🤖
1444 in / 6000 out / 7444 total tokens
🔥 핫 토픽
AI는 그저 대규모 무단 표절일 뿐인가?
해커 뉴스에서 701포인트를 받은 이 글은 AI의 근본적인 문제를 정면으로 찌른다. AI가 생성하는 결과물은 학습 데이터에 대한 대규모 표절이라는 주장이다. 단순한 비유가 아니다. 실제로 Stable Diffusion이나 Midjourney가 특정 아티스트의 스타일을 거의 그대로 복사하는 사례가 무수히 발견되고 있다. 게임 개발자로서 이 문제는 피부에 와닿는다. UE5 마켓플레이스에 올린 에셋, 내가 작성한 쉐이더 코드, 레벨 디자인 패턴—이 모든 게 AI 학습 데이터로 쓸어담겼을 가능성이 높다.
업계 맥락에서 보면 이건 도덕적 논쟁을 넘어선 법적 리스크다. Getty Images vs Stability AI 소송, New York Times vs OpenAI 소송 등 저작권 분쟁이 계속해서 진행 중이다. 한국에서도 웹툰 작가들 사이에서 AI 학습 반대 움직임이 거세다. 이 글이 701포인트를 받았다는 건, 개발자 커뮤니티 내에서도 이 문제에 대한 공감대가 상당하다는 뜻이다.
실무 관점에서 정리하면 이렇다. AI 도구를 상용 프로젝트에 적용할 때, 생성된 결과물의 저작권 상태를 보장할 수 없다. 특히 스타일 변환(style transfer)이나 코드 생성에서 이 리스크는 더욱 크다. 게임사 법무팀과 협의 없이 AI 생성 에셋을 프로덕션에 투입하는 건 위험하다.
출처: AI is just unauthorised plagiarism at a bigger scale
📰 뉴스
Simon Willison의 Datasette Agent 생태계 구축
Simon Willison이 Datasette Agent를 발표하고, 동시에 확장 패키지 두 개—datasette-agent-sprites와 datasette-agent-charts—를 공개했다. Datasette는 오픈소스 데이터 탐색 도구인데, 여기에 LLM 에이전트를 통합한 것이다. 핵심은 챗봇이 아니라 실제 작업을 수행하는 에이전트라는 점이다. 데이터를 쿼리하고, 결과를 시각화하고, 스프라이트 형태로 에이전트 상태를 표시하는 것까지 하나의 흐름으로 연결된다.
왜 이게 중요한가. 요즘 모든 SaaS가 AI 기능을 넣고 있지만, 대부분은 챗봇 하나 덜렁 올려놓는 수준이다. Willison의 접근은 근본적으로 다르다. 에이전트가 Datasette의 핵심 기능을 직접 호출하고, 플러그인 구조로 기능을 확장한다. 게임 개발의 모듈러 아키텍처와 같은 패턴이다. UE5에서 플러그인으로 엔진 기능을 확장하는 것과 유사한 사고방식이다.
sprites 패키지는 에이전트의 활동을 시각적으로 표현한다. 에이전트가 데이터를 처리 중인지, 에러가 발생했는지, 대기 중인지를 아이콘으로 보여준다. charts 패키지는 데이터 시각화를 자동 생성한다. 이런 식으로 에이전트의 입력-처리-출력 파이프라인을 시각화하는 건, 디버깅과 모니터링 측면에서 매우 유용하다. 게임 서버 아키텍처에서 매니지드 서비스의 상태 모니터링과 같은 맥락이다.
개인적으로 사이드프로젝트에서 LLM 에이전트를 만들 때 가장 어려웠던 게 "에이전트가 실제로 유용한 일을 하게 만드는 것"이었다. 챗봇은 쉽다. 하지만 실제 도구와 연동해서 의미 있는 출력을 내는 에이전트는 설계가 완전히 다르다. Datasette Agent의 구현을 보면, 함수 호출(function calling)을 Datasette의 API 엔드포인트에 매핑하는 구조가 깔끔하다. 참고할 만하다.
앞서 언급한 AI 표절 논란과 연결 지어 생각하면, Willison의 접근은 대조적이다. 학습 데이터를 무단으로 쓰는 게 아니라, 자신이 만든 도구의 API를 에이전트에게 공개하는 방식이다. 에이전트가 무엇을 할 수 있는지 투명하게 정의하고, 그 범위 내에서 작동하게 만든다. 이런 방향이 AI 도구의 올바른 사용 방향 아닐까.
출처:
AI 시대의 창의성 확장
MIT Technology Review가 AI 시대에 인간의 창의성이 어떻게 변화하는지 다루었다. 핵심 주장은 이렇다. 스토리텔링은 인류의 DNA에 새겨진 본능이며, 기술은 그 매체와 분배 방식을 바꿔왔을 뿐이라는 것. 활자 인쇄술, 라디오, TV, 인터넷—모든 기술이 창작의 형태를 변화시켰고, AI도 그 연장선에 있다.
업계 맥락에서 보면, 게임 산업은 창의성과 기술의 교차점에 서 있다. NPC 대화 시스템에 LLM을 적용하고, 절차적 콘텐츠 생성(PCG)에 diffusion 모델을 활용하고, 레벨 디자인 보조에 강화학습을 쓰는 시대다. 하지만 "AI가 창의성을 대체하는가 vs 증강하는가" 논쟁은 계속된다. 이 글의 관점은 후자 쪽이다. AI는 창작의 매체를 확장할 뿐, 창작 주체는 여전히 인간이라는 입장이다.
앞서 언급한 표절 논란과 연결된다. AI가 학습 데이터를 "표절"하는지, 아니면 인간처럼 "영감을 받는"지에 대한 질문은 창의성의 본질에 대한 질문과 직결된다. 인간도 다른 작품에서 영감을 받는다. 그 경계는 명확하지 않다. 하지만 규모의 차이가 있다. 인간이 평생 접할 수 있는 데이터의 양과, AI가 학습하는 데이터의 양은 차원이 다르다. 이 "규모의 차이"가 본질적 차이를 만드는지에 대한 논의가 필요하다.
실무 관점에서 게임 개발자에게 주는 시사점은 이렇다. AI를 창작 도구로 사용할 때, 프로세스를 명확히 정의해야 한다. AI가 제안하고 인간이 선택하는 구조인지, 인간이 방향을 정하고 AI가 실행하는 구조인지. 어느 쪽이든 "창의성의 주체"가 누구인지 팀 내에서 합의해야 한다. 이건 작업 파이프라인 설계와 직결된다.
출처: Scaling creativity in the age of AI
마무리
오늘 뉴스 세 개가 하나의 흐름으로 읽힌다. AI의 저작권 문제, 그 문제를 우회하는 올바른 에이전트 설계, 그리고 창의성의 본질에 대한 성찰. 결국 핵심은 "AI가 무엇을 할 수 있는가"가 아니라 "AI가 무엇을 해야 하는가"다. 기술적 능력과 윤리적 설계 사이에서 균형을 잡는 게 개발자의 역할이다.
AI는 도구다. 표절의 도구가 될 수도, 창의성의 도구가 될 수도 있다. 차이는 시스템 설계와 사용자의 의도에서 나온다.