 기업들은 대규모 언어 모델(LLM)을 학습시키기 위해 유명 출판사의 고품질 저작권 자료를 활용합니다. 

따르면 연구에 , 고품질 콘텐츠가 AI 모델 학습에 필수적인 역할을 한다는 점이 밝혀졌습니다. 이 연구는 AI 기업들이 모델 성능 향상을 위해 신뢰할 수 있는 출처의 학습 데이터를 선호하지만, 이러한 출처의 기여도가 종종 간과된다는 것을 보여줍니다.

지프 데이비스(Ziff Davis)의 AI 전문 변호사 조지 우코슨과 최고 기술 책임자 조이 포르투나는 연구에서 AI 기업들이 검색 엔진 순위가 높은 권위 있는 웹사이트의 순위를 기준으로 학습 데이터를 선택한다고 주장했습니다. 높은 품질과 인기를 자랑하는 웹사이트는 좋은 평판을 가지고 있기 때문에 모델 개선에 활용된다는 것입니다. 연구에 따르면 이러한 전략을 통해 AI 개발자들은 언어 모델을 더욱 정교하게 다듬을 수 있습니다.

Ziff Davis는 Axel Springer, Future PLC, Hearst, News Corp, The New York Times 등과 같은 최고 수준의 콘텐츠 제공업체들이 학습 데이터 세트 개발에 기여했다고 지적했습니다. 특히, OpenAI의 GPT-3 개발에 사용된 OpenWebText2 데이터 세트의 12.04%가 이러한 신뢰할 수 있는 업체에서 제공된 것으로dent되었습니다.

마크 저커버그는 AI 학습에 콘텐츠를 활용하는 것에 대한 논쟁에 자신의 의견을 밝혔습니다. 최근 The Verge와의 인터뷰에서 저커버그는 AI를 위한 데이터 수집이 어려운 과제임을 인정하면서도, 개별 콘텐츠 제작자나 출판사의 콘텐츠가 전체적인맥락에서 볼 때 그다지 큰 영향력을 미치지 못할 수도 있다고 지적했습니다. 그는 "개별 콘텐츠 제작자나 출판사들은 자신의 콘텐츠가 가진 가치를 과대평가하는 경향이 있는 것 같다"고 말했습니다. 

출판사들이 AI 기업들을 상대로 소송을 제기했다

학습 데이터 출처에 대한 비밀주의는 출판사와 소비자 모두의 우려를 불러일으켰습니다. 뉴욕 타임스와 월스트리트 저널은 최근 AI 기업들이 자신들의 콘텐츠를 무단으로 사용하여 저작권법을 위반했다며 소송을 제기했습니다. 

OpenAI는 파이낸셜 타임스(Financial Times)와 닷대시 메러디스(DotDash Meredith) 같은 미디어 기관으로부터 콘텐츠 라이선스를 획득하기 위해 노력을 기울여 왔지만, 여전히 여러 AI 기업들이 적절한 라이선스 없이 운영되고 있습니다. 보고서는 또한 "주요 LLM 개발업체들이 과거처럼 학습 데이터를 공개하지 않는다"고 지적합니다. 

인공지능 기업들의 기업 가치가 상승하는 가운데, 기술 대기업과 기존 미디어 기업 간의 격차는 여전히 매우 큽니다. 구글과 메타 같은 거대 기술 기업들은 각각 2조 2천억 달러와 1조 5천억 달러의 기업 가치를 지니고 있으며, 생성형 인공지능 분야를 선도하고 있습니다. 반면 오픈AI와 앤스로픽 같은 스타트업은 각각 1,570억 달러와 400억 달러의 기업 가치를 평가받고 있습니다. 

 반면, 출판사들은 여전히 ​​구조조정과 인력 감축을 진행하고 있는데, 이는 인공지능(AI)이 점점 더 defi하는 환경에 적응하는 데 따르는 재정적 압박을 보여주는 증거입니다. 사용자 제작 콘텐츠 및 AI 기반 콘텐츠와의 경쟁 심화로 인해 수많은 출판사들이 비용 절감과 인력 감축이라는 어려움에 직면하고 있습니다.