AI 훈련과 책의 물리적 파괴

AI 기업들이 훈련 데이터를 위해 물리적 책을 구매하고 파괴하고 있다

AI 기업들이 중개자를 통해 수백만 권의 중고 물리적 책을 확보하고, 훈련 데이터로 스캔한 후 물리적 복사본을 파괴하는 것으로 보고되고 있다. 이 행위는 인터넷을 가득 채우고 있는 AI 생성 콘텐츠의 잡음에서 벗어나, 2022년 이전에 출판된 '기계에 손대지 않은' 고질적인 훈련 데이터를 확보하기 위한 필요성에서 비롯된다.

Anna’s Archive의 보고서에 따르면, Anthropic의 "Project Panama"는 이 흐름의 주요 사례다. 이 프로젝트는 클로드 LLM을 훈련시키기 위해 수천만 권의 종이 책을 구매하고 스캔한 후 파괴하는 데 수천만 달러를 지출한 것으로 알려져 있다. 이 전략의 동기는 세 가지다:

경쟁 우위: 경쟁사가 동일한 물리적 자료를 스캔하고 사용하는 것을 막기 위해
법적 리스크 완화: 디지털 저작권 침해와 관련된 법적 위험을 줄이기 위해
비용 효율성: 손실 없는 스캔 아카이브를 유지하는 것보다 책을 파괴하는 것이 더 저렴하다는 점

지식의 사유화 위험

물리적 책의 체계적인 스캔과 파괴는 인간 지식이 사적 기업 서버에 영구적으로 독점되는 위험을 초래한다. AI 어시스턴트가 더 강력해질 수는 있지만, 그 기반이 되는 원천 자료는 공공 영역에서 사라질 수 있다. 이는 지식을 접근 가능하게 하겠다는 약속을 하는 기업들이 동시에 그 지식의 물리적 매체를 해체하고 있다는 모순을 만든다.

Anna’s Archive는 희귀한 책, 저널, 신문, 잡지 등을 스캔하고 디지털 아르키메데스 도서관에 업로드하는 글로벌 자원봉사 운동을 촉구하며, 인류 문명의 기억이 자유롭고 접근 가능하게 유지되도록 하려 한다. 이 긴급성은 다음 요인들에 의해 더욱 부각된다:

AI 콘텐츠 과잉: 2025년 초부터 AI 생성 콘텐츠가 새로운 인터넷 게재물의 절반 이상을 차지하며, 인간이 쓴 작품과 구분하기 어려워지고 있다.
데이터 독점: AI 기업들이 파괴된 책의 디지털 스캔을 유일하게 보유한다면, 그 정보에 대한 접근권을 독점하게 된다.

비판적 시각과 반론

Hacker News 커뮤니티의 논의는 이러한 주장에 대해 상당한 회의와 세부적인 논의를 보여준다. 몇 가지 주요 반론이 제기되었다:

저작권법의 역할

일부는 책의 파괴가 악의적인 선택이 아니라, '카프카식' 저작권법의 요구사항이라고 주장한다. 특정 법적 체계 하에서는 책을 디지털화하려면 원본을 파괴해야 하며, 이는 라이선스를 이전하는 것이지 복제하는 것이기 때문이다.

규모와 희귀성

많은 비평가들은 실제로 "희귀한" 책이 타깃이 되고 있는지 의문을 제기한다. 그들은 AI 기업들이 이미 책장에 썩어가는 중고 책을 대량으로 구매하거나, 전문 도서상들이 파쇄할 예정이었던 책들을 사들였다고 주장한다. 한 사용자는 다음과 같이 지적했다:

"실제 전문 전문 도서상들은 수백만 권의 책을 파쇄한다... 모델 훈련 업체는 책 하나의 복사본만 필요하다. 심지어 그들이 당신을 괴롭히기 위해 책을 실제로 태운다고 해도, 도서업계가 이미 파쇄하는 책의 극히 미미한 일부일 뿐이다."

기관의 보존 노력

다른 이들은 미국의 국립도서관이나 영국국립도서관과 같은 국가 도서관이 법적 보존 의무를 지니고 있어, 거의 모든 출판된 책의 복사본이 이미 국가 자금으로 운영되는 아카이브에 보존되어 있다는 점을 지적한다. 따라서 지식의 전면적 손실은 거의 불가능하다고 본다.

'보존'의 역설

일부는 책을 스캔하고 모델을 훈련시키는 행위 자체가 보존의 한 형태라고 주장한다. 만약 책이 고요하고 읽히지 않는 상태였다면, LLM 내부의 가중치로 변환하는 것이 그 정보가 더 넓은 대중에게 도달할 수 있는 유일한 방법일 수 있다. 물리적 복사본이 파괴되더라도 말이다.

갈등의 요약

이 갈등의 핵심은 지식을 어떻게 저장하고 접근할 것인지에 대한 근본적인 논쟁이다. 한쪽은 기업의 독점 방지를 위해 개방적이고 분산된 그림자 도서관을 추진한다. 다른 쪽은 상업적 도서 시장과, 물리적 매체의 디지털화 과정에서 파괴를 장려하는 법적 체계의 현실을 직시해야 한다.