이 섹션의 다중 페이지 출력 화면임. 여기를 클릭하여 프린트.

이 페이지의 일반 화면으로 돌아가기.

데이터가 AI 공급망에서 차지하는 역할

2024-10-10, The Role of Data in the Supply Chain of AI

    source: https://openchainproject.org/news/2024/10/10/webinar-the-role-of-data-in-the-supply-chain-of-ai

    목차

    1. 발표자 소개
    2. 웨비나 소개와 목적
    3. AI 공급망과 데이터의 중요성
    4. 공개 데이터셋 및 AI 모델의 활용과 리스크
    5. AI 규제와 데이터 투명성의 미래
    6. 기업을 위한 전략 및 액션 아이템

    1. 발표자 소개

    Nick Schifano는 FastCatalog.ai의 CEO이자 창립자로, AI와 법적 프레임워크 분야의 전문가입니다. Microsoft에서 11년간 근무하며 기술 규제 및 AI/ML 법적 검토를 주도했으며, 특히 AI 모델 훈련에 필요한 데이터 사용 검토 시스템을 설계했습니다. 현재 FastCatalog.ai를 통해 AI 공급망 관리 기술과 서비스를 제공하고 있습니다.

    2. 웨비나 소개와 목적

    이번 웨비나는 AI 공급망에서 데이터가 차지하는 역할과 관련된 주요 이슈를 다루며, 다음과 같은 주제를 중심으로 논의되었습니다:

    • 모델 계보와 훈련 데이터에 숨겨진 리스크
    • 데이터 투명성의 중요성과 기업에 미치는 영향
    • AI 및 데이터 공급망 관리 전략
    • EU AI Act 등 새로운 규제에 대비하는 방법

    Nick Schifano는 이러한 주제를 통해 기업들이 새로운 규제 환경에 대비하고 AI 공급망을 효과적으로 관리할 수 있도록 실질적인 가이드를 제공했습니다.

    3. AI 공급망과 데이터의 중요성

    3.1 AI 시스템 구축 과정

    AI 시스템은 크게 네 단계로 나뉩니다:

    1. 소싱(Source): 훈련 데이터, 기존 모델, 훈련 프레임워크 등 필요한 자원을 확보.
    2. 구축(Build): 데이터를 사용해 모델을 훈련하거나 기존 모델을 미세 조정.
    3. 배포(Deploy): 완성된 모델을 클라우드, 온프레미스 또는 디바이스에 배포.
    4. 관리(Manage): 전체 프로세스를 지속적으로 모니터링하고 규제 준수 여부를 확인.

    3.2 데이터의 역할

    AI 모델 훈련에는 다양한 형태의 데이터가 필요합니다:

    Nick은 특히 공개 데이터셋과 오픈소스 모델이 제공하는 기회와 위험 요소를 강조하며, 각 구성 요소가 어떻게 AI 제품에 영향을 미치는지를 설명했습니다.

    4. 공개 데이터셋 및 AI 모델의 활용과 리스크

    4.1 주요 공개 데이터셋

    • Common Crawl: 인터넷 전반을 크롤링한 텍스트 데이터를 포함하며, OpenAI 및 Meta 등의 대규모 언어 모델 훈련에 활용됨.
    • Red Pajama: Apache 2.0 라이선스를 따르지만 Common Crawl 기반으로 생성되어 법적 복잡성이 존재.
    • BookCorpus: 전자책 데이터를 포함하며 저작권 문제를 야기할 가능성이 있음.

    4.2 오픈소스 모델

    • Llama 3.1 (Meta): 특정 라이선스 조건(예: “Built with Llama” 표시 의무) 포함.
    • Black Forest FLUX: 비상업적 사용만 허용하는 라이선스를 따름.

    4.3 주요 과제

    Nick은 다음과 같은 문제들을 지적했습니다:

    • 데이터 출처 불명확성으로 인한 법적 리스크.
    • 저작권 침해 가능성과 이에 따른 소송 사례(예: 뉴욕타임즈 vs OpenAI).
    • 특정 지역(예: EU)에서 요구되는 투명성 기준 충족 여부.

    5. AI 규제와 데이터 투명성의 미래

    5.1 주요 규제 동향

    Nick은 여러 지역에서 시행 중인 규제를 다음과 같이 요약했습니다:

    • EU AI Act: 훈련 데이터 출처 공개 및 기술 문서 유지 의무화.
    • 미국 캘리포니아 AB 2013 법안: 생성형 AI 훈련 데이터 투명성 요구.
    • 일본 METI 가이드라인: 데이터 출처 추적 가능성 확보 권장.

    5.2 글로벌 협력 가능성

    GDPR처럼 EU AI Act가 글로벌 표준으로 자리 잡을 가능성을 논의했지만, 각 지역별로 상이한 접근 방식이 존재함을 강조했습니다.

    6. 기업을 위한 전략 및 액션 아이템

    6.1 오픈소스 관리 담당자를 위한 의미

    오픈소스 및 공개 데이터를 사용하는 기업은 다음 사항을 고려해야 합니다:

    • 공개된 라이선스 조건 준수 여부 확인.
    • 훈련 데이터 및 모델 사용 내역 투명하게 기록.
    • 새로운 규제에 대비해 내부 프로세스 정비.

    6.2 고려해야 할 Action Item

    1. 데이터 및 모델 카탈로그 구축:
      • 사용 중인 모든 데이터셋과 모델의 출처, 라이선스 조건 등을 기록.
    2. 투명성 보고서 작성 프로세스 마련:
      • 규제가 요구하는 정보를 포함한 표준화된 보고서 작성 체계 수립.
    3. 리스크 관리 방안 개발:
      • 저작권 침해나 기타 법적 문제 발생 시 대응 절차 마련.
    4. 내부 승인 프로세스 강화:
      • 안전한 프로파일(예: 오픈소스 라이선스 준수)을 정의하고 빠른 승인 절차 제공.

    이번 웨비나는 AI 공급망 관리에서 데이터를 중심으로 한 복잡한 문제들을 심도 있게 다루며 기업들이 직면할 수 있는 도전 과제를 명확히 했습니다. Nick Schifano는 기술적·법적 전문성을 바탕으로 실질적인 조언을 제공하며, 참석자들에게 큰 통찰을 안겨주었습니다.