안나의 아카이브, 앤트로픽의 책 절단 스캔 주장하며 희귀본 공개 보존 촉구

안나의 아카이브에 전부 스캔해 올리면 결국 AI 회사도 그대로 내려받아 학습에 쓰는 거 아닌가?

그래도 공개 사본은 남음. AI 회사가 가진 스캔본은 원문 형태로 공유되지 않으니, 누구나 원문에 접근할 수 있는 것과는 다름.

회사가 책을 없애고 모델 안에만 흡수하면 원문 접근, 정보 출처와 인용, 특정 텍스트에 돈을 내고 읽는 방식이 모두 사라짐. 공개 스캔본을 학습에 쓰는 경우엔 원문이 남아 있으니 이 문제가 없음.

책을 샀으면 절단 스캔하든 버리든 소유자가 결정할 일 아닌가 싶음. 요즘 책은 수천에서 수백만 부씩 찍히고, 유일본 같은 오래된 책은 학습용으로 사기엔 비쌀 텐데 무엇을 잃는지 잘 모르겠음.

문제는 무엇이 사라지는지 우리가 투명하게 알 수 없다는 점임.

오래된 책을 거의 안 읽거나 연구하지 않으면 그렇게 생각할 수 있음. 다른 책에서 인용만 남고 원문은 사라진 사례가 이미 많고, 희귀본 한 권을 없애면 과거와 잇는 연결 하나가 끊김.

걱정 대상은 대량 인쇄본이 아니라 절판본과 희귀본임. 에든버러 서점상 데릭 워커도 100부만 찍힌 학술서 한 권은 큰 손실이 아닐 수 있지만, 18세기 판본의 유일한 생존본이라면 완전히 다르다고 말했음.

감자를 사서 태우는 건 개인 일일 수 있지만, 한 나라를 먹일 식량을 사들여 태우면 잘못된 일임. 규모가 문제를 바꿈.

법적으로 가능하다는 것과 옳다는 것은 다름. 회사들이 하는 일은 역겹고, 사회를 향한 공격이 더 심해진 사례라고 봄.

진짜 질문은 왜 이 회사들이 고화질 스캔을 안나의 아카이브에 유출하지 않느냐는 것임. 훈련 데이터셋 차이가 모델 성능에서 통계적으로 얼마나 큰 우위인지도 의문임.

돈 벌려고 하는 회사가 자기 우위로 보는 자료를 무료 아카이브에 넘길 이유가 없지. 공개하면 불법일 가능성도 큼.

앤트로픽 같은 회사가 종이책을 없앤다는 이야기는 실망스러움. 저작권 제약이 있더라도 고품질 스캔은 공개 아카이브로 남겨야 하며, 다만 그대로 공유하면 같은 법적 제약이 걸릴 듯함.