머신러닝에서 저작권 침해 검토

운 박; 정연덕

doi:10.30582/kdps.2021.34.3.81

추천

검색

자료유형: 학술저널

저자정보: 운 박 (건국대학교) 정연덕 (건국대학교)

저널정보: 한국저작권위원회 계간 저작권 계간 저작권 제34권 제3호

발행연도: 2021.9

수록면: 81 - 110 (30page)

DOI: 10.30582/kdps.2021.34.3.81

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

인공지능기술의 발전으로 현행 저작권법상 여러 가지 문제가 늘어나고 있다. 인공지능의 한 분야인 머신러닝(machine learning)이 타인의 저작물이나 데이터를 이용하는 행위가 과연 저작권이 면책되는지 문제가 된다. 즉, 머신러닝 기술을 통해서 허락 없이 저작물을 이용하여 인간보다 더욱 빠르게 새로운 저작물을 만들어내는 행위는 공정이용에 해당되는지 혹은 저작권 침해책임을 부담하여야 되는지 문제가 된다. 본 연구는 우선 현행 인공지능과 머신러닝에 대해 각 학설을 정리하고 인공지능 개념과 머신러닝 개념을 구별한다. 머신러닝의 3가지 종류도 검토하며, 머신러닝의 공정이용 4가지 요소를 적용 여부되는지에 검토한다. 머신러닝 과정에서 주로 표현적 내용 여부를 기준으로 ‘비 표현적 머신러닝(non-expressive machine learning)’과 ‘표현적 머신러닝(expressive machine learning)’ 두 가지로 나누었다. 본문은 머신러닝의 저작물이 특정 작가에 기인하는지를 기준으로 ‘표현적 머신러닝’을 ‘일반 표현적 머신러닝(general-expressive machine learning)’과 ‘특정 표현적 머신러닝(specific- expressive machine learning)’으로 한 단계 더 구분한다. 그리고 머신러닝 유형에 따라 공정이용에 해당되는지와 저작권 침해 여부를 논의한다. 결론은 비 표현적 머신러닝은 저작권법상 저작물을 이용하는 것이 아니어서 침해책임이 없다. 일반 표현적 머신러닝은 저작권법상 저작물을 이용하여 공정이용으로 판단되기 때문에 저작권 침해책임이 없다. 특정 표현적인 머신러닝을 이용한 머신러닝은 저작권법상의 저작물을 이용하는 것에 해당하며, 공정이용으로 인정할 수 없어서 해당 저작권 침해책임을 져야 한다. 이 유형의 머신러닝은 해당 저작물 저작권자의 허락을 받거나 저작권료를 지급해야 한다.

The development of artificial intelligence technology is increasing a number of problems under the current copyright law. It is doubtful whether machine learning, a field of artificial intelligence, is exempt from the use of other people’s works or dating. In other words, creating new works faster than humans using machine learning technology without the same work is a question of process requirement or copyright infringement responsibility. This study first organizes each theory about current artificial intelligence and machine learning, and distinguishes artificial intelligence concepts from machine learning concepts. It will also review three types of machine learning, and examine whether four elements of machine learning are applied or not applied. In the process of machine learning, expressive contents were divided into two categories: non-expressive machine learning and expressive machine learning based on whether or not to export them. The text further distinguishes “expressive machine learning” from “general-expressive machine learning” and “specific-expressive machine learning” based on whether the work of machine learning is attributable to a specific author. In addition, depending on the type of machine learning, it is discussed whether it corresponds to the use of the process or whether it violates copyright. The bottom line is that non-expression machine learning does not use works under copyright law, so it is not responsible for infringement. General expressive machine learning is not responsible for copyright infringement because it is judged to be used as a process using works under the Copyright Act. Machine learning using specific expressive machine learning corresponds to the use of works under the Copyright Act, and cannot be recognized as a fair use, so it is responsible for copyright infringement. This type of machine learning requires permission from the copyright holder or payment of copyright fees.

#머신러닝 #기계학습 #비 표현적 머신러닝 #일반 표현적 머신러닝 #특정 표현적 머신러닝 #인공지능 #공정이용 #저작권 침해 #Machine learning #non-expressive machine learning #general- expressive machine learning #specific-expressive machine learning #artificial intelligence #process use #copyright infringement

참고문헌 (66)

참고문헌 신청

송영식 / 2021 / 지적재산법 / 세창출판사

오승종 / 2020 / 저작권법 / 박영사

이해완 / 2019 / 저작권법 / 박영사

장민선 / 2018 / 인공지능(AI) 시대의 법적 쟁점에 관한 연구 / 한국법제연구원

정상조 / 2020 / 지식재산권법 / 弘⽂社

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

운 박

소속기관 건국대학교

주요연구분야 사회과학 > 법학

논문수 3 이용수 180

정연덕

소속기관 건국대학교

주요연구분야 사회과학 > 법학

논문수 1 이용수 76

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (66)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)