OpenAI, 불법 복제 도서 데이터셋 삭제 이유 밝히기 사투 중

핵심 요약

• 작가들의 집단소송에서 OpenAI가 LibGen에서 스크래핑한 'Books 1/2' 데이터셋 삭제 이유를 숨기려다 판사에게 제대로 걸림
• 내부 슬랙 메시지 공개 명령까지 받은 상황

데이터셋의 존재와 삭제

• OpenAI의 전직 직원들이 2021년에 불법 복제 도서 사이트 Library Genesis(LibGen)에서 대량의 데이터를 스크래핑해 "Books 1"과 "Books 2" 데이터셋을 만들었음
• 이 데이터셋은 2022년 ChatGPT 출시 전에 삭제됨 — 이 사실 자체는 양측 모두 인정함
• OpenAI 측 설명은 "그냥 안 쓰게 돼서 삭제했다"는 것

말 바꾸기의 대가

• OpenAI는 처음에 "미사용(non-use)"을 삭제 이유로 내세웠음
• 그런데 법원이 관련 내부 메시지를 볼 수 있게 해달라는 작가 측 디스커버리 요청을 승인하자, 갑자기 모든 삭제 이유가 "변호사-의뢰인 특권(attorney-client privilege)"에 해당한다고 주장을 번복함
• 연방 치안판사 오나 왕은 이걸 안 받아줬음 — "이유라고 말해놓고 나중에 그 이유가 특권이라고 주장하는 건 안 됨"이라고 판결함
• 삭제 이유를 둘러싼 OpenAI의 입장이 계속 바뀌면서 오히려 법적 입지가 더 약해진 상황

슬랙 채널 "excise-libgen"

• OpenAI 내부에 "excise-libgen"이라는 이름의 슬랙 채널이 있었음 — 이름부터 LibGen 데이터를 "제거"하겠다는 의미
• 사내 변호사 제이슨 권이 이 채널에서 딱 한 번 발언했는데, 그 내용이 채널 이름을 "project-clear"로 바꾸자는 것이었음
• 왕 판사가 슬랙 메시지를 직접 검토한 결과, 대부분의 대화가 법률 자문을 요청하거나 받는 내용이 아니었음
• 따라서 변호사-의뢰인 특권 주장은 대부분 기각됨
• OpenAI는 12월 8일까지 관련 내부 메시지를 제출하고, 12월 19일까지 사내 변호사들의 증언 일정을 잡아야 함

고의 침해와 배상금

• 저작권 침해가 "고의적(willful)"이었다고 인정되면 작품당 최대 15만 달러의 법정 배상금이 부과될 수 있음
• 작가 측 변호사는 OpenAI가 법적 리스크 때문에 이후 모델에 해당 데이터셋을 사용하지 않기로 했다는 증거가 나오면 고의 침해 입증에 결정적일 거라고 봄
• 또한 OpenAI가 데이터셋 이름만 바꿔서 계속 사용했을 가능성도 제기됨

Anthropic 판결을 역으로 맞은 OpenAI

• OpenAI는 Anthropic 관련 판결을 자기 방어에 유리하게 인용했는데, 왕 판사는 이를 "기이하게(bizarrely)" 인용했다고 지적함
• 원래 앨섭 판사의 판결 취지는 "합법적으로 구매할 수 있는 책을 불법 사이트에서 다운로드하는 행위는 그 자체로 본질적으로, 구제 불가능하게 침해"라는 것
• 오히려 OpenAI의 LibGen 스크래핑 후 삭제 행위가 이 판결에서 금지하는 범주에 "정확히 해당"한다고 판단됨

다리오 아모데이 증인 심문

• 작가 측은 Anthropic CEO 다리오 아모데이에 대한 증인 심문도 요청함 — 아모데이가 OpenAI 재직 시절 해당 데이터셋 생성에 관여했다는 혐의
• OpenAI는 이를 막으려 했으나, 올해 3월 판사가 작가 측 손을 들어줬음
• 아모데이가 데이터셋의 파기에 대해서도 정보를 갖고 있다는 게 법원 기록에 나와 있음

합의 가능성

• Anthropic의 저작권 집단소송 합의가 역대 최대 규모로 보도된 바 있음
• 그 합의 과정에서 Anthropic이 "법적 이유로" 불법 복제 도서 학습에 소극적이 되었다는 증거가 나왔음
• 작가 측은 OpenAI의 슬랙 메시지에서도 비슷한 "결정적 증거(smoking gun)"가 나오길 기대하는 중
• 이 디스커버리 결과에 따라 OpenAI가 합의 쪽으로 방향을 틀 가능성도 있음

---

원문: OpenAI desperate to avoid explaining why it deleted pirated book datasets