수천만 곡이 AI 학습용 데이터셋으로 배포되고 있다

음악 수천만 곡이 수록된 데이터셋이 AI 학습에 활용되고 있다는 보도가 나왔다. 이들 데이터셋에는 저작권으로 보호되는 음악과 AI 학습에 사용하기 위해 별도 라이선스 계약이 필요한 음악도 포함되어 있는 것으로 지적됐다.

음악 생성 AI가 저작권으로 보호되는 음악을 학습 데이터로 활용하고 있다는 의혹은 오래전부터 꾸준히 제기되어 왔다.

음악 생성 AI인 수노(Suno)와 우디오(Udio)는 저작권 보호를 받는 음악을 AI 학습에 이용했다는 이유로 음악 업계의 비판을 받아왔다. 2024년 6월에는 유니버설 뮤직 그룹, 소니 뮤직 엔터테인먼트, 워너 레코드를 대표해 미국레코드산업협회가 수노와 우디오를 상대로 소송을 제기했다.

이 같은 음악 생성 AI를 둘러싼 의혹을 조사하기 위해 보도에선 AI 학습에 사용되는 훈련 데이터에 주목했다. AI 개발 커뮤니티에서 공유되고 있는 음악 데이터셋 4개를 발견하고 내용을 조사한 것. 그 결과 데이터셋 하나에는 1,200만 곡, 또 다른 하나에는 900만 곡이 수록된 사실이 확인됐다. 나머지 2개 데이터셋에도 각각 10만 곡 이상이 포함된 것으로 전해졌다.

이들 데이터셋에는 배드 버니, 너바나, 테일러 스위프트, 빌리 아일리시, 펄 잼, 엘비스 코스텔로, 셰릴 크로우, 비틀즈 등 세계적인 아티스트들의 음악이 다수 포함되어 있다.

발견한 4개 데이터셋 가운데 3개는 유튜브나 스포티파이에 등록된 음악 링크 모음 형태로 배포되고 있다. AI 개발자가 이런 링크 목록을 활용해 자동화 도구로 실제 음원 파일을 내려받아 AI 학습에 이용하고 있다는 지적이다. 일부 도구는 로그인 절차나 광고, 창작자 수익 창출 및 구독자 확보 구조까지 우회할 수 있는 기능을 갖춘 것으로 알려졌다. 다만 이런 도구는 유튜브와 스포티파이 이용약관을 위반하는 것이라는 지적이다. 한편 나머지 1개 데이터셋은 저작권 무료 음악 모음인 프리 뮤직 아카이브(Free Music Archive) 자료로 구성되어 있다.

이들 데이터셋은 지금까지 수천 차례 내려받아졌으며, 실제로 누가 사용했는지를 정확히 파악하기는 어렵다. 하지만 구글과 스태빌리티가 연구 논문에서 해당 데이터셋을 사용했다고 명시한 바 있다고 밝혔다.

또 프리 뮤직 아카이브처럼 개인적인 용도로는 무료 스트리밍 이용이 가능한 데이터셋도 존재하지만 이들 데이터셋 모두 상업적 이용에는 별도 라이선스가 필요하다고 지적했다. 이를 통해 AI 개발 현장에서 널리 사용되는 데이터셋 적법성과 신뢰성에 의문이 제기되고 있다고 설명했다.

보도에선 4개 데이터셋에 포함된 음악을 검색할 수 있는 데이터베이스도 공개했다. 해당 데이터베이스에서는 음악뿐 아니라 다양한 미디어 콘텐츠가 AI 모델 학습에 사용됐는지 여부도 검색할 수 있다. 관련 내용은 이곳에서 확인할 수 있다.