Ch09_무한의 캔버스-빅데이터와 생성형 AI(3)_인간과 기계의 공진화 (Co-evolution)

9.3.인간과 기계의 공진화 (Co-evolution)

진정한 융합은 빅데이터와 AI가 결합했을 때 발생한다.

생성형 AI의 등장은 창작 활동의 주체와 방식에 근본적 변화를 가져오며, 인간과 기계가 서로 영향을 주고받으며 함께 진화하는 공진화의 국면을 열었다. 특히 미드저니(Midjourney), 달리(DALL·E), 챗GPT(ChatGPT)와 같은 생성형 모델은 전문적인 미술 교육을 받지 않은 사람도 고품질의 예술 작품과 텍스트를 창작할 수 있게 하여 ‘창작의 민주화’라는 새로운 시대적 흐름을 이끌고 있다. 이는 누구나 예술적 표현에 참여할 수 있는 환경을 조성함으로써 창작의 문턱을 크게 낮추었다.

1. 집단 지성의 시각화 – 잠재공간(Latent Space)

인류가 축적해 온 수억 장의 명화 데이터를 학습한 AI는 특정 화풍을 흉내 내는 것을 넘어, 과거의 거장들이 상상하지 못했던 새로운 화풍을 제안한다. 이는 인류의 미술사(Big Data)가 AI라는 프리즘을 통과하여 새로운 스펙트럼으로 확장되는 과정이다.

AI는 대규모 데이터를 단순히 암기하는 것이 아니라, 데이터 간의 관계와 구조를 추상적 공간에 배치하여 이해한다. 이러한 공간을 잠재공간(latent space)이라고 하며, AI는 이 공간에서 서로 다른 이미지나 개념 간의 연속성과 유사성을 수학적으로 탐색한다.

예를 들어, AI는 반 고흐의 붓터치와 사이버펑크 네온 사인의 조합처럼 인간이 상상하기 어려운 스타일적 결합을 잠재공간에서 찾아 새로운 이미지를 생성할 수 있다. 또한, 우리가 ‘모나리자’와 ‘별이 빛나는 밤’이 전혀 다른 그림이라고 느끼는 반면, AI는 두 그림을 고차원 좌표평면의 점으로 인식하며, 두 점 사이의 빈 공간(Gap)을 탐색함으로써 존재하지 않던 새로운 스타일을 만들 수 있다. 이를 보간(Interpolation)이라고 하며, 르네상스 양식(A)과 인상주의 양식(B) 사이에서 역사적으로 한 번도 등장하지 않았던 새로운 중간 스타일(AB)을 생성할 수 있는 가능성을 보여준다.

2. 실시간 인터랙티브 아트

최근 예술 분야에서는 관람객의 움직임, 표정, 음성, 위치 등의 데이터를 실시간으로 수집하여 AI가 즉시 해석하고, 이를 기반으로 영상·음향·조형 요소가 변화하는 인터랙티브 아트가 크게 확산되고 있다. 이 과정에서 관람객은 단순한 감상자가 아니라 작품을 함께 완성하는 참여자(co-creator)가 된다. 이러한 변화는 전통 예술과 빅데이터·AI 기반 예술의 차이를 보여준다.  AI 예술은 데이터와 알고리즘을 중심으로 한 새로운 창작 패러다임을 제시하며, 예술의 범위를 정적 표현에서 동적·참여형 창작으로 확장시키고 있다.

구분	전통적 예술	빅데이터 & AI 예술
주체	인간 작가	인간 + AI (협업)
재료	물감, 돌, 악기 등	데이터, 알고리즘, 프롬프트
형태	고정된 결과물 (Static)	가변적, 생성적 (Generative)
핵심 역량	손기술, 표현력	기획력, 큐레이션, 데이터 해석 능력

---

9.4. 예술의 미래와 윤리적 고찰

기술의 발전은 언제나 빛과 그림자를 동반한다. 대학생으로서 우리는 기술을 활용하는 것을 넘어, 이에 따르는 철학적, 윤리적 문제를 고찰해야 한다. 생성형 AI의 등장으로 예술 창작 환경은 새로운 변화의 국면에 들어섰다. AI는 방대한 데이터를 학습하여 이미지를 생성하고, 텍스트를 쓰며, 음악까지 만들어내는 도구가 되었지만, 그 과정에서 예술의 본질과 윤리에 관한 중요한 질문들이 부상하고 있다. 이러한 논의는 예술의 미래를 설계하는 데 필수적이며, 기술적 성장과 함께 균형 있게 고민해야 할 과제이다.

1. 저작권과 원본성 (Originality): AI가 수많은 원작자의 데이터를 학습하여 만든 작품의 저작권은 누구에게 있는가?
   학습 데이터에 포함된 원작자, AI 개발사, 혹은 프롬프트를 입력한 사용자 중 누구를 진정한 창작자로 볼 것인가에 대한 논의는 현재 진행형이다.
2. 편향성 (Bias)의 문제: AI는 학습 데이터에 내재된 사회적 편향(성별, 인종, 문화 등)을 그대로 답습할 위험이 있다. 예술이 사회를 비추는 거울이라면, 왜곡된 거울이 되지 않도록 데이터의 공정성을 확보하는 것이 중요하다.
3. 예술가의 역할 변화: AI가 기술적인 완성을 담당하게 됨에 따라, 예술가의 역할은 '제작자(Maker)'에서 '기획자(Director)' 또는 '선별자(Curator)'로 이동하고 있다. 무엇을 그릴 것인가(What)에 대한 질문이 어떻게 그릴 것인가(How)보다 중요해지는 시점이다.

빅데이터와 생성형 AI는 예술가를 위협하는 경쟁자가 아니다. 사진기의 발명이 회화를 소멸시키지 않고 인상파라는 새로운 사조를 낳았듯이, AI 또한 예술의 영역을 무한히 확장하는 강력한 도구이다.  미디어 아트를 전공하는 학생들에게 요구되는 것은 코딩 기술 그 자체가 아니다. 기술의 원리를 이해하고, 데이터 속에 숨겨진 인문학적 가치를 발견하여, 이를 독창적인 예술 언어로 번역해내는 통찰력이다. 이것이 바로 우리가 '융합'을 배우는 이유이다.

또한, 생성형 AI는 예술의 가능성을 확장하는 동시에, 저작권, 편향성, 예술가의 정체성 등 중요한 윤리적·철학적 문제를 제기한다.
앞으로의 예술은 기술적 능력만으로 완성되지 않고, 무엇을 표현하고 어떤 가치를 전달할 것인지에 대한 깊은 성찰이 함께 요구되는 시대가 될 것이다.

---

9.5. 생성형 AI와 예술의 융합에서의 저작권 문제

생성형 AI가 예술 창작의 도구로 자리 잡으면서, 예술 생태계 전반에는 창작의 주체, 데이터 활용의 정당성, 결과물의 법적 권리 관계 등 다양한 저작권 문제가 새롭게 대두되고 있다. 기존 저작권 체계는 인간을 창작의 중심에 두고 설계되어 왔기 때문에, 비인간적 주체(Non-human Agent)인 AI가 직접적인 결과물을 만들어내는 시대에는 과거의 기준만으로 판단하기 어려운 영역이 존재한다. 이러한 문제는 크게 훈련 데이터의 저작권, AI가 생성한 산출물의 저작권, 작가성(Author­ship)의 인정 여부, 기업·사용자·모델 제공자의 권리 책임 분담 등으로 세분화하여 논의할 수 있다.

1. 학습 데이터(Training Data) 저작권 문제

생성형 AI 모델은 대규모 데이터셋을 기반으로 학습한다. 이 데이터에는 웹상의 이미지, 일러스트, 회화, 사진, 글, 음원 등 다양한 저작물이 포함될 수 있다. 문제는 이 과정에서 권리자의 허락 없이 저작물을 학습에 사용한 경우, 저작권 침해에 해당하는가라는 점이다.

1) “복제”에 해당하는가?

AI가 학습을 위해 저작물을 로딩·처리·저장하는 과정은 법적으로 ‘복제(reproduction)’ 행위로 볼 수 있다. 대부분의 국가에서 저작물의 복제·가공은 권리자의 허락이 필요하므로, 무단 학습은 침해로 간주될 여지가 있다.

2) 미국·유럽·한국의 법적 입장 차이

• 미국: ‘공정 이용(Fair Use)’ 가능성 논쟁
  • 검색 엔진이나 텍스트 분석과 유사하다는 주장 → 합법 가능성
  • 원본을 대체하는 용도로 사용되면 침해라는 주장 → 불법 가능성
    → 현재 판례가 정립 중이며 명확한 결론은 없다.
• 유럽(EU): 비교적 엄격한 입장
  • 텍스트·데이터 마이닝(TDM)을 허용하되, 작가가 명시적으로 “학습 금지”를 표시할 수 있도록 규정
  • 따라서 학습을 위한 데이터 수집에는 사전 확인 절차가 요구된다.
• 한국: AI 학습 목적의 저작물 이용 규정이 아직 명확하지 않으며, 향후 별도 입법 또는 판례 축적이 필요하다는 의견이 많다.

3) 창작자의 문제 제기

일러스트레이터, 디지털 아티스트들이 “AI가 내 그림 스타일을 무단으로 베끼고 있다” 는 이유로 여러 차례 법적 분쟁이 발생했다. 특히 “스타일(style)”이 저작권 보호 대상인지 여부는 국가별로 차이가 있으며,

• 스타일 자체는 일반적으로 저작권 보호 대상이 아님
• 그러나 특정 작가의 그림을 대량 학습하여 “유사한 유형의 결과물”을 생성하는 경우,부정경쟁행위 또는 퍼블리시티권 침해의 가능성도 논의되고 있다.

---

2. 생성된 결과물(Output)의 저작권

AI가 만든 이미지·음악·글 등 생성물 자체가 저작물로서 보호받을 수 있는가는 또 다른 쟁점이다.

1) 저작권의 필수 요건: 인간의 창작성
저작권의 근간은 “인간의 사상 또는 감정을 창작적으로 표현한 것”이다. 따라서 비인간이 자동으로 만든 결과물은 저작물로 인정되지 않는 것이 국제적 기준이다.

• 미국 저작권청: AI가 독자적으로 생성한 작품은 등록 불가
• 영국: “컴퓨터 생성 저작물”을 별도 규정하나, 인간의 개입 정도에 따라 보호 여부가 달라짐
• 한국: 현행법상 인간의 창작개입이 명확해야만 저작물로 인정된다.

● 2) 인간의 ‘창작적 개입’ 기준
완전히 자동 생성된 이미지와 프롬프트(prompt)를 설계하고 수정·조합한 결과물 사이에는 차이가 있다.

• 단순히 "고양이 그림 그려줘" → 창작성 부족
• 프롬프트 세부 조정, 레이아웃 설계, 후처리 편집 등
  → 인간의 창작 개입이 인정될 수 있음

전문가들은 "어느 수준까지 개입하면 인간 저작물로 인정할 것인가"를 두고 활발한 논의를 진행 중이다.

---

3. 권리 귀속(Ownership)의 문제: 누구의 작품인가?

AI 제작물에 대한 권리는

• 모델 개발자(예: OpenAI, Stability AI),
• 사용자인 창작자,
• 학습 데이터 제공자(원작자),
• 플랫폼 사업자

등 여러 이해관계자가 얽혀 있어 단순하지 않다. 

• 주요 쟁점

1. AI 모델 개발자가 결과물의 공동 저작자인가?
   → 일반적으로 아니며, 소프트웨어 제공자에 가까운 위치로 본다.
2. 사용자가 ‘저작자’가 될 수 있는가?
   → 인간의 창작 개입 여부에 따라 달라진다.
3. 학습 데이터 원작자에게 보상 또는 권리 귀속이 필요한가?
   → 현재 전 세계적으로 가장 논쟁이 큰 부분이며
   ‘데이터 라이선스’, ‘학습 보상 모델’ 등이 논의되고 있다.

4. 유명 사례

• 1) 에드몽 드 벨라미 사건 (오비어스 그룹): 
  GAN으로 생성된 초상화가 43만 달러에 낙찰되었을 때, “이 작품의 저작권은 누구에게 있는가?”라는 논쟁이 발생했다.
  GAN을 훈련한 오비어스(Obvious)가 저작자로 인정되었으나 학습 데이터(17~19세기 초상화)의 원작자 후손에게는 권리가 돌아가지 않았다. 이 사건은 “AI 예술의 저작권 기준이 얼마나 모호한가”를 대중에게 보여준 상징적 사례이다.
• 2) 게티이미지(Getty Images) vs 스테이블 디퓨전:
  Getty는 자신의 사진이 무단으로 학습에 사용되었다며 Stability AI를 제소
  이는 “학습 행위 자체가 저작권 침해인가?”를 다투는 대표 소송 중 하나이다.

5. AI와 예술의 미래를 위한 저작권 방향성

전문가들은 생성형 AI 시대의 저작권 체계를 다음 네 가지 방향에서 재정립할 필요가 있다고 본다.

1. 투명한 데이터 사용(Transparency)
   • 어떤 데이터가 학습에 사용되었는지
   • 권리자가 학습을 허용/거부할 수 있는지
   • ‘AI 학습 전용 라이선스’의 도입 필요성
2. 공정 보상(Fair Compensation)
   • 작가의 작품이 AI 학습에 기여한 만큼 보상을 받을 수 있는 구조(예: 데이터 로열티)를 마련할 필요가 있다.
3. AI 제작물의 독자적 권리 인정 여부
   • AI 산출물 자체를 새로운 범주의 저작권(“AI Generated Work”)으로 인정할 것인지 논의 중 
     허용한다면, 권리자는 인간? 기업? AI 개발자? 등의 정의가 필요하다.
4. 윤리적·사회적 합의(Ethical Framework)
   • 예술가의 생태계를 보호하면서도 AI 창작의 혁신을 저해하지 않는 균형이 중요하다. 
   • 저작권은 단순한 법적 문제가 아니라, 예술가의 생계·노동가치·창작문화 전반을 지탱하는 인프라이기 때문이다.

생성형 AI는 예술가에게 강력한 창작 도구를 제공하며 새로운 예술적 가능성을 열어주고 있다. 그러나 그 이면에는 기존의 저작권 체계가 예상하지 못했던 복잡한 문제들이 존재한다. 훈련 데이터의 합법성, AI 산출물의 저작권 인정, 권리 귀속, 작가 보상 모델, 그리고 사회적 합의 등은 앞으로 예술·법·기술이 함께 논의하며 해결해야 할 중요한 과제로 남아 있다.