디 애틀랜틱, AI 학습에 쓰인 음악 데이터셋 검색 데이터베이스 공개

자신의 음악이 AI 학습에 무단으로 쓰였을 것이라 의심하던 창작자들에게 마침내 직접 확인할 수 있는 창구가 생겼습니다.

The Atlantic의 Alex Reisner 기자는 AI 모델 학습에 사용되는 대규모 음악 데이터셋 4개를 추적해, 대중이 직접 검색할 수 있는 데이터베이스를 자사 AI Watchdog 사이트에 공개했습니다.

2천만 곡 이상 포함, 구글과 스태빌리티도 사용 인정

발견된 데이터셋의 규모는 방대합니다. 가장 큰 2개는 각각 1200만 곡과 900만 곡에 달하며, 나머지 2개 역시 10만 곡 이상의 음악을 담고 있습니다.

Reisner 기자의 취재에 따르면 이 데이터셋들은 수천 번 이상 다운로드되었습니다. 정확한 사용자 전체를 파악할 수는 없지만, Google과 Stability는 연구 논문을 통해 해당 데이터셋을 학습에 사용했다고 공식 인정했습니다.

데이터셋에 포함된 아티스트 목록에는 Lady Gaga, Bruce Springsteen 같은 대형 팝스타부터 Fred Again.., Radiohead, Aphex Twin, Wu-Tang Clan, 그리고 실험 음악가 Hainbach까지 이름을 올렸습니다.

수집처 중 하나인 Free Music Archive의 경우 개인적인 스트리밍은 무료지만 상업적 이용에는 라이선스가 필수적인데, 이 역시 무단으로 쓰인 셈입니다.

음원 대신 링크 목록 배포, 크롤러로 약관 우회

AI 개발자들이 이 데이터를 모델에 집어넣는 방식은 생각보다 교묘했습니다.

Reisner 기자가 확인한 바에 따르면, 4개 데이터셋 중 3개는 오디오 파일 자체가 아니라 YouTube나 Spotify의 음원 링크 목록 형태로 배포되었습니다.

개발자들은 자동화 도구를 사용해 실제 오디오를 대량으로 내려받았습니다. 이 과정에서 로그인 과정을 건너뛰고 광고를 차단해, 원작자가 받아야 할 조회수나 음원 수익, 구독 기회를 완전히 무력화했습니다. 이는 명백히 스트리밍 플랫폼의 이용 약관을 위반하는 행위입니다.

왜 중요한가

음악가와 저작권자에게 이번 검색 데이터베이스는 실질적인 무기가 됩니다. 과거에는 내 곡이 어떤 AI 모델에 들어갔는지 입증하기가 불가능에 가까웠지만, 이제는 직접 이름을 검색해 구체적인 정황과 증거를 확보할 수 있습니다.

AI 업계 입장에서는 '음원 파일을 직접 공유하지 않고 링크만 제공했다'는 식의 법적 회피 논리가 더 이상 통하기 어렵게 되었습니다. 스트리밍 플랫폼의 약관을 어기면서까지 데이터를 긁어모은 실태가 낱낱이 드러났기 때문입니다.

특히 Google과 Stability 같은 선두 기업들이 논문에서 이 데이터를 활용했다고 밝힌 점은 향후 대규모 저작권 소송에서 치명적인 약점으로 작용할 가능성이 큽니다. 음원 레이블들의 법적 대응도 한층 구체화될 것으로 보입니다.