“늘어나는 인공지능 음악…’AI 안 썼다’ 보증해야 저작권 등록”
한국음악저작권협회는 음악 저작권 신규 신고 시 AI 사용 여부를 확인하는 절차를 도입했습니다. 신고자는 AI를 사용하지 않았음을 보증해야 하며, 허위 신고 시 법적 책임을 지게 됩니다.
이는 AI를 활용한 음악 창작이 증가함에 따라 저작권 관련 법적 문제가 발생할 수 있다는 우려 때문입니다. 현행 저작권법상 AI가 생성한 콘텐츠는 저작물로 인정되지 않으며, 한음저협은 AI를 100% 사용한 음악의 등록을 거부하고 있습니다. 다만, AI를 일부 활용했더라도 인간의 창작적 기여가 있다면 저작물성을 인정할 수 있다는 입장입니다. 한음저협은 AI 활용 음악에 대한 명확한 기준과 관리 방안이 마련되지 않은 상황에서 이번 조치를 시행하게 되었다고 밝혔습니다.
알파고 등장 때만해도 AI 가 창의적인 분야는 어려울 것이란 생각이었는데, 기술의 발전은 정말 놀랍네요…
- 이번 한음저협의 조치는 AI 기술이 음악 창작 분야에 미치는 영향에 대한 중요한 논의를 촉발할 것으로 보입니다. AI 활용 음악에 대한 명확한 법적 기준과 관리 방안 마련이 시급하며, 이는 창작자의 권리 보호와 음악 산업 발전을 위해 필수적입니다. AI 기술의 발전 속도를 고려할 때, 앞으로 더욱 다양한 형태의 AI 활용 음악이 등장할 것이며, 이에 대한 지속적인 논의와 제도적 보완이 필요합니다.
“금융 특화 ‘한글 말뭉치’ 공유…생성형 AI 개발 돕는다”
금융위원회는 국내 금융권에 특화된 인공지능(AI) 서비스 개발을 지원하기 위해 ‘금융 특화 한글 말뭉치’를 무료로 제공합니다.
이 말뭉치는 금융 전문 용어와 법규, 제도 등을 포함한 대규모 한국어 언어 자료 집합으로, AI 모델의 금융 지식 학습, 답변 정확도 향상, 성능 및 윤리 평가에 활용됩니다. 2025년 6월 말까지 진행되는 시범사업 기간 동안 총 1만2600건, 약 45GB 규모의 말뭉치가 제공되며, 이를 통해 금융 AI 서비스의 환각 및 편향 문제를 해소하고 금융 소비자 보호를 강화할 수 있을 것으로 기대됩니다.
국내 금융 환경에 최적화된 AI 서비스 개발로 금융 분야 전문성 부족 문제를 해결하고, 보다 정확하고 신뢰할 수 있는 금융 서비스를 가능하게 해주면 좋겠네요.
“경량 AI: 인공지능 모델 경량화의 기본 개념과 최근 연구사례 및 시사점”
최근 AI 분야는 거대 파라미터를 갖는 언어 모델에 초점이 맞춰지면서, 높은 성능을 보이는 반면 연산 비용과 저장 공간이 급격히 증가하는 추세입니다. 이러한 문제를 해결하기 위해 AI 모델 경량화 기술이 주목받고 있으며, 이는 모델의 크기를 줄이고 연산 효율을 높여 컴퓨터 자원 낭비를 방지하고 에너지 소비를 최소화하면서도 기존 모델과 유사한 성능을 유지하는 것을 목표로 합니다.
주요 경량화 기법으로는 뉴럴 프루닝(Neural Pruning), 지식증류(Knowledge Distillation), 양자화(Quantization), 아키텍처 탐색(Neural Architecture Search) 등이 있습니다. 이러한 기술들은 모바일 및 엣지 디바이스와 같이 연산 자원이 제한된 환경에서 AI 모델을 효율적으로 실행하는 데 필수적이며, 실시간 추론 속도가 중요한 자율주행 차량, 챗봇, 음성 비서, CCTV 등 다양한 분야에서 활용되고 있습니다.
특히, 딥시크(DeepSeek)는 오픈소스 추론모델인 딥시크-R1을 공개하며 저비용·고효율의 경량 AI 시대를 예고하여 글로벌 AI 시장에 큰 영향을 주고 있습니다. 이는 기존 대형 모델에 준하는 성능을 약 1/20 수준의 저렴한 비용으로 구현해 주목받고 있습니다.
AI 모델 경량화 기술이 자원 효율성을 높이고 다양한 환경에서 AI 적용 가능성을 확대하는 데 중요한 역할을 할 것으로 전망하며, 향후 Physics AI와 같은 분야에서 실시간성과 효율성을 갖춘 AI 모델 설계에 대한 관심이 더욱 높아질 것으로 예상합니다.
“대규모 언어모델로 신소재 합성 가능성 예측·해석하는 기술 개발”
서울대학교 정유성 교수 연구팀이 대규모 언어 모델(LLM)을 활용하여 새로운 물질의 합성 가능성을 예측하고 해석하는 기술을 개발했다는 내용입니다. 이 기술은 기존의 머신러닝 모델보다 높은 예측 정확도를 보이며, 합성 가능성에 영향을 미치는 요인에 대한 해석도 제공합니다.
이 연구는 새로운 물질의 개발을 가속화하고, 특히 반도체 및 이차전지 산업에서 활용될 것으로 기대됩니다.